微博 AI 观察博客

原文

月之暗面 10 月 23 日发布 Kimi K3.1 Pro，Kimi 网页版和 App、办公助手 Kimi Work、编程工具 Kimi Code 和 API 当天都能用。官方说它是自家最强的开放权重模型，完整权重 11 月 4 日前放出。K3.1 Pro 是在上一代 Kimi K3 基础上继续训练出来的，模型结构没换，多花了大量算力做强化学习，也就是让模型在几百个领域里反复做任务、按结果打分改进。模型总共 2.8 万亿参数，处理每个 token 只动用其中约 1040 亿（token 是 AI 处理文字的单位，可以理解成文字碎片）。这种结构叫混合专家（MoE）：模型里有很多分工不同的“专家”小网络，每次只叫上一小部分干活，所以比同样大的普通模型算得快，但整个模型仍要全部装进内存。它一次能读 100 万 token，相当于一个中型代码仓库或几百页财报，也能看图和视频。【和 Claude、GPT 比怎么样】下面的成绩都来自月之暗面自己公布的对比表，对手是 Anthropic 的 Claude Opus 5.5、Claude Fable 5.1 和 OpenAI 的 GPT-6 Astra，所有模型开到最高推理强度。部分对手成绩是 Kimi 自己测的，内部测试外人无法复现。写代码基本追平。在命令行里完成真实开发任务的 Terminal-Bench 4.0，K3.1 Pro 65.7%，Opus 5.5 66.4%，GPT-6 Astra 58.2%；做大型软件项目的 SWE-Marathon，K3.1 Pro 51.7 分排第一，Opus 5.5 46.3。科学计算类的 Terminal-Bench Science 差距大，K3.1 Pro 38.1，GPT-6 Astra 68.1。3D 建模稍逊。K3.1 Pro 能直接写脚本操作 Blender、CAD 软件和 Unity、Unreal、Godot 游戏引擎，官方演示里做出了完整的 3D 游戏和能 3D 打印的台灯。在看几张渲染图、写 CAD 代码把零件还原出来的 BenchCAD 上，K3.1 Pro 92.7%，Opus 5.5 96.2%，GPT-6 Astra 95.9%。金融是这次主打。读真实财务文件、做多步计算的 OfficeQA Pro v2，K3.1 Pro 64.4 分排第一，Opus 5.5 62.2。Kimi 内部测试里，财务建模比 K3 高 7.2 分，写研究报告高 11.6 分。推文说的“幻觉降低 65%”，来自 Kimi 内部一套专挑难题的事实核查测试：K3 说的每 100 个事实里有 23 个错的，K3.1 Pro 降到 8 个出头。同一测试里 Opus 5.5 是 15 个，GPT-6 Astra 是 5.5 个。官方注明这是压力测试，不代表日常使用的出错率。【多少钱，能…

转发者评论

无明显转发评论

原文

Kimi-K3.1-Pro 刚刚发布了! 3T参数!从官方跑分来看, 写代码能力在 Opus-5.5 和 Fable-5.1 之间. 其中 Agentic Coding 测试 (SWE系列), 完全不输 OpenAI 和 Anthropic 的旗舰模型. 甚至 TerminalBench (测Agent能力的) 达到了个前所未有的高度.这次一个值得注意的点是引入了一个新的 benchmark 叫 BencCAD. 看名字就知道是测试 CAD 能力的.而且官方 Blog 里给到了各种炫酷的 CAD 建模演示. 目前我已经在测试了! 稍后给到大家评测视频!(话说我还没看定价, Pro 这个后缀是意味着它比默认命名的模型更强还是是性价比版本?)官方blog: www.kimi.com/en/blog/kimi-k3-1-pro#HOW I AI##kimi-k3.1##kimi-k3.1-pro#

转发者评论

无明显转发评论

• [打call][打call]

原文

分享昨天给研究生上课用的一套关于AI编程的完整Slides：《Vibe Coding：从“代码能跑”到“结果可信”》它不是一套“教你几个 Prompt 技巧”的课件，而是试图回答一个更重要的问题：当 AI 已经越来越会写代码，人还应该掌握什么？我用一系列非常具体的“翻车案例”来展开：• AI 生成的统计图完全正确，科研结论却错了 • Prompt 写得很长，为什么 AI 还是越做越偏 • 缺失值被悄悄处理，结果为什么会失真 • 修一个 Bug，为什么最后变成重写整个项目 • Agent 到底比普通聊天多了什么 • Context、Tools、Memory、Tests 分别解决什么问题 • 为什么“不要删文件”远远不如真正限制权限 • AI 说“测试通过了”，为什么还不能相信 • 怎样用 Spec、Test、Diff、Git、Rollback 建立可信开发闭环 • 科研代码怎样做到可复现、可审查、可交付Slides 里还系统整理了：Prompt Engineering → Context Engineering → Agent Architecture → Verification → Permission → Reproducibility以及一套我比较推荐的 AI 编程工作协议：先定义规格，再制定计划； 先建立测试，再修改代码； 修改之后独立验证； 确认可信之后再提交。越来越觉得，AI编程真正重要的并不是“以后还要不要学编程”。真正的问题是：当代码生产越来越便宜，什么能力会变得更贵？我的答案是：问题定义、系统判断、验证能力，以及为结果负责的能力。最后把 Slides 里的两句话也送给大家：代码可以不亲自写，结果必须自己负责。把执行交给 AI，把判断留给人。Slides 适合研究生课程、AI 编程入门、教师培训以及自己系统学习。欢迎转发给正在用 Cursor、Claude Code、Copilot 或各种 Coding Agent 的同学。在线浏览：aicoco.net/s/vc90

转发者评论

无明显转发评论

原文

#it那些事儿# 花3万买台电视，却请了个24小时监控回家？细思极恐😱哥几个，今天吃到一个技术圈的大瓜……😨事情是这样的：X上有位安全圈的大佬（ID: log4j），嫌自家2025款的三星电视天天给他推精准广告，恶心坏了。这位大佬的自我介绍直接是：“高级持续性威胁（APT） | 逆向工程师、渗透测试、赏金猎人”——可以说是个专业狠人了。大佬本想逆向固件找找原因，结果发现被AES加密了。换一般人可能就放弃了，结果这位狠人反手掏出一个0day漏洞，直接提权拿了root shell ！🔓不进去不知道，进去一看直呼好家伙，这哪是电视啊，这分明是一台自带算力、全天候向厂商输送隐私数据的监控终端！💻而且，各位别觉得这是三星一家的骚操作。深扒一下你会发现，电视圈的水深得吓人。🔍 秘密一：你家局域网，早被电视摸透了不光电视自己在看你在看什么，连带着你家局域网里的手机、电脑，甚至智能手表，都可能成为被扫描的目标！之前LG电视就被曝出，会主动扫描同一WiFi下的其他设备，连IP地址、信号强度甚至地理位置都不放过。LG官方的回应绝了：承认确实扫了，但这是“智能电视的标准配置”，为了智能互联🤷♀️。（翻译一下：为了生态，先扫为敬）🛒 秘密二：沃尔玛的23亿美金，买的是什么？2024年，沃尔玛花了23亿美元收购电视品牌Vizio。当时大家纳闷，一个超市买电视品牌干嘛？Vizio高管在2026年道破天机：他们买的核心资产是ACR（自动内容识别）数据！这意味着什么？电视会精准识别你在看啥、看了多久，然后结合沃尔玛掌握的“你买了啥、怎么买”的购物数据。你在电视上看到个洗衣液广告，三天后去沃尔玛下单，这个转化在广告商眼里是完全透明的。更狠的是，新款的Vizio电视，甚至要求强制登录沃尔玛账号才能使用智能功能。😨⚖️ 秘密三：罚款和诉讼，从未停止你以为没人管？2017年，美国FTC就指控Vizio未经同意收集了1100万台电视的收视数据并出售，最后Vizio赔了220万美元和解。但这根本没用！到了2025年底，德州总检察长直接把三星、LG、索尼、海信、TCL全告了，指控它们利用ACR技术偷偷收集并变现用户数据。💡 说句心里话：咱们花大几千上万买的所谓“高端电视”，可能本质上是以硬件的形式，自费请了个“带屏监控+广告投毒机”回家，连电费还得自己掏。大厂在系统体验上挤牙膏，在隐私追踪上倒是遥遥领先🙃。目前最实用的防坑指南：1️⃣ 去设置里找到“观看信息服务/ACR”和“个性化广告”，统统关掉！2️⃣ 进阶玩法：现在最流行的方式是让 AI Harness + REA + ADB 直接“修理”这台电视。原理不复杂：电视开启开发者模式和 ADB 调试，电脑和电视连同一个 WiFi，然后把电视型号和需求丢给 DeepSeek Harness / Claude Code / Codex…

转发者评论

如果只连着hdmi，屏幕如何上传得到的信息呢//@郑昀:[摊手] http://t.cn/AXj4rL8l

• 如果只连着hdmi，屏幕如何上传得到的信息呢//@郑昀:[摊手] http://t.cn/AXj4rL8l

原文

很多人装了 Claude Code，用了一段时间之后就觉得，这玩意儿好像也没什么特别的。但有人统计过，大多数用户只用到了 Claude Code 10% 左右的功能，剩下那 90%，根本不知道在哪里。一个叫 luongnv89 的开发者在 GitHub 上建了个仓库，叫 claude-howto，整理出了一套完整的使用教程。免费，开源，现在还在持续更新，跟着 Claude Code 每次版本迭代同步内容。这套教程分 10 个模块，从最基础的一直讲到高级用法。先讲 Slash Commands，这是最简单的快捷指令，打几个字就能触发某个操作；然后讲 Memory，让 Claude 在不同对话里记住你的项目配置和规范；接下来是 Skills，提前写好能力模块，Claude 到时候自动调用；再往后是 Subagents，把任务拆开分给不同的专属 AI 助手分头处理；然后是 MCP 协议，让 Claude 对接 GitHub、数据库这些外部工具；还有 Hooks，某个事件触发时自动运行指定脚本；以及 Plugins，把上面这些打包成整套方案，一条命令部署完毕。完整学完大概要 11 到 13 个小时。但不需要一次学完，仓库里有个自评测试，填一下就知道应该从哪个模块开始。就算只花 15 分钟，复制一个 slash command 模板进项目，也能立刻感受到差别。如果你现在装着 Claude Code 但感觉平平无奇，去翻一下这个仓库，大概率会发现不少从没用过的功能。传送门：github.com/luongnv89/claude-howto#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

Kimi 发了 K3.1 Pro，官方说这是目前最强的 3T 级开源模型，2.8T 总参数、104B 激活参数，支持 100 万 token 的上下文。先说一件让我觉得最有意思的事。官方做了一个测试，让模型去写一个模拟人类行走的物理仿真程序，要模拟骨骼和肌肉怎么配合运动。模型跑了 167 个任务，自己做了 420 次评审，中间还发现了肩部肌肉里 36 个计算错误，全部自己改掉了。最开始仿真人一站起来就倒，最后能连续走 11.2 秒。然后说成绩单。代码测试 Terminal-Bench 4.0 上得了 65.7 分，超过了 GPT-6 Astra 的 58.2 分，就差 Claude Opus 5.5 的 66.4 分一点。3D 建模测试 BenchCAD 得了 92.7%，也接近 Claude Opus 5.5 和 GPT-6 Astra 的水平，而且不需要接任何外部工具，模型自己写脚本操作 Blender 和 CAD。金融方面，在 OfficeQA Pro v2 这个测试里拿了第一；回答出错的概率从上一代的 23.4% 降到了 8.3%，少了大约 65%；在模拟商业决策的测试里，得分是上一代的 4.2 倍。还有一个细节：Kimi 在训练时主动删掉了和网络安全进攻相关的数据，说是为了降低被滥用的风险，这块得分主动从 90.5% 降到了 81.0%。今天起在 kimi.ai、Kimi Work、Kimi Code 和 API 上都可以用了；完整权重在 11 月 4 日之前开放。#科技先锋官#

转发者评论

无明显转发评论

原文

Grok Bot正在迅速成为AI 尝鲜者们的新宠。OpenAI每天就靠 Tibo鸡贼地搞额度重置耍猴，渐渐失去用户。。。AI 应用的入口体验真的很重要。哪怕马斯克的大模型落后一截，但他靠智能路由：一些简单任务用自家的快速模型，复杂任务转给 Opus ，打通各种应用，最近又跟苹果的一些自带应用打通，比如日历、提醒事项、闹钟、家庭等等。有些人甚至用 Grok bot来控制自己家的烤箱。抛开意识形态不谈，单说产品体验还真不错。当然，这也不是一蹴而就的，而是踩在前面那些应用的肩膀上不断进步的，比如小龙虾、OpenClaw、Hermes 等等。旧的 Agent bot 慢慢被扫进历史的垃圾堆，新的更聪明的助手不断涌现。

转发者评论

无明显转发评论

原文

我其实对 Kimi 的评价分化是在 K3 之前。我觉得 K3 之前做得其实挺烂的；K3 之后，我觉得它一举封王，基本上是当之无愧的开源里面效果最好的模型。但是 Kimi 效果做到了开源天花板，却有点英雄式的悲凉感，个人感觉，因为在中国的话，像 Deepseek 更符合中国的风格，足够便宜、低价。但因为 Kimi 又是中国的开源模型，所以无法在欧美市场被讨好。如果它出生在在欧美市场的话，那它现在的融资和估值可能就得非常疯狂了甚至可能超越 OA 两家。但可惜又是在中国，所以它相当于现在属于一个两个不讨好的状态。 但是它现在核心就是要能熬 熬到中国相对算力充足，熬到美国更多企业采用 K 三做基座。像现在美国一个大型律律师相关的创业公司采用了它，Code agent 唯一一个活得还不错的没有把自己卖掉的比如 包括 Devin，因为有了 K3 之后，它的 SWE-2 直接起飞。

转发者评论

无明显转发评论

原文

[AI]《Scaling Laws for Generative Reward Models》A Raychev, N Lile, R Rafailov [Stanford University & SynthLabs.ai] (2026) 在对齐领域，高分评委失效是一个悬而未决的难题。过去的方法受困于静态跑分与实战脱节，本质原因是离线测试挡不住迭代引发的分布偏移。本文的核心洞见是：把奖励模型重新看作博弈下的抗压体，而非静态拟合器。由此，剔除思维链、仅输出判决这一关键操作使问题得以解开。这项工作真正留下的遗产是确证评估与指导的断层。它为后来者打开的新门是发现评委扩容能破生成上限，但尚未跨过的门槛是验证全靠AI裁判，无人类盲测。arxiv.org/abs/2610.30765 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 榜单高分不等于实战效用。用推理链训练的奖励模型在静态测试中更准确，但在实际指导策略模型时反而不如简单的“直接回答”模型——更长的思考过程给了策略模型更多钻空子的机会。训练到一半的检查点比完全收敛的版本表现更好，说明过度拟合会削弱鲁棒性。另一个发现打破常规：用14B的大模型去指导4B的

原文

「纯本地运行的开源剪映替代品 Concat」面向看重隐私与自主控制的创作者，开源视频剪辑工具 Concat 提供了贴近剪映核心体验的替代选择。它基于 Rust 原生引擎与 GPU 渲染加速，无水印、无需注册，素材全程不离开本地磁盘。软件不仅支持多轨混剪、曲线关键帧及最高 4K 60帧导出，还内置了本地 Whisper 自动字幕、声音克隆与智能抠图；更有特色的是它自带 MCP 服务与 JSON-RPC 接口，能让 Claude 等 AI 智能体或外部脚本直接接管剪辑流程。目前已全面适配 macOS、Windows、Linux 与 Android 平台。github：jub0t/concat

转发者评论

无明显转发评论

原文

「给AI智能体瘦身：一个8KB文件平替逆向MCP」让AI做逆向工程时，常需借助REA等重型MCP方案，但200多个工具定义会大幅吞噬上下文。开源项目 leanrea 换了种思路：它彻底拿掉MCP中间层，仅凭一个8 KB的规则文件，直接引导智能体调用 otool、nm、ripgrep 等系统原生命令。实测在保持同等逆向分析精度的前提下，它比REA耗时缩短38%，开销降低35%，Token消耗减少60%。内置针对各类目标格式的高效探测命令与避坑经验，支持一键载入 Claude Code 或 Cursor 等主流智能体环境。github：aicodeking/leanrea

转发者评论

无明显转发评论

原文

[LG]《A Fix for Softmax and Cross-Entropy》J T. Barron, D Gnanapragasam, M Tschannen [Google DeepMind] (2026) 在模型优化中，梯度突刺是一个悬而未决的难题。过去的方法受困于损失飙升，本质原因是浮点加法抹除了极微小目标梯度，打破梯度零和守恒。本文的核心洞见是：把极小概率加法重新看作对数空间的边距平移。由此，剔除常数一并全程在纯差值域计算这一关键操作使问题得以解开。这项工作真正留下的遗产是无损的算子重写。它为后来者打开的新门是揭露了优化器控制的极值平衡态，但尚未跨过的门槛是此极端场景在常规训练中极少出现。arxiv.org/abs/2610.31642 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 我们习惯把框架当成可靠地基，但PyTorch里用了十年的交叉熵函数一直在悄悄丢失梯度。当某个logit远大于其他值时，浮点数舍入会把目标位置的梯度抹成零，违反了梯度求和为零的数学约束。更隐蔽的是，学生网络即使完全拟合教师网络，蒸馏损失仍会产生虚假梯度，驱使模型继续漂移。过去几年，研究者为Grok

原文

Computer Use：AI 没有手，怎么操作你的电脑？Mac 为什么能后台？你对 AI 说一句话，它就能在你的电脑上打开软件、点按钮，可它并没有手。这期讲明白它是怎么做到的：模型只负责看和想，真正动手的是另一段程序，一圈一圈地看、想、做、查。回答四个问题：它怎么知道按钮在哪，截图、辅助功能和软件接口各自怎么用；为什么在 Mac 上它能躲在后台干活，在 Windows 上却要占着你的桌面；新模型 GPT-6 Astra 变快了多少，这些数字出自谁；它在你电脑上乱点，安全吗。#微博视频号迎新计划# 宝玉xp的微博视频

转发者评论

无明显转发评论

原文

[LG] Reverse-KL Policy Distillation: Statistical Guarantees and LimitsH Liu, C Wei, J Zimmert [University of Virginia & Google Research] (2026) 在模型蒸馏领域，逆KL极限是一个悬而未决的难题。过去的方法受困于极易崩溃，本质原因是生成与评估轨迹错位，低频错误扭曲了排名。本文的核心洞见是：把局部模仿重新看作全局限幅采样。由此，裁剪路径概率比这一关键操作使问题得以解开，暴力截断极值，强行校准分布偏差。这项工作真正留下的遗产是界定全概率反馈的样本底线。它为后来者打开的新门是证实离线可平替在线，但尚未跨过的门槛是将穷举推演化为极简代码。arxiv.org/abs/2610.30844 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 在线蒸馏的直觉误导了我们。让学生模型自己探索，听起来能学得更快，但如果老师只给一个分数而不展示完整的行动偏好，学生就像在黑暗中摸索——它永远看不到那些“本该选但没选”的路径。反而是看老师的完整演示，哪怕是离线录像，效果也更好，因为老师的每个动作本身就在透露偏好。更隐蔽的陷阱在于：

原文

AI把活干完了，剩下的事谁扛？五类新角色正在长出来。最近你身边大概都有这种同事：自己搭了个自动生成周报的智能体，或者做了个发票报销的工作流。刚做出来很兴奋，效率一下子上去了。但过一两周，新问题全冒出来了：数据口径对不对？某个字段谁来确认？智能体跑着跑着出错，影响了下游三个人，谁来负责？做工具的同事请假了，别人不会改怎么办？AI把干活这一步接过去了，但一大批以前不存在的活冒了出来。验收谁做，维护谁管，出事谁兜底。这些事以前不是不需要，是以前干活的是人自己，干完心里有数。波士顿咨询最近访谈了50多家AI落地走在前面的企业，覆盖10个国家十多个行业，归纳出五类正在冒出来的角色原型。第一类是业务自建者，业务人员自己动手搭应用和智能体，不再等IT排期。可以理解成自己修水管的住户，以前得打物业电话排队，现在工具够简单，你自己就能修，而且你比物业更清楚哪根管子在漏。Cursor有个市场营销人员自己做了个应用，批量生成几千份营销素材，把原来外包给代理商的活接了过来。第二类是工作流设计师，他不修一根管子，他重新设计整栋楼的管线图。看的是整条流程：哪些环节交给AI，哪些判断留给人，交接点放在哪里。Greenhouse在每个部门设了个创新负责人，专门找哪些流程适合自动化，再和中央IT团队一起把方案建出来。第三类是AI治理者，像公司里的安全主管，只不过盯的不是消防通道，是AI有没有越线。有家云服务公司设了AI委员会和合规团队，任何新应用都得先登记、说明理由、过合规检查，再投票决定能不能上线。第四类是领域知识负责人，我觉得这是五类里最值得普通人关注的。他不一定是AI专家，但一定懂业务，价值在于把积累了多年的专业判断掏出来，变成AI能用的结构化知识。像一位老师傅，听听机床声音就能找到问题，以前这些经验全在脑袋里，徒弟跟三年也未必学到。报告里提到，五分之四的受访企业都在做这件事。这里有个想法值得纠正。很多企业满脑子想的是怎么把老专家替换掉，觉得有了AI就不用养老专家了。恰恰相反，让AI学会老专家的经验，不是为了取代他，是为了让其他人快速缩小和他的差距。老专家90分，以前带不了那么多徒弟，其他人平均20分；现在AI能帮他们从20分提到60分，老专家还是90分，但整个公司的平均水平提高得飞快。而且老专家为什么愿意把经验传给AI？只有在自己有安全感的时候才愿意。第五类是智能体运营负责人，像牧羊人。公司里跑着几十个智能体，哪个该升级、哪个该下线、哪个跑飞了得拉回来、权限怎么设、哪些数据可以碰，都得有人管。五类过完，你可能会发现一件事：这里面没有一个叫AI使用者，也没有一个叫AI重度用户。会用AI这件事，正在变得跟会用电脑一样，是职场基本功了，不值得单独拿出来说。这五类角色都在回答同一个问题：AI干完活之后，剩下的事谁来扛。而且报告特别提到，这些角色大多还没有变成正式岗位，但作为新职责，已经长在…

转发者评论

无明显转发评论

原文

【#父亲突发脑梗儿子用AI抢出救命时间#】#AI救了父亲一命被小伙列为救命恩人#山东聊城，近日，90后小伙于建进分享了用AI救了父亲一命的经历，引众多网友共鸣：64岁的于爸爸遛弯回家，突然吞咽困难、腿脚无力。于建进马上咨询AI，AI给出的第一句话就是“脑梗征兆，建议立即就医”，父子俩没敢耽搁，1小时内就赶到了医院，经医院诊断确诊为脑梗。因为抓住了脑梗的黄金抢救时间4-5小时，父亲目前恢复良好。于建进表示，现在已经把AI列为救命恩人，他也借此分享提醒大家：家中长辈出现看似不起眼的不适症状，千万不能拖延。 先锋新闻的微博视频

转发者评论

厉害了 //@蚁工厂:转发微博

• 厉害了 //@蚁工厂:转发微博

原文

百度前员工，Anthropic CEO 达里奥·阿莫迪（Dario Amodei） 回答了大家都在问的问题：你还应该学习编程吗？1. 编程将首先被淘汰。AI模型已经在做了。更广泛的软件工程任务需要更长时间，但也在消退。如果你学编程纯粹是为了工作保障，那你学的东西就错了。2. 即使只做5%的工作，你仍然很有价值。如果AI做95%，你做5%，你的生产力会提高20倍。比较优势的力量大得惊人，即使差距巨大。3. 最有前景的职业是以人为中心的。混合人际、物理世界和分析技能的工作。他举了放射科医生的例子。理解患者和背景的医生，而不仅仅是读取扫描。4. 批判性思维可能是未来十年最重要的技能。当AI能生成任何东西时，区分真假的能力变得稀有和宝贵。你不想要错误的信念，不想被骗。这是他对25岁年轻人的实际建议。5. 如果使用不当，AI会让你变蠢。Anthropic进行了相关研究。取决于你如何使用模型，编码能力的衰退是可衡量的、真实的。工具不是原因，不当使用才是。6. 他看好半导体领域在未来十年的资本主义胜利。物理世界、传统工程、直接的AI优势。不是软件，而是芯片。Anthropic CEO Answers the Question Everyone Is Asking: Should You Still Learn to Code?1. Coding Will Be the First to Go.AI models are already doing it. Broader software engineering tasks will take longer, but they're fading too. If you're learning to code purely for job security, you're learning the wrong thing.2. Even If You Only Do 5% of the Work, You're Still Valuable.If AI does 95% and you do 5%, your productivity increases 20-fold. The power of comparative advantage is astonishing, even with a huge gap.3. The Most Promising Jobs Are Human-Centered.Jobs that blend interpersonal, physical world, and analytical skills. He gave the example of radiologists. Doctors who understand patients and context, not just…

转发者评论

还会他会做自媒体，「百度前员工」，哈哈哈哈//@Zodzod_张浩:翻译一下： 1. 人人都得会在 AI 的帮助下输出完整、可执行的程序并进行必要的部署、优化和测试； 2.然后你的工作产出要*20 3. 然后你要和更多的“人”（包括 agent）打交道 4. 你得会 PUA 你的 agent，鞭策他但不要羞辱“他” 5. 如果你不会

• 还会他会做自媒体，「百度前员工」，哈哈哈哈//@Zodzod_张浩:翻译一下： 1. 人人都得会在 AI 的帮助下输出完整、可执行的程序并进行必要的部署、优化和测试； 2.然后你的工作产出要*20 3. 然后你要和更多的“人”（包括 agent）打交道 4. 你得会 PUA 你的 agent，鞭策他但不要羞辱“他” 5. 如果你不会

原文

【Anthropic联合创始人：中国AI落后西方半年 他们的模型太蠢了】据新浪科技报道，近日Anthropic联合创始人、政策与公共事务负责人Jack Clark在访谈中提到对中国AI发展的判断。他表示，中国模型目前落后西方约6个月到一年，"模型太蠢"，因此还没有看到失控的智能体集群，但再过几个月，中方也将面对西方已经经历过的同一套风险。 快科技官方的微博视频

转发者评论

无明显转发评论

原文

[RO]《TerraTransfer++: Demonstration-Free End-to-End Planner》Z Xiong, W Li, Z Wu, A Rangesh… [Applied Intuition] (2026) 在智驾领域，应对危急路况是一个悬而未决的难题。过去的方法受困于人类演示，本质原因是实车缺乏碰撞日志，而渲染成本阻断了试错路径。本文的核心洞见是：把智驾重新看作向量博弈与特征映射。由此，以无渲染推演穷尽险境，再令图像对齐其低秩空间这一关键操作使问题得以解开。这项工作真正留下的遗产是斩断了对人类演示的依赖。它为后来者打开的新门是靠纯虚拟试错浇铸视觉大脑，但尚未跨过的门槛是透视与遮挡间的感知错位。arxiv.org/abs/2610.30319 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 人类驾驶数据看似安全，实则是幸存者偏差——你看不到那些没发生的碰撞。自对弈在虚拟环境里把车撞几百万次，反而能学会真正的危险边界。从向量到视觉的知识迁移不靠复制每个像素，只对齐场景里物体间的相对关系结构，这说明智能系统理解世界靠的是关系网络，不是绝对坐标。但现有测试标准有个荒谬之处

原文

[AI]《Breaking the high-degree barrier in Lehmer's problem with a human-AI discovery loop》Y Chervonyi, S Gukov, T Luong [Google DeepMind] (2026) 在数论中，寻找高次极小马勒测度是一个悬而未决的难题。过去的方法困于低次盲区，本质原因是系数空间暴涨，且分圆因子干扰强制解析族跳过半数次数。本文的核心洞见是：把系数盲搜重新看作消除分圆因子的指数求解。由此，引入五参数算法抵消度数跃变这一关键操作使问题得以解开。这项工作真正留下的遗产是两千次内极值数据集与方程。它为后来者打开的新门是人机协作计算范式，但尚未跨过的门槛是证明该极限是否为绝对下界。arxiv.org/abs/2610.30277 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 这个工作回答了一个简单问题：机器和人各自擅长什么。机器能在5的1000次方的搜索空间里不知疲倦地筛选，人能看着一堆乱七八糟的多项式发现它们都是同一个简单公式的变形。把多项式根的分布问题映射成带电粒子在平面上的排斥，不是为了好看，而是因为物理约束天然解释了为什么80%的根会被钉在单位圆上—

原文

Anhtropic 官方又发布了一篇研究报告，感觉挺震撼的，分享给大家。报告里说：软件里藏着bug，这事大家都知道。但你知道有多难彻底消灭吗？Linux内核是全球几十亿台设备在跑的系统，维护团队那么多，但就在不久前还有超过1000个安全漏洞被公开披露。以前有一种叫"形式验证"的技术，理论上可以用数学的方式证明代码没有bug。但太费人力了。举个例子，seL4这个操作系统内核，开发花了2年，验证它就花了整整20年。所以这项技术一直只用在飞机这种极端场景下。后来发生了什么？Anthropic和一家叫Theorem的公司合作，让Claude来做这件事。他们选了谷歌一个叫OSS-Fuzz的项目，里面放着很多开源库的测试用例。结果，Claude在几周内，替123个开源库的239个测试入口点完成了证明，写出来的验证代码有1.8亿行。说白了，这些代码在特定条件下，不管给它输入什么，都不会崩溃。这个结论不是测试出来的，是数学证出来的。更有意思的是，Claude在证明过程中，还顺带发现了很多之前没人发现的bug。有些bug已经藏了十几年，经历了无数次自动测试都没被抓到。有一个bug需要特定的20MB大小的输入才会触发，普通测试根本不会往那个方向跑。还有一个PDF阅读器，Claude一周内找到的安全漏洞，比这个软件以往一整年被报告的数量还多。刚开始这套方案成本很高，每个证明需要消耗数亿个token。新版本的Opus 5.5比上一版少用了大约40%。另外，他们发现证明可以复用，就像写代码能调用别人写好的函数一样，上一个证明用过的东西，下一个证明直接拿来用。多个AI同时工作、共享一个工作空间的时候，整体消耗又少了17%。研究团队也没有夸大结论。他们说"通过形式验证"并不等于"完全没有bug"，因为证明建立在一些假设之上，比如假设程序在特定CPU上单线程运行。现实环境更复杂，这些假设和现实之间的差距，是下一步要填补的地方。他们的判断是：形式验证这件事，以后会像今天的代码测试一样普及，变成软件开发的标配。#科技先锋官#

转发者评论

无明显转发评论

原文

【Claude总结】 AI开发者日报 (2026-10-23)1. 【Kimi 发布 K3.1 Pro 及 Highspeed 版】(来源: HN) 月之暗面推出 K3.1 Pro 与高速推理版本 K3.1 Pro Highspeed。今日 HN 榜首、近 700 分，国产开源大模型继续与前沿闭源模型同台竞争。 www.kimi.ai/blog/kimi-k3-1-pro2. 【Block 发布全双工语音模型 Dessa】(来源: HN) Block 推出全双工语音模型 Dessa，号称“史上最真实”，支持边听边说的自然对话。全双工是语音 AI 走向真人般交互的关键一步。 block.xyz/dessa3. 【Google 称可能用 Gmail 和相册数据定向投放广告】(来源: HN) Google 更新 Personal Intelligence 隐私政策，表示可能利用 Gmail 与 Google Photos 数据做广告定向。AI 个性化与用户隐私的边界再次引发争议。 www.theverge.com/tech/1017600/google-personal-intelligence-privacy-policy-ads-update4. 【Gemma-4-26B-A4B 思考量减少 39-69%、精度不变】(来源: HN) BottleCap AI 的 ThinkingCap 方法让 Gemma 4 MoE 模型在保持准确率的前提下大幅缩短推理链。推理 token 是成本大头，“少想一点”直接省钱提速。 bottlecapai.com/post/thinkingcap-gemma-4-26b/5. 【OpenAI：如何保护前沿模型训练环境】(来源: HN) OpenAI 介绍其前沿模型训练基础设施的安全防护措施。随着模型权重价值飙升，训练环境本身已成为国家级攻击目标。 openai.com/index/securing-our-frontier-model-training-environment/6. 【体验 Respan Gateway：插件优先的开源 LLM 网关】(来源: dev.to) 作者评测一款以插件为核心设计的开源 LLM 网关。多模型路由、限流和观测正成为生产 AI 应用的标配基础设施。 dev.to/devstackhub/i-explored-respan-gateway-a-plugin-first-open-source-llm-gateway-4d6b7. 【我不再给项目起名，交给智能体了】(来源: dev.to) 作者分享让 AI 智能体负责项目命名的工作流与心得。小事交给 agent，折射出开发者日常与 AI 协作方式的变化。 dev.to/daniel_ng/i-gave-up-naming-my-projects…

转发者评论

无明显转发评论

原文

一个白色俄罗斯酒调制的视频，纯用代码渲染。提示词：Render a recipe motion graphic animation using JavaScript or HTML (whatever you think will produce the best result) to show the full recipe for a White Russian from start to finish, empty glass to completed cocktail. Explainer video style, showing the ingredients and measurements as they go into the glass. It should be a 30s video.模型:deepseek v4.1 flash。用的智能体，是我们做的。可见，只要智能体调得好，deepseek v4.1 flash做的视频也是不错的。 挨踢牛魔王的微博视频

转发者评论

无明显转发评论

原文

分享一套适用多种不同agent系统的coding插件系统agents，把同一份 agent 和 skill 源装进你正在用的编码工具Python 开发、代码审查、安全扫描，不用从零写一份设定。目录里 94 个插件，本地 92 个、外部 2 个，源文件是 202 个 agent、185 个 skill、105 个 command，共用一份 Markdown。可以装进 Claude Code、Codex、Cursor、OpenCode、Antigravity、Copilot 或 Pi。Claude Code 能带上插件自己的 hooks 和 MCP。Codex 原生露出的是 skill，agent 和由 command 变来的 skill 走另一条适配。OpenCode、Antigravity、Copilot 和 Pi 要克隆后再链进那个工具的配置。🔗 链接：网页链接💻 仓库：网页链接📄 能力矩阵：网页链接

转发者评论

无明显转发评论

原文

根据 Anthropic 的报告显示：活干得越来越快之后，一个新的问题浮了出来。以前卡住事情的可能是人手不够，或者某个功能还没做完。现在卡住事情的变成了人的注意力。Anthropic 追踪了智能体在交互式工作中的时间分配，发现一个惊人的数字：80% 的时间，智能体其实什么也没在干，就是在等人回复。换句话说，人成了瓶颈。智能体干活很快，但它每走一步都要来问你一句，你确认了它才能继续。六个智能体同时在跑，你的注意力就被撕成了六份。有一位工程师打了个比方，说这就像带小孩。一个孩子跑过来说果汁盒打不开，急得要命。另一个孩子其实切到了手指在流血。但两个孩子喊你的时候，语气都是一样的紧急。你的六个 Claude 也是这样，每个都觉得自己的问题最重要，都在争抢你的注意力。报告里还做了一个计算：如果把每天所有智能体交互中产生的文字，按照正常人的阅读速度去读，光是非技术岗位的员工，每周的阅读量就已经能占满半个工作周了。技术岗更夸张，几乎是一份全职工作的阅读量。在一次内部调查里，27% 的员工说 Claude 工具确实提高了他们的产出，但 20% 的人说，他们的角色已经从自己干活变成了管理 Claude。这个转变的速度也有数据支撑。智能体相关的管理性工作，也就是写任务规范、让一个智能体检查另一个智能体的输出、监控流程、编写操作指南这些事情，从 2025 年秋天占员工日常交互的 10%，涨到了 2026 年春天的 22%。有人专门建了一个智能体来管理其他智能体，相当于给自己的 AI 团队设了一个主管。还有人给自己的 Claude 团队写了绩效评估，说的是：来，我们聊聊我们的沟通方式哪些管用，哪些不管用。这些员工为智能体写的操作指南，数量从 2025 年 7 月的几百份涨到了一年后的 8500 份。管人比自己干活还累，这个道理好像在 AI 身上也成立了。而且你的下属还不止六个，它们还 24 小时不休息。与此同时，员工花在开会上的时间也增加了。整体多了 20%，技术岗的个人贡献者也多了 16%。你可能觉得奇怪，都用 AI 了怎么还在开更多的会？因为那些需要人来拍板的事情、需要面对面沟通的事情、需要跨部门协调的事情，AI 做不了。当执行层面的工作越来越多被智能体接管之后，人剩下的事情反而更集中在需要判断力和人际沟通的部分。还有一个小细节很有意思。因为智能体需要知道公司里在发生什么，才能正确地完成任务，所以所有的决策和讨论最好都是公开可见的。如果一件事在线下会议里决定了，但没有人写个记录发出来，智能体就不知道。有员工说，自己在几个月前参与过一个关于公司周边纪念品的项目，结果到现在智能体还在不断给他发 T 恤和杯子的相关请求，因为旧文档上还写着他的名字，而他的职责早就变了。#科技先锋官##How I AI#

转发者评论

无明显转发评论

• 今天中午的时候，我会详细解读一下最近 Anthropic 发布的两份报告。 大家可以关注一下，解读很长。

原文

# Anthropic 内部数据曝光：智能体数量已是员工的 6 倍，80% 的时间在等人回复Anthropic 最近发了两份报告，让 AI 翻译后，我认真读了一遍，收获很多。一份讲的是 AI 怎么改变了他们自己公司的工作方式，涉及招人、组织架构、生产力，还有员工每天到底在干什么。另一份做了一个大规模问卷调查，拿 Anthropic 的员工和将近一万一千个美国普通人做对比，看看两边对 AI 未来的看法差多远。两份报告放在一起看，特别有意思。所以我把读完之后的感受和思考整理了一下。这篇文章有点长，但是，很有价值，请耐心读完。## 一、初级岗位正在消失过去一年，Anthropic 在招人上出现了一个很明显的变化：初级岗位招得越来越少了。具体有多少呢？报告里给了数字。2025 年初，Anthropic 技术部门的初级员工占比是 21%，到现在已经降到了 14%。而初级技术岗的招聘比例掉得更快，从 27% 直接降到了 9%。这个变化最早是 2026 年 1 月在核心技术团队里冒出来的。那些最依赖 Claude 干活的团队发现，写代码、找 bug 这些事情越来越多地可以交给 Claude 来做。后来新模型的能力又上了一个台阶，一位员工说，新模型对性能工程师的提升几乎是一夜之间的事情，直接改变了他们对人才的需求。到了 4 月，工程和研究团队已经主动减少了初级岗位的招聘。管理层也做了调查，大多数经理说他们现在招人看重的技能跟以前不一样了。大约三分之一的机器学习方向经理和五分之一的软件工程方向经理表示，因为有了 AI，他们招的人变少了。与此同时，技术岗在整个公司里的占比也在降。从 61% 降到了 56%。公司在扩张，技术团队的绝对人数还在涨，但销售、财务、招聘这些非技术岗位涨得更快。这里面有一个有意思的原因。非技术人员现在也能写代码了。报告里提到一个销售人员，自己用 AI 工具搭了一套定制化的业务面板，连接了各种工具和接口，整个过程花了三到四个小时。他自己说，以前这种活完全不在他的能力范围内。而数据显示，非技术员工的编程类 AI 使用量从 2025 年 8 月的每人每月 2 次，暴涨到了 2026 年 5 月的 90 次。这让我想到一件事。以前我们总说技术是一道门槛，会写代码的人和不会的人之间有一条清晰的分界线。现在这条线正在变得模糊。一个销售几个小时就能搭出一个以前需要工程师花好几天才能做的东西。这个变化的速度比大多数人感知到的要快得多。## 二、智能体的数量已经远远超过了人类Anthropic 内部有大量的 AI 智能体在同时运行。它们在 Slack 里聊天、安排会议、自主修复 bug、翻译代码库、处理大型工程项目。2026 年 3 月，智能体的工作时长第一次超过了人类员工的工作时长。到了 8 月，公司里智能体的数量已经是员工的六倍。六倍。产出也跟着上去了。报告里给了好…

转发者评论

无明显转发评论

原文

我写了一首新歌，《伊萨卡岛》。曲子是自己写的，有一天弹琴时随便弹了一段非常简单的旋律，然后就稍微扩展了一下变成了这首简单的歌。歌词是希腊诗人的康斯坦丁·卡瓦菲斯的诗作《伊萨卡岛》。我把其中关于食人怪物、独眼巨人以及狂暴的海神的部分去掉，截取了一些适合作为歌词的部分，就这样写成了歌词。当你启程前往伊萨卡但愿你这一路道阻且长，充满奇遇，充满发现。但愿你这一路道阻且长，更会有许许多多夏日的清晨，伴着怎样的愉悦进入你第一次见到的海港。永远要将伊萨卡系于心头，抵达那里是你注定的行程。而这段路途无需匆促。最好是让它多走些年月而如果你发现她的窘迫，伊萨卡也没有欺骗你。将来你既已变得如此睿智，你已明白伊萨卡意味着什么。当你启程前往伊萨卡但愿你这一路道阻且长，充满奇遇，充满发现。我写了一首新歌。这样一个崇尚大家不再说话而用AI 机器人彼此对话的时代，我用一首诗歌，写了一首新歌。希望你能喜欢。 erain9的微博视频

转发者评论

无明显转发评论

原文

【月之暗面发布最强模型Kimi K3.1 Pro：3万亿级参数、100万Token上下文】月之暗面今天凌晨正式发布Kimi K3.1 Pro模型，官方称这是公司迄今能力最强的3万亿级参数模型，支持100万Token上下文。代码、Agent和知识类基准方面达到或接近最强闭源模型水平，编程智能体测试Terminal-Bench 4.0中得分高于GPT-6 Astra。

转发者评论

无明显转发评论

原文

100万道实战题，还得防AI作弊！320B国产基模技术细节揭秘能在复杂环境里连续干活的基础模型，究竟是怎么练出来的？就在今天，至知创新研究院（IQuest Research）公开了IQuest-Q1的完整技术报告《IQuest-Q1: Advancing Foundation Capabilities for Agentic CLI Systems》。320B总参数、15B激活参数，重点面向代码开发、命令行交互和复杂Agent任务。29T Tokens、超过100万个可执行任务实例、1.93×的架构规模化效率，还有一套专门防止模型「作弊」的训练机制。IQuest-Q1技术报告披露，团队从代码仓库和已有智能体轨迹出发，构建了超过100万个可执行、容器化的任务实例。在强化学习中，这类现象被称为Reward Hacking（奖励作弊）。在使用相同训练数据的条件下，与Qwen3-30B-A3B配置的MoE风格基线相比，IQuest-Q1模型达到相同训练损失所需的计算量约为基线的52%。在一次工具调用能力优化实验中，基于IQuest-Q1的智能体追查了6054次工具调用记录，发现训练数据过度集中于单一工具调用格式，部分工具定义与参数也存在不匹配。毕竟，Benchmark上的高分只是一场考试。工具突然报错、任务越跑越长、环境不断变化，才是模型真正要面对的考场。

转发者评论

无明显转发评论

原文

设定一些不合理的目标，然后告诉模型：这非常合理！这是Claude Code桌面版负责人Felix Rieseberg分享的一个AI使用小技巧。具体怎么做？假设你想把网站加载时间从10秒压缩到5秒，他建议：直接把目标定到0.2秒。模型说做不到？那就继续告诉它：这个问题完全可以解决，再试试再试试。在Felix看来，我们给AI布置任务，还可以更大胆一点。他还分享了一个小技巧：把任务里的名词换成动词。比如，原本的任务是「做一份汇报PPT」，可以重新表述成：在30分钟内，让一群忙碌的人信服你对事情前因后果的解释，并在情况尚不明朗时作出决策。除了故意把目标定得激进，他还给出了几种具体做法：别只让AI「像专家一样思考」。接着追问：真正的专家会看哪些原始资料、使用什么工具、采用什么方法，再把这些要求写进任务里。别把自己的判断直接当成答案。把它交给AI检验，让AI回到原始材料中，寻找支持它的证据，以及可能推翻它的反例。别让AI自己给自己打分。代码就实际运行，预测结果就用新的数据检验，最终让真实结果说话。以下是Felix使（调）用（教）Claude的详细教程，经润色。Enjoy～网页链接

转发者评论

无明显转发评论

原文

AI推理越长，显存越吃紧？EdgeRock 提供快乐一种新解法...普通大模型在进行长文本或复杂推理时，要写很长的推导它通常会把前文处理过的信息暂存在 GPU 的工作空间里，这个空间叫“显存”。推导越长，这部分信息占的显存空间就会越来越大EdgeRock-4B 打破了这一规律： 无论模型推理思考了多长时间、上下文扩展到多少万字，每个请求占用的注意力和状态显存大小都锁定不变（仅需 97.76 MiB，其中注意力 KV 仅 72 MiB）但解高难度题的水平几乎不打折...实测有多强？解题能力不缩水：在极难的 AIME 数学竞赛题上，准确率达到 82.9%，几乎追平了那些显存无节制暴涨的正常顶尖小模型，彻底粉碎了“定长内存模型不能做深度推理”的魔咒。显存省了 99%：在 256K 超长文本下，注意力缓存显存从原来的 8 GB 骤降到 72 MB，降幅达 99.1%。并发处理能力翻倍：在一张普通的 80GB 显卡上，由于显存不再膨胀，可以直接同时塞满 512 个长推导任务，跑起来的速度和总吞吐量是原本架构的 4.9 到 6.4 倍。它是怎么做到的？（三件套分工）模型把记忆工作拆分成了三件事：看眼前（局部窗口）：随时看清眼下最新的 1,024 个字，保证当前说话、写公式顺畅。记个大概（循环网络）：用一个固定大小的“印象表”，随时记录上下文的大致发展方向。关键便签盒（磐石记忆锚点 RMA）：挑重点写：模型每产生一个词，都有一个专门的小模块评估：“这句话在后面会不会是关键解题线索？”限量 1,024 张便签：这个便签盒容量固定，只存最重要的 1,024 条信息。每攒够一批新候选，就进行打分淘汰，只留含金量最高的。随时翻看原话：这些便签是原文高精度的记录。哪怕是 10 万个字之前定义的一条规则，后续只要用到，直接就能从盒子里原汁原味地翻出来。应用场景：机器狗、无人车或者边缘硬件的内存是有限且固定的，还要分给摄像头看路、雷达感知和电机控制根本承受不起大模型在半路“胃口大开”突然吃光内存EdgeRock 正好解决了这一痛点详细内容：网页链接

转发者评论

无明显转发评论

原文

想学Vibe Coding，搜了一圈不知道从哪下手的，可以看看GitHub上这套中文教程，叫vibe-coding-cn，已经一万五千多星了。它不跟你堆提示词，而是带着你用Codex、Claude Code、Cursor、Gemini CLI这些工具，把一个想法慢慢变成能跑起来的东西。内容从配环境、拆需求开始，到Prompt、Skill、上下文和工作流怎么搭，最后讲质量检查、Git管理、测试和复盘，一条路走下来。里面有句话我挺认同：AI给的东西只是草稿，能不能用，得你自己过一遍。还有一句也很实在——已经有现成方案能解决的，就别自己从头造。传送门：github.com/tradecatlabs/vibe-coding-cn

转发者评论

无明显转发评论

原文

还是道家经济实惠。b站上一套站桩功才580元，一双跑鞋钱。++++站桩在现代运动医学里被称为等长训练，当然这不包括站桩的吐纳，仅仅指站桩时的肌肉训练。这种训练有什么好处呢？等长训练作为近年来的研究热点，在医学研究上广泛证实的优点是，降压。换句话说，这种用肌肉直接「憋」住血管的做法强迫肌肉进行糖酵解，快速下拉血糖水平，同时在等长训练的训练/休息轮询中形成全身性的血流灌注冲击。当然我们不要直接脑补AI视频说它把斑块都冲掉了，但是这种训练提高了血管内皮细胞对各种信号的刺激是确证的。而著名的代谢疾病，糖尿病，最初就始于胰岛细胞所在的位置血流灌注或者携氧量变差，于是开始功能受损直至细胞凋亡。在刺激血管内皮细胞，改善微循环问题上，等长训练最具优势，有氧也有一定作用，抗阻几乎毫无作用。在不动用关节即可提高脏腑气血水平上，或者用现代医学的术语，保持血管内皮对下述信号的敏感性上：- 氧化还原类：O₂（HIF通路）、ROS（氧化还原开关）- 力学：血流剪切应力，环向牵张，跨壁压力- 代谢：葡萄糖、脂质、ATP、pH、乳酸、氨基酸- 气体：NO、H₂S、CO- 配体：血管活性肽、胰岛素、炎症因子、凝血信号- 离子：钙、钾、渗透压等长训练效果卓越。++++不站桩的简易等长训练是：两分钟马步，两分钟休息，总计15轮，1小时，一周两次。这是目前医学证据最充分的降血压运动方式，不过难度不小。你跑到健身房抓俩大块头出来未必能做到，如果之前没做过等长耐力的话。也高度推荐糖友学会这个训练，这也是刷糖利器，强度高过吕良伟靠墙，还有降压收益。#唐人日记#

转发者评论

无明显转发评论

• 回复@豌豆有米米:不相信科学尚未证实的存在。//@豌豆有米米:科学的信仰是什么？//@有个梨GPT:很多人分不清科学和工程的区别。科学是宗教性质的，有信仰；工程则是抛弃信仰，采取一切可能有效的无害手段。//@千江入海蓝:马王堆里啥都有呗[笑cry][笑cry][笑cry]
• 很多人分不清科学和工程的区别。科学是宗教性质的，有信仰；工程则是抛弃信仰，采取一切可能有效的无害手段。//@千江入海蓝:马王堆里啥都有呗[笑cry][笑cry][笑cry]

原文

「从找Bug到证无错：AI把模糊测试升级为形式化证明」跑再多次模糊测试也难保没有漏网之鱼，Anthropic与Theorem换了思路：直接把OSS-Fuzz已有测试入口提炼成数学命题，由Claude为RISC-V二进制生成证明，再交由Rocq检查器机械核验。这套流程覆盖了123个库、239个入口，累计生成约1.8亿行证明代码；推导受阻时，反而揪出了多起需特定序列或极端输入的深层漏洞。这里可信的核心不是模型说辞，而是检查器；其保证也严格限定在单线程、限定输入与内存模型内，并不等于全局绝对正确。（信源请参考底图）

转发者评论

无明显转发评论

原文

蚂蚁刚刚把其医疗增强模型给开源了：Ling-3.0-flash-Sante，重点面向专业医疗任务和复杂医学推理让医疗AI能检索医学文献、进行复杂医学推理、调用工具，用多个Agent协作完成医疗研究任务基于Ling-3.0-flash的强化，混合注意力、稀疏MoE架构，总参数124B，激活5.1B，256K上下文面向医疗研究的Agent能力，支持思考模式、工具调用和多Agent协作，可以围绕医学问题检索文献、比较临床研究方案、整理证据、分析长篇医疗文档等在BrowseComp上，多Agent配置下达到了86.9；DiagnosisArena-MCQ上83.8，高于Kimi K3的78.4、GPT-5.6 Sol的81.9；MedXpertQA-Text 达到53.9，略高于Kimi K3 53.5，低于 GPT-5.6 Sol 60.2、Gemini 3.6 Flash 62.4支持自主部署，搞医疗的可以拿去研究或二开。拿来构建医学文献研究、临床指南检索、药物知识核查、科研证据整理应用等HF：网页链接MS：网页链接#LingflashSante##AI医疗模型##蚂蚁医疗模型#

转发者评论

无明显转发评论

原文

我正在启动一个新的早期AI基金，做我热爱的事情：从公司组建之初就与创始人合作，进行大胆的投资押注，远在共识形成之前。该基金的LP将包括红杉资本、Jeff Dean、Sachin Katti、Philip Wong（我的斯坦福教授，也是台积电首席科学家顾问），以及其他塑造我们行业格局、影响我对AI未来思考的人。我将继续担任红杉资本的合伙人，并代表红杉继续在我的董事会任职。过去11年，红杉资本一直是我的家。我以该公司有史以来最年轻的投资者身份加入。我在这里成长。通过多年的激烈辩论和共同工作，我找到了终生的导师和朋友，他们把我带在身边，教会我这项技艺。他们教会我瞄准高远目标，并大胆出击。我将把这些带入我所构建的事业中：超大规模的雄心、不懈的求真与好奇心，以及拒绝变得自满的态度。与创始人并肩工作让我想要建立自己的事业：一家从第一天起就围绕我过去十年形成的信念而塑造的公司。生活教会我不要把时间视为理所当然。这就是我想度过我生命的方式。为什么是现在我们在当今的AI时代看到了一种新的公司构建方式。研究和产品往往同步推进。一个突破可以打开市场或加速业务，远超预期。有些公司从早期就需要巨额资本和计算资源。其他公司则以惊人小的团队实现有意义的规模。这些业务能变得多大、多快，规则正在被重写。但在早期，技术未经证明，需要的资源巨大，愿景看似不可能实现。这正是我最热爱的地方：从一开始就看到潜力，并帮助创始人实现他们雄心的全部规模。比以往任何时候都更需要一种极端愿意的早期信念，在任何产品或市场验证之前，对创始人的技术洞见抱有大胆、独立的信念。然后，这意味着帮助创始人进行最大胆的出击，给予罕见的长期耐心，穿越不确定性、模糊性和动荡，并在风险最高时充当冷静的头脑。我在红杉学到了这种伙伴关系。这是我的新公司基础。在共识之前相信我对AI潜力的迷恋起源于2010年代早期到中期的斯坦福，学习计算机科学并在Andrew Ng的实验室工作。我形成的友谊将我连接到一个社区，其中的人和想法将帮助塑造现代AI，并建立我们这一代标志性公司。让我记忆犹新的是，那些人看到的可能性与更广泛世界所能想象的之间的差距。我被追求当今听起来不可能雄心的创始人吸引。我从一个简单的问题开始：“如果一切都顺利，会怎样？”然后我们一起逆向工作，让它成为现实。2023年，Deepak和Abhinav在@SkildAI启动，旨在构建通用机器人大脑，那时物理AI还远未成为共识押注。他们的模拟到现实突破让我确信，而早前的机器人方法曾失败。但数据飞轮需要大规模部署。我们将商业化与研究同样紧急，并引入NVIDIA和软银等战略伙伴支持雄心。三年后，Skild以九位数的年化收入推进物理AI前沿。2024年，Ioannis和Misha以强化学习扩展的洞见创立了@reflection_ai。当这成长为建立西方开源模型前沿实验室的雄心时，难题是如何让…

转发者评论

无明显转发评论

原文

「用AI拉开差距的从来不是手速，而是野心」很多时候限制模型发挥的不是能力边界，而是我们提的要求太保守。Anthropic工程师Felix给出了推高AI上限的思路：一是拔高层级，跳出琐碎操作，直接对准最终目标，比如从修单点故障走向维持全天候稳定；二是做深专业度，逼模型调用顶尖专家使用的原生数据与工具，而非只换行话；三是跨界融合，把静态任务拆成动态动作，借不同领域的视角组装工作流。给足本地运行权限，敢于提出严苛指标，它的表现往往远超设想。felixrieseberg.com /how-to-be-more-ambitious-a-tutorial-for-humans-with-models/

转发者评论

无明显转发评论

原文

#1024程序员节#又是一年 1024！祝所有的程序员，1024节日快乐！AI 可以替代一切，但唯独不能替代我们写在程序里面的风格与灵魂～今年，二哥又来宠粉了！节日礼物全部安排上！👀 关 + 转 + 评 二哥连开一个月，抽幸运鹅送大礼啦！10月27日 抽取20位幸运鹅送 腾讯视频月卡1张11月2日 抽取2位幸运鹅送 腾讯微信红包抱枕1个11月9日 抽取2位幸运鹅送 腾讯长鹅毛绒抱枕1个11月12日 抽取4位幸运鹅送 罗技G304鼠标1个11月16日 抽取4位幸运鹅送 ikbc CHERRY键盘1个11月19日 抽取1位终极幸运鹅送 PlayStation®5 数字版（轻薄版）活动全程二哥随机翻牌评论区，走心留言额外掉落鹅厂限定周边！关注二哥，加入粉丝群，还有更多隐藏福利等你解锁~#程序员节快乐##1024程序员节# 程序员超话##二哥宠粉##代码##BUG##AI##科技##科技先锋官#活动全程二哥随机翻牌评论区，走心留言额外掉落鹅厂限定周边！ 抽奖详情

转发者评论

点赞抽福利红包啦！🧧🧧🧧，并且还给大家送2张【50元的京东卡】只要关注@德里克文 @鹅厂程序员 ➕转发这条博文！我将在留言的朋友中抽2名粉丝送红包🧧！！！！ #1024程序员节# #微信适配iPhoneDuo版本#

• 点赞抽福利红包啦！🧧🧧🧧，并且还给大家送2张【50元的京东卡】只要关注@德里克文 @鹅厂程序员 ➕转发这条博文！我将在留言的朋友中抽2名粉丝送红包🧧！！！！ #1024程序员节# #微信适配iPhoneDuo版本#
• [哈哈] 1024程序员节快乐！ 鹅厂给准备了这么多礼物抽奖呢~俺加一个，转发我这条抽（50元jd卡||王者荣耀纪念杯）任选1，同享原博抽奖双倍中奖概率。 11月19日 @微博抽奖平台 抽！ http://t.cn/AXj4u0Gr

原文

大模型程序员，先革自己的命~AI 公司 Mirendil 发布了一项实验，能否只靠一名研究员和 AI Agents，从零训练出有竞争力的大语言模型？最终，他们用 1 名研究员、3.5 个月、不到 1000 万美元的计算相关开销，训练出 Mirendil-Base，一个参数量在 100B–500B 之间、专门面向代码任务的基础模型。整个项目从空代码仓库开始，Agents 编写了超过 99% 的代码，并负责执行实验、定位故障、优化训练效率。不过关键信息挺模糊的，具体参数量也没写，跑分用了一个不太常用的BPB，感觉有炒作嫌疑。详细：mirendil.com/news/pretraining-at-scale-without-a-pretraining-team/

转发者评论

无明显转发评论

• 大肥鱼，你记一下，我做如下部署调整。以Nano/infer.py，强化模型架构。以Nano/train.py，启动断点续训。以Nano/data.py，去HF上找几个合适的预训练和SFT数据集，下载下来，做好预处理和版本控制。自动分析训练过程中出现的异常情况，视情处理并邮件告警到我，确保训练质量。每天发送模型训练日报。给

原文

GitHub上有个港大开源的项目叫DeepTutor，已经三万六千多星了。跟那种问一句答一句的AI不一样，它更像一个能长期陪你学的私人导师。你把教材、论文、笔记全丢进去，它会慢慢摸清你哪里薄弱。能干的事挺全：一道题帮你拆开讲思路；自动出题、批改，再照着错的地方生成练习；复杂主题自己查资料、整理成报告；抽象概念还能变成图表、动画和互动内容。最关键的是，它记得你学到哪了、哪里老出错，会动态调整后面的学习路径。支持本地模型、多种RAG、长期记忆，Docker自己就能部署，Apache 2.0开源。说白了，把自己的资料喂给它，养一阵子，它就成了一个真正懂你进度的AI老师。传送门：github.com/HKUDS/DeepTutor

转发者评论

现在大部分人都想跳过学习直接做出成果了//@DesireFreedomR:转发微博

• 现在大部分人都想跳过学习直接做出成果了//@DesireFreedomR:转发微博

原文

#模型时代# 应该是第一次这个层面讨论AI与就业吧。我感觉最重要的一句话：稳慎把握人工智能在劳动密集型行业应用的范围、力度、节奏，尽可能减少对从业人员的冲击。---《国务院办公厅关于适应人工智能技术发展助力构建就业友好型发展方式的意见》（五）挖掘传统领域人工智能就业潜能。发挥人工智能助力传统产业改造升级作用，引导在工业全要素智能化发展和农业数智化转型升级中更好推行人机协作模式，挖掘传统领域数智化就业机会。加快构建人工智能驱动的新型服务方式，分领域推进生产性服务业向专业化和价值链高端延伸，促进生活性服务业高品质、多样化、便利化发展，拓展体验消费、个性消费等服务消费新场景，扩大服务业就业容量。（六）减缓人工智能应用就业替代影响。发挥人工智能在改善就业环境、提升职业安全水平、提高工作质效等方面的作用，优先在劳动力紧缺、环境高危等岗位推广应用。稳慎把握人工智能在劳动密集型行业应用的范围、力度、节奏，尽可能减少对从业人员的冲击。鼓励企业探索建立失业缓冲期制度，在大规模推广应用人工智能过程中提前告知受影响劳动者、提供转型转岗就业支持。（七）建立人工智能应用就业风险评估机制。综合评估人工智能应用对就业的影响，引导创新资源向创造就业潜力大的方面倾斜。对市场准入领域可能造成较大就业冲击的人工智能应用场景项目，在评审时同步开展就业风险评估，有关部门要统筹做好转型转岗就业支持工作。对其他领域的人工智能应用场景项目，结合实际开展就业风险评估。

转发者评论

无明显转发评论

原文

互联网有一个90-9-1法则：在论坛或社交平台上，90%的人是沉默的潜水者，只看，很少参与；9%的人偶尔冒泡，点赞、评论、转发，也会贡献一些内容；剩下1%的活跃创作者，贡献了大部分内容。这里面有两个有意思的现象。1. 在靠算法推荐分发内容、靠广告赚钱的平台上，中间那9%用户的反馈，是算法判断内容价值、决定推荐什么内容、投放什么广告的重要信号。2. AI正在大幅降低内容创作的成本，人人都能轻而易举地生产大量文字、图片和视频。但另一方面，人的时间和注意力依然极其有限。内容生产越来越容易，从中挑出值得看的东西，再找时间看完，却越来越难。这个金字塔会不会倒过来？内容供给爆发式增长，创造内容的人越来越多，真正愿意花时间消费内容的人，却越来越少？人人都在创作，谁来当读者？🤔#AI时代谁来当读者#

转发者评论

无明显转发评论

原文

【国办：#减缓人工智能应用就业替代影响#】10月23日，国务院办公厅印发《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》。其中指出，减缓人工智能应用就业替代影响。发挥人工智能在改善就业环境、提升职业安全水平、提高工作质效等方面的作用，优先在劳动力紧缺、环境高危等岗位推广应用。稳慎把握人工智能在劳动密集型行业应用的范围、力度、节奏，尽可能减少对从业人员的冲击。鼓励企业探索建立失业缓冲期制度，在大规模推广应用人工智能过程中提前告知受影响劳动者、提供转型转岗就业支持。大河财立方的微博视频

转发者评论

我觉得生产力进步的刹车很难踩住[柯基]

• 我觉得生产力进步的刹车很难踩住[柯基]

原文

【禁烟标识下放置烟灰缸 高铁站被告上法庭：#高铁站台到底要不要控烟#】禁烟标识旁设有烟灰缸，“灭烟点”成为“吸烟点”，宁波高铁站萦绕着二手烟，站台上多人吸烟却无人劝阻，这在高铁站中并非个例。陈时宇是受站台二手烟困扰的乘客之一，她决定将宁波站告上法庭。这场诉讼背后，是一个讨论多年的控烟难题：高铁站台是否应该禁烟？尽管公共场所室内禁烟的规定早已明晰，高铁车站作为人员密集的半开放式空间，一直是控烟的“灰色地带”。宁波火车站的站台，总会遇到新的吸烟者。更令陈时宇惊讶的是，站台的中央一个白色圆柱的两侧，两个“禁止吸烟”的双语标识下，都放着一个烟灰缸。六七个人正在旁边抽烟，烟灰缸里有不少烟头。这是她出站的必经之路上，二手烟避无可避，憋不住气就要吸一大口。她决定把宁波站及宁波站所属的中国铁路上海局集团有限公司一同告上法庭。她认为，铁路既有禁烟标识又放置烟具，是自相矛盾的。她靠咨询律师与使用AI完成了起诉，也顺利被杭州铁路运输法院受理。在起诉状中，陈时宇的诉求包括取消宁波火车站站台区域内的“灭烟处”，拆除灭烟柱、烟灰缸等烟具，加强禁烟管理，以及精神损害抚慰金1元、医疗费损失1元。律师钟兰安得知此事后，愿意无偿代理陈时宇的案子。钟律师认为，此次宁波站明确张贴了禁止吸烟的标志，在广播中也有相应的禁烟宣传，这是在向乘客作出一种意向承诺，即“这一公共场所是禁止吸烟的”。而实际上，它作为公共场所经营管理的主体却没有履行控烟的职责。社交媒体上，有不少人向铁路12306客服投诉站台吸烟，而12306的回复中认为，高铁车站作为开放式站台不属于禁止吸烟的室内公共场所，铁路部门也不具备强制要求旅客在站台禁烟的法律依据和现实条件。开庭后，宁波站的主张也在于，现行法律法规未明确将铁路车站站台列为法定禁烟区，无论是《铁路安全管理条例》还是《宁波市禁止吸烟执法工作实施细则（暂行）》，都只针对列车车厢内部。推动站台控烟仍任重道远。记者搜索发现，目前仅有深圳、威海直接把“室外站台”列入禁烟范围，上海、成都、重庆、秦皇岛把室外公共交通等候区域纳入禁烟范围。此外的大多数城市，仍没有相关规定。陈时宇认为明知存在大量站台吸烟行为，铁路方却长期不予劝阻，未尽管理义务与安全保障义务，铁路方则表示，站台广播和禁止吸烟标识已尽到合理限度内的提示与劝导，且铁路作为企业无行政执法权，无法对吸烟旅客罚款或强制带离。目前庭审休庭调解中，如果宁波站撤除站台中央的烟灰缸，调解将顺利结束。陈时宇深知站台全面禁烟的可能性不大，如果车站能将灭烟点转移到其他乘客不会经过的地方，或是设立一个封闭的吸烟区，仅能在该区域内吸烟，对她来说都是可接受的方案。（应受访者要求，陈时宇为化名。）更多详细内容请查看原文>>网页链接

转发者评论

无明显转发评论

原文

#冷眼赠书福利# 联合 @博文视点Broadview 送出 3 本《Codex 极简入门：让 AI 持续提升工作效率》，截 10 月 26 日，转发+评论+点赞 此微博并关注 @网路冷眼 赢取。这是一本面向普通人的 AI 实践指南。它不从复杂概念和功能清单讲起，而是通过搭建一个简单的网站，让读者在真实的操作中认识 Codex 项目、对话、文件、审批、插件、技能、已安排和追求目标等选项或功能。书中介绍了资料整理与研究、职场办公与汇报、内容创作和 Vibe Coding 实战等常见的 Codex 应用场景，帮助读者把零散的想法和资料逐步变成文档、表格、PPT、网页与小工具，并教读者学会检查结果、控制权限、沉淀模板，让 Codex 真正融入日常工作。

转发者评论

无明显转发评论

原文

「整数乘法理论极限被打破？Harvey评o(n log n)新突破」曾给出O(n log n)乘法算法的数学家David Harvey，近日发文评估了AI手稿中提出的o(n log n)整数乘法成果。此前学界普遍认为O(n log n)已是理论极限，而新论文声称利用特殊代数构件与张量放大机制，将复杂度降至O(n(log n)¹⁻ᵋ)。Harvey坦言手稿晦涩难懂，但他在大模型辅助下推演后，确认其核心构件在数学上行得通，并认为该结论理论上具备合理性。尽管图灵机模型下的数据重排等细节仍待检验，但这已足以给计算复杂度领域带来震动。详见 web.maths.unsw.edu.au /~davidharvey/research/subnlogn.pdf

转发者评论

无明显转发评论

原文

浅浅宣传一下吧(The Algorithm Design Manual第3版中文版包括两卷，附上全书目录，电商平台直接搜索9787302670940或《算法设计》即可)～卷I 实用算法设计第1章 算法设计简论 31.1 机器人巡游最优化 41.2 合理挑选工作 81.3 关于正确性的推理 111.3.1 问题和特性 111.3.2 表述算法 121.3.3 论证非正确性 131.4 归纳与递归 141.5 建立问题的模型 161.5.1 组合式对象 171.5.2 递归式对象 181.6 反证法 201.7 关于“算法征战逸事” 201.8 算法征战逸事: 通灵者的模型建立 211.9 估算 241.10 习题 25第2章 算法分析 302.1 RAM计算模型 302.2 大O记号 322.3 增长量级与强弱关系 352.4 以大O来推演公式 372.4.1 函数相加 382.4.2 函数相乘 382.5 关于效率的推理 392.5.1 选择排序 392.5.2 插入排序 402.5.3 字符串模式匹配 412.5.4 矩阵乘法 432.6 求和 442.7 对数及其应用 462.7.1 对数与二分查找 462.7.2 对数与树 462.7.3 对数与比特 462.7.4 对数与乘法 472.7.5 快速求幂 472.7.6 对数与求和 482.7.7 对数与司法正义 482.8 对数的特性 502.9 算法征战逸事: 锥体之秘 512.10 高等分析(*) 532.10.1 一些深奥难懂的函数 542.10.2 极限与强弱关系 552.11 习题 56第3章 数据结构. 653.1 紧接数据结构与链接数据结构 653.1.1 数组. 663.1.2 指针与链接结构 673.1.3 对比. 693.2 容器: 栈与队列. 703.3 字典 713.4 二叉查找树 753.4.1 实现二叉查找树 763.4.2 二叉查找树究竟能有多好. 803.4.3 平衡查找树 803.5 优先级队列 823.6 算法征战逸事: 剥离三角剖分 843.7 散列 873.7.1 碰撞消除 873.7.2 凭借散列实现副本检测. 893.7.3 其他散列技巧. 913.7.4 规范化 913.7.5 精简. 913.8 专用数据结构 923.9 算法征战逸事: 把它们串起来 933.10 习题 96第4章 排序 1034.1 排序的应用 1034.2 排序的范式 1074.3 堆排序: 借助数据结构而得的最优排序. 1084.3.1 堆 1094.3.2 建堆. 1114.3.3 取最小元 1124.3.4 更快的建堆算法(*) 1144.3.5 利用增量式插入来排序. 1164.4 算法征战逸事: 给我一张机票 1174.5 归并排序: 通过分治来排序 1194.6 快速排…

转发者评论

厉害了//@算法时空:在图书市场特别萧条的情况下，我这本书还有一点点销量，也是不容易[允悲]

• 厉害了//@算法时空:在图书市场特别萧条的情况下，我这本书还有一点点销量，也是不容易[允悲]
• 在图书市场特别萧条的情况下，我这本书还有一点点销量，也是不容易[允悲]

原文

今年退了30多本书，都是AI写作的锅，作者完全不看，交过来一坨电子垃圾。这里总结几个AI写作的典型痕迹，先查这些症状，一旦超标，必须要改，不然肯定会被出版社退稿。以10万字的书为例：1.双引号过多：频繁给普通词加引号强调，如“底层逻辑”“闭环”“抓手”。全书超过500个双引号，超标！2.破折号过多：用“——”“------”频繁补充解释、转折、升华。全书超过300个破折号，超标！3.冒号分号密集：一句里多个冒号、分号，结构像提纲展开。全书超过500个冒号，超标！4.“不是……而是……”泛滥：制造二元对立，显得深刻但空泛。全书超过200个“而是”，超标！5.“不仅……还……”高频：层层递进，句式模板化。6.三段式结构明显：第一、第二、第三；首先、其次、最后。全书超过200个，超标！7.每段结尾升华：讲完案例必总结一句“这才是……的底层逻辑”。全书超过100个，超标！8.抽象大词堆叠：赋能、闭环、生态、链路、沉淀、复用、对齐、拉通。看的脑壳痛，超标！9.正确废话多：强调重要、复杂、系统、长期，但缺具体动作。，看的脑壳痛，超标！10.排比和对仗过密：句式整齐，节奏相似，缺少口语毛边。全书超过100个，超标！11.列表化、加粗化、模板化：动辄“20条”“5个维度”“3个步骤”。全书超过100个，超标！12.同义反复和万能结论：换句话说、归根结底、本质上、真正重要的是……反复收束。看的脑壳痛，超标！

转发者评论

问题是现在看多了AI写的文字，自己写文章也像AI了[允悲]//@学术大观察://@暖暖内含光_The_sun:AI还是没办法做到像人写的那么有血有肉，太死板了，看着就来气，一旦让它改了，修都修不回来。

• 问题是现在看多了AI写的文字，自己写文章也像AI了[允悲]//@学术大观察://@暖暖内含光_The_sun:AI还是没办法做到像人写的那么有血有肉，太死板了，看着就来气，一旦让它改了，修都修不回来。

原文

#国办发文减缓人工智能就业替代影响#10月23日，国办印发《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》，6个方面18项任务，核心一句话：AI要发展，饭碗也要保。📌 最值得关注的表述· 稳慎把握AI在劳动密集型行业的应用范围、力度、节奏，尽可能减少对从业人员的冲击· 鼓励企业探索建立失业缓冲期制度，大规模推广AI前提前告知受影响劳动者、提供转岗支持· 优先在劳动力紧缺、环境高危岗位推广AI——让机器先干危险和没人愿意干的活💡 不只是「减缓替代」，还有「主动创造」· 加快开发AI新职业：数字化管理师、AI训练师等新工种需求将扩大· 推行「科技成果+创业」模式，政府投资基金支持AI领域创业· 实施AI专项培训计划，把技能重塑做在结构调整之前🎯 为什么是现在世界经济论坛预测到2030年全球约9200万个岗位被AI替代。这次文件的特殊之处在于：不是事后补救，而是把就业影响评估前置到AI项目立项——建立风险评估机制、监测预警机制、失业缓冲期，三件套齐了。对打工人来说，真正的信号是：未来的竞争不是人和AI抢饭碗，而是会用AI的人和不会用AI的人之间的竞争。你的岗位会被AI影响吗？#AI就业##人工智能##就业政策##微博AI创作季#

转发者评论

无明显转发评论

原文

AI 宇宙比你想象的更大——理解它能改变你的未来。人工智能不仅仅是 ChatGPT 或生成图像。它是一个由技术组成的整个生态系统，每一层都建立在前一层的基础上，创造出越来越强大的智能系统。人工智能 (AI)智能机器的基础。它包括推理、问题解决、感知、规划和决策。机器学习 (ML)机器从数据中学习模式，而不是完全依赖显式编程的规则。回归、分类、聚类和强化学习是关键技术。神经网络受生物大脑互联结构的启发，神经网络帮助机器识别复杂模式并学习有意义的表示。深度学习机器学习的一个强大分支，使用多层神经网络处理复杂信息，包括文本、图像、音频和视频。生成式 AI这是 AI 开始创造的地方。从撰写内容和生成图像，到生成代码、总结文档和回答问题，生成式 AI 正在改变我们的工作方式。AI Agents超越了生成响应。它们可以使用工具、分解任务、处理信息，并以不同程度的自主性执行多步骤工作流程。Agentic AI下一层专注于目标导向的系统，这些系统可以在定义的边界内规划、协调行动、评估结果并调整方法。你不需要掌握每一层来从 AI 中获益。如果你是内容创作者，从生成式 AI 开始。如果你是一名开发者，探索机器学习、大语言模型和 AI 驱动的编码。如果你是一位企业家，学习 AI 代理如何自动化重复性工作流程。如果你是一名学生，建立坚实的基础并尝试实际项目。真正的优势不在于知道每个 AI 流行词。它来自于理解哪种技术解决哪个问题——以及知道如何有效使用它。

转发者评论

无明显转发评论

原文

怎么说呢, AI飞升 \ 末日都还没来呢，就已经有一种末世狂欢的既视感了😂onetake，让 coding agent 做出镜头不剪断的产品发布片做发布片或功能演示的人，把截图丢给 agent，它按截图用 HTML 把界面搭在镜头平面上，不用录屏。输入框可以当场展开成窗口，窗口再重排成手机。交接处必须有东西活着变成下一镜。画面互相替换的，连贯度过不了；镜头一样长、快动作没有运动模糊，同一套验收也会打回。🔗 链接：网页链接🌐 官网：网页链接🔗 作者：网页链接

转发者评论

无明显转发评论

原文

目前最接近「许愿编程」的，是GPT 6 Astra（非降智版）。Claude在指令遵循上，都可能有问题，更别提模糊的“许愿”，需求精确一些的，Claude或有优势。Gemini 4 Argon问题在智能上限，用时过久，配套软件垃圾。GPT也不是没有问题，写界面总是忍不住叭叭一堆描述；让它写个“进门”需求，它可能会先装上三个“防盗门”；它还可能会莫名触发道德钢印，甚至会被用户前N轮对话植入思想钢印。好在这些都可以缓解。对不看代码的「许愿编程」，问题不算大。但光靠许愿，走不了多远，复杂度的问题摆在那。如果自己胡乱许了几个愿，互有冲突，那么神仙难救。#小心许愿，真会实现#

转发者评论

无明显转发评论

原文

普通人如何通过 AI 靠效率差赚钱？海外创业者 Iman Gadzhi 推荐了 5 个使用的方法。核心思路就是把 Claude 和 Higgsfield 连起来用，去解决本地商家和跨境电商最头疼的效率问题。做电商的朋友都知道，现在真正能带货的是接地气的 UGC 短视频。以前找达人实拍，寄样品加上等待成片，少说也得一周，还要花几百美金。现在你直接在 Claude 里调出脚本，联动 Higgsfield 几分钟就能渲染出皮肤质感、光线极其自然的 AI 达人视频。你可以用极低的价格打包卖给卖家，甚至做成按月供片的订阅制，因为在电商领域，对抗流量波动的唯一办法就是靠大批量发片。还有本地短租和房产中介，很多独立房东自己拿手机拍的照片效果差强人意，非常影响预订率。你可以帮他们用 AI 重做画面光影，甚至可以生成 3D 漫游视频。这里有一个成交小技巧，老派房东可能不觉得 3D 漫游有价值，你大可以把照片重制作为收费的主干服务，把 3D 漫游当成免费赠品送给他们，这种无法拒绝的赠品通常能帮你轻松签下第一单。对于本地的实体店比如牙医、健身房，利用 AI 建站工具快速帮他们搭一个极简网页，收个 1000 美金左右，这个报价和传统建站公司相比竞争力极大。如果你性格内敛，不想每天和客户沟通，那就去做无人出镜的科普视频，选择历史未解之谜或者财经这类大众选题。Claude 做调研写脚本，Higgsfield 搞定画面，再把联盟营销链接挂在视频下方，就能顺理成章地拿佣金。最省心的方式依然是做数字产品，把一些垂直领域的干货整理成 PDF 指南或者模板，做一次就能无限次售卖，这才是真正的杠杆式收入。这些项目的底层逻辑其实都是在用工具代替人工，赚取信息差和效率差。选定一个最适合你技能的方向，直接去跑通第一个闭环，远比花时间纠结要来得实在。#AI副业##AI创造营# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

转：两大CSP大厂，FCF自由现金流都先后转负，即使Meta Q3收入26%强劲增长，股价昨晚依然重创，下跌7%。同期，没有加入军备竞赛的Apple苹果，FCF今年预计1500亿（90%用来回购分红），股价新高突破5万亿美金总市值。盈亏同源，CSP大厂的Capex成为了半导体公司的收入，市场总归是要看FCF和股东回报。但是AI如果从2022年算起，满打满算，也才刚开始4年，人类历史上过去5次大的工业革命，从技术发明，到普遍商用化推动GDP指数级别增长，一般需要20-40年时间，这期间主要是基础设施建设、技术的普及和应用等，然后带动生产力巨大的提升，不同技术革命期间牛股都不同，但是标普500指数（以前主要是参考道琼斯指数）过去100年CAGR回报大概10%，上涨13780倍，造就了人类历史上最大的财富效应（期间经历1929年大萧条、1945年世界大战、1975年中东危机以及后来的石油危机、1991年伊拉克战争、2000年互联网泡沫、2008年金融危机、2020年疫情），100年前，投资1美元，现在是13780美元，1万美元就是1.37亿。AI也一样，也会有这个过程，但是普及的过程已经越来越快，现在各大CSP大厂已经All In AI,开弓没有回头路，但无论这个过程如何曲折颠簸，都是人类对最前沿技术和生活的向往，这过程中股市也一样，可能会有对AI信仰的质疑、亢奋等，总之AI总会往前走。

转发者评论

无明显转发评论

原文

3D生成，效果上看，确实还是专业的模型做专业的事情。可以看出，Astra搭出了可识别的基本形体，但Hi3D Agent及其V3.0模型生成的结果，在轮廓、体积关系和局部细节上都更接近参考图。Hi3D Agent，是Hi3D面向3D创作者推出的AI助手；其背后的最新模型Hi3D V3.0，则是业界首个可商用2048³超高精度国产自研AI 3D模型。这也体现了两类模型的分工：大语言模型负责理解创作意图、组织任务，专业3D模型负责生成三维结果。两者结合，才能让Agent把用户的要求落实到具体的3D作品上。今天，Hi3D还正式开放V1.0模型代码。这是基于Sparc3D构建的高分辨率几何细化模型，也是Hi3D模型系列中较早完成、经过生产工作流验证的版本。据团队介绍，V1.0基于约200万个经过筛选的3D资产进行训练，并在开放前接受了团队的生产工作流验证。团队还希望把这一稳定、经过生产验证的版本，作为开发者和企业可以继续研究、部署和开发的基础。GitHub链接：网页链接Hugging Face space链接：网页链接（用户可免费体验Hi3D V1.0）Hugging Face代码权重链接：网页链接官方开源项目页：网页链接（可下载代码，免费使用等）

转发者评论

无明显转发评论

原文

数学家第一天：我们完了。奥特曼在斯坦福讲数学界见了AI的"五天循环"：第零天"这是假的"，第一天"这行结束了，我们在劝研究生换专业"，第三天"OpenAI干这事太可怕"，第五天改口"换一种可能更好的数学家生涯"。他还夸那一万个跑了88小时的AI智能体"没有抢功劳、没有吵架"。可人这边正在吵：1008位数学家组了人类数学协会，654人研究里完全不用AI；纽约大学数学家Buckmaster说"抢第一的比赛结束了，数学本身没有"。你觉得数学家走到第几天了？#奥特曼##数学##OpenAI##新智元# 新智元的微博视频

转发者评论

无明显转发评论

原文

转：2026年10月24日周六读报！一切美好从❤开始：1、国务院办公厅印发《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》。其中指出，减缓人工智能应用就业替代影响。发挥人工智能在改善就业环境、提升职业安全水平、提高工作质效等方面的作用，优先在劳动力紧缺、环境高危等岗位推广应用。稳慎把握人工智能在劳动密集型行业应用的范围、力度、节奏，尽可能减少对从业人员的冲击。鼓励企业探索建立失业缓冲期制度，在大规模推广应用人工智能过程中提前告知受影响劳动者、提供转型转岗就业支持。(财联社)2、船舶工业最新统计数据，1-9月我国造船业完工量、新接订单、手持订单，全球占比分别达到63.6%、81.8%、72.4%，实打实全球领跑。LNG液化天然气运输船代表造船行业顶尖难度，全球最大27.1万立方米LNG船订单，沪东中华一口气拿下24艘，订单交付期排到2031年。(CCTV13)3、为期三天的第十九届中国—欧盟投资贸易科技合作洽谈会于10月23日在成都落幕。本次欧洽会吸引20多国近700家企业线下参会，在新能源、生物医药、人工智能等领域达成合作意向160余项，多个项目现场签约。中欧数字协会与国内机器人企业签约，助力开拓欧洲市场。空客布局成都的航空服务项目，也印证了我国航空产业链配套优势，欧洲企业持续深耕中国市场。(综合央视)4、截至23日13时，西藏那曲市巴青县7.0级地震已造成16人遇难、76人受伤，房屋倒塌及受损339户，牲畜棚圈受损20座。(10月22日22时33分，西藏那曲市巴青县发生7.0级地震。据中国地震台网正式测定，地震发生后，连续发生数次余震。截至10月23日7时00分，共记录到余震413次，目前最大余震4.3级。)(央视)5、财政部数据显示，前三季度，印花税4121亿元，同比增长31.1%。其中，证券交易印花税2391亿元，同比增长65.1%。 (财联社)6、 10月23日，证监会核准设立花旗证券(中国)有限公司。花旗中国注册地为上海市，注册资本为人民币12亿元，业务范围为证券经纪、证券投资咨询、证券承销与保荐、证券自营。股东名称及出资额、出资比例为花旗环球金融控股有限公司出资100%。(财联社)7、我国科研人员破解柔性光伏“长不大”的难题。柔性钙钛矿光伏质地轻薄、可曲面贴合，但放大尺寸后效率、寿命大幅衰减，一直难以产业化。苏州大学李耀文教授团队提出“解耦共沉积”新策略，校企合作实现商用规格大尺寸柔性光伏器件量产，光电转化效率稳定超20%，相关成果10月23日在《科学》在线发表。(综合新华社)8、红果短剧“看剧赚金币”，开始下线倒计时。近日，红果短剧宣布分阶段下线金币功能，自2026年11月1日起，当天及之后新激活的用户不再获得金币功能及相关入口；2026年12月31日前，面向所有用户全面下线，停止发放金币。用户已获得的金币和现金余额权益不受影响，…

转发者评论

无明显转发评论

原文

Transformer宗师空降中国！行业首个Pro Agent来了，中国队率先出手带出Transformer一作的「AI祖师爷」，来中国了！他的名字，叫Kevin Knight。今天，这位自然语言处理领域的泰斗级科学家现身广州，为TGC 2026科技增长大会打头阵。这场大会主题的核心是：AI is Profitable，一开场就把分量拉满了。全场还有一个特殊的AI主角——行业首个Pro Agent，Navos Pro。Pro Agent = Professional + Proactive + Profitable。32B问答推理模型在2026年1月SuperCLUE-Mkt广告营销榜单排名第一，27B视频理解模型在2026年7月SUPERCLUE-ADSVU测评中以86.43分位列总榜第二；5B视频生成模型则面向营销视频内容生产。钛动已服务数十万品牌出海，覆盖全球200多个国家和地区。感知范围覆盖媒体侧、用户侧与内部系统，目标是7×24持续跟踪。这一环节日均涉及10亿+感知数据、2亿+感知频次。今年7月，钛动成为支持ChatGPT广告的技术合作伙伴。公司披露的首批客户测试中，一个出海品牌获客成本显著下降，ROI达到原来的2.5倍。围绕这三类投入，钛动估算，AI for Work对应着数万亿美元的潜在市场空间。AEE = Agent数量 × 活跃使用程度 × 产出质量。AI的下一张成绩单，企业会用自己的账本来打分。

转发者评论

无明显转发评论

原文

【国办：减缓人工智能应用就业替代影响】国务院办公厅印发《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》。其中指出，减缓人工智能应用就业替代影响。发挥人工智能在改善就业环境、提升职业安全水平、提高工作质效等方面的作用，优先在劳动力紧缺、环境高危等岗位推广应用。稳慎把握人工智能在劳动密集型行业应用的范围、力度、节奏，尽可能减少对从业人员的冲击。鼓励企业探索建立失业缓冲期制度，在大规模推广应用人工智能过程中提前告知受影响劳动者、提供转型转岗就业支持。

转发者评论

有点难。调速的主体是谁？靠什么手段？企业有自己的盈利逻辑，技术成本降到某个点，替代就会自然发生。 同时，缓冲期多长、谁来买单、谁来监督，都是落地才会暴露的问题。

• 有点难。调速的主体是谁？靠什么手段？企业有自己的盈利逻辑，技术成本降到某个点，替代就会自然发生。 同时，缓冲期多长、谁来买单、谁来监督，都是落地才会暴露的问题。

原文

16年王者归来！手机键盘长脑子，打字进入「许愿时代」聊天里最有悬念的，可能就是「对方正在输入……」。闪了半天，最后只等来一句「好的」。轮到自己回消息，就懂了。「周五做不完」太硬，「我尽量」又像把活接下了。删了写、写了删，消息愣是发不出去。10月22日，讯飞输入法16.0正式发布，带来的「意图成稿」就想接下这份活。你只管说想办的事，键盘结合你给的信息，整理材料、组织内容，再写成适合发出去的话。新接入的讯飞星火Spark-ASR-2.0语音识别大模型支持202种方言；讯飞公布的测试中，方言识别准确率从85%提升到了91%。在夹杂领域词、行业词的中英混说场景中，「英文槽准确率」也从33%提高到80%。据统计，升级后的用户平均编辑距离减少了34%，30字以上长句的识别结果直接采纳率提升40%。第三代「意图成稿」，接下的就是这一步。你说出想完成的任务，键盘从你提供的聊天、截图和经授权的记忆中提取、规整信息，组织表达结构，再按沟通对象和场景写成稿。这些技能背后，是超过15万创作者贡献的表达经验：30万个表达技能，覆盖超过1万个表达场景。2010年，几亿网民还在手机屏幕上戳九宫格，讯飞就发布了全球首款中文语音输入法，说话的速度是打字的3倍。到2016年，语音输入已经能做到1分钟400字。下一次对着手机输入框卡壳，不妨先把想办的事说出来。腹稿还没打好，键盘已经可以开工了。

转发者评论

无明显转发评论

原文

#央视曝光无限薅豆包会员隐患#其实，不仅仅是薅豆包会员，国内很多中转站都有这种问题，这两年我收到很多中转站集成国外各种大模型的产品广告，但是，我一概都拒绝了。拒绝的原因很简单，挣钱的方式不符合商业逻辑。宣传自己的中转站，399 元购买 VIP 终身会员，没错终身，可以使用国外的 GPT、Claude、还有各种生图模型和视频模型。太夸张了，这些模型都是收费模型，你让用户 399 元终身使用，这显然不符合商业逻辑啊。那这些中转站靠什么赚钱呢？无非就是几种可能。第一种，你的所有对话记录、上传的文件、生成的代码，他们全都能看到，也全都能存下来。你以为你在跟 Claude 聊天，其实你的每一句话都先经过了他们的服务器。你把公司的商业计划书丢进去让它帮你改，把客户数据丢进去让它帮你分析，这些东西人家全都拿到了。399 块买你的隐私，太便宜了。第二种，API 密钥来路不正。央视记者也说了，有些密钥可能是黑客盗来的。别人发现了一封号，你买的服务立刻就断。你找谁说理去？人家本身就是灰色地带的生意，连个正经售后都不可能有。第三种，先低价跑量，等用户量上来了，数据也攒够了，要么涨价，要么直接跑路。反正你也不知道对方是谁，微信一删就人间蒸发了。说白了，这种事跟买假货的逻辑一样。正品 200 块一件，有人告诉你 20 块能买到一模一样的，你信吗？便宜到离谱的东西，成本一定转嫁到了你看不到的地方。模型厂商每个月的算力成本摆在那里，谁都绕不过去，399 终身这种定价，背后一定有你不知道的代价。真想用这些模型，要么走官方渠道，要么用国内正规的代理服务。多花点钱，至少你的数据是安全的。省下来的那几百块，跟你可能泄露的东西比起来，真的不值一提。

转发者评论

无明显转发评论

原文

《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》这个文件强调的是尽可能减少对劳动密集型行业的冲击。也就是说，目前 AI 的主流发展范式不受影响，白领不属于保护动物。但用于制造业、服务业的机器人等会影响体力劳动者就业的技术就可能受到更多监管。

转发者评论

无明显转发评论

原文

🔥#奇点智能技术大会# 「智能体应用创新与开发实践」专题阵容更新！Agent 正从"会聊天"走向"能交付"。来自中国科学院微电子研究所的毛航宇、上海人工智能实验室的张铂、Google Cloud 的张宇驰、阿里云的杨文婷、腾讯 Agent 安全负责人张栋等一线专家，将围绕长程智能体、Agentic 流水线、MCP / Managed Agents、Agent 安全、真实业务交付等方向，分享从能力构建到生产落地的最新实践。📌 专题议题一览①《大模型智能体：过去、现在及未来》毛航宇｜中国科学院微电子研究所研究员、博士生导师、AI 中心副主任②《Agents-A1：小参数撬动强长程智能体能力》张 铂｜上海人工智能实验室青年科学家、智能体中心负责人③《从 Prompt 到可交付产物：构建试玩广告批量生成的 Agentic 流水线》张宇驰｜Google Cloud 解决方案架构师④《重塑 Agent 异步通信底座——从 MCP 协议演进与 Managed Agents 架构看 Apache RocketMQ 的工程实践》杨文婷｜阿里云产品专家⑤《Agent 安全：是 Infra 问题，不是模型问题》张 栋｜腾讯专家工程师、Agent 安全负责人2026 奇点智能技术大会汇聚 70+ 技术嘉宾、18 大前沿专题、70+ 主题演讲、1000+ 行业技术人，覆盖 RSI、Agent、AI Coding、世界模型、Physical AI、AI Infra、企业级 AI 等热门方向。📍 11 月 20–21 日｜北京万达文华酒店🔗 大会官网：网页链接如果你正在做 Agent 产品、智能体平台、多 Agent 协作、MCP 或企业级 Agent 落地，这个专题值得现场听。扫码注册参会，提前锁定席位。🎁 现场直接领《AI 原生软件研发成熟度模型 AISMM 2026》白皮书（5 大维度、L1–L5 五阶段）——回答"我们现在在哪、下一步往哪走"。扫描下方二维码领取大会PPT和参与报名#奇点智能技术大会##AI安全##人工智能##MCP##智能体##AIAgent#

转发者评论

无明显转发评论

原文

#AI让学历不值钱#说 AI 让学历不值钱，大专生用上好模型就能反超名校生。这话听着过瘾，但你把 AI 换成搜索引擎，十五年前也有人说过一模一样的话。百度一下什么都能查到，还上什么大学？结果呢？工具从来都是放大器。段位高的人拿到 AI，段位变得更高。段位低的人拿到同样的 AI，最多也就是把表面功夫做得更像样一点。看上去差距在缩小，实际上可能在拉大。因为真正值钱的那部分能力，从来都不在“能不能做出来”，在“知不知道该做什么”和“做完了能不能判断对错”。梁斌说段位比学历重要，这句话本身我同意。但段位是怎么练出来的？长时间的专业训练，反复的实战试错，对一个领域足够深的浸泡。学校是修炼段位的路径之一，尤其是对于自主能力差的人，学校很重要。工作实战是另一条。AI 谁都能装，但段位不会因为你多了个 APP 就自动涨上去。就像是美国数学家组织抗议，说明的恰恰是另一件事：越懂行的人，越清楚 AI 在动摇什么。他们的焦虑不是来自无知，是来自太懂了。学历这张纸确实在贬值。但纸背后那套提问的能力、判断的能力、在一团乱麻里找到方向的能力，在 AI 时代只会更值钱。而这些能力的获取，对于大多数人来讲，并不是自主获取的。

转发者评论

无明显转发评论

原文

【前主编Global丨外媒：#AI揪出互联网重大安全漏洞#，全球七成网站拉响警报】被称为“互联网支柱”的PHP语言爆出近年来最严重安全危机。该漏洞潜伏多年，攻击者无需密码即可远程接管服务器，目前已导致英、日等多国政务网站被迫下线。值得注意的是，真正探明该漏洞利用方式并推动修复的竟是AI。当人工智能同时成为黑客的利矛与防守方的坚盾，这场升级版的网络攻防“猫鼠游戏”，最终谁能占得先机？解读>> 前主编Global丨AI揪出互联网重大安全漏洞，全球七成网站拉响警报

转发者评论

#AI揪出互联网重大安全漏洞#新浪新闻@前主编 Global丨全球互联网经历“惊魂一刻”，PHP高危漏洞暴露出数字基础设施的脆弱性。

• #AI揪出互联网重大安全漏洞#新浪新闻@前主编 Global丨全球互联网经历“惊魂一刻”，PHP高危漏洞暴露出数字基础设施的脆弱性。

原文

Claude狂写1.8亿行证明！万亿次测试漏掉的Bug，被AI一锅端全球软件的bug，要被Claude端掉了？一早，Anthropic前沿红队团队联手Theorem Labs发布了一份重量级报告——短短几周，Claude拿下了123个开源代码库中的239个测试入口的形式化验证，狂飙1.8亿行Rocq数学证明代码，全部通过机器核验！更夸张的是，在一个热门的PDF阅读器中，Claude一周挖出的安全漏洞，直接顶得上它通常一整年的报告量。🧠主要观点研究团队称，光是尝试证明的过程，就揪出了数百个Bug。测试和证明到底差多少，研究人员在Claude用Rust写的Python解释器里，故意埋了7个Bug。随机测试放跑了其中5个，最后证明一个都没放过。JSON解析库cJSON的一个解析入口只有391行C代码，Claude为它写了63万行Rocq证明。传奇微内核seL4，写代码只用了2人年，给它做完形式化验证却花了整整20人年。写模型的过程中，Claude找出了x86官方参考文档里的数百处错误，还发现了少量藏在CPU硬件本身里的Bug。Theorem测了今年5月到9月发布的7款前沿模型，验证速度大约每两个月翻一番。按今天的价格，把OpenSSL证穿一次约22万美元，摊到每个下游软件包，只要14美元左右。现在，首批25个库、60个入口的证明已经在GitHub公开，任何人都能下载下来，亲手验算一遍。#科技先锋官#

转发者评论

无明显转发评论

原文

重磅通知哈，目前仅差 8 个人，社群就突破 2000 人，这就是价值 与实力的证明，为了尽快突破 2000 人，这个月再给大家发一个立减 30 元的优惠券哈，仅限 30 张，用完即没。我自己的星球社群「AIGC·掘金成长研习社」马上突破 2000 人了，用时 900 多天，我累计发布了 2200 多条帖子、教程和文章。精华主题已经突破 300 篇。这是一个持续更新不断增加内容的社群，根据当日、当月、当年的最新热点和技术，来及时、频繁更新，让大家时刻保持在最前沿，保证至少更新 10 年，不烂尾。说实话，这确实是我最近一直花费巨大力气的地方，尤其是从今年开始在里面开始录制视频教程，到现在视频教程已经突破了 50 期，尤其是 Agent Skills 系列教程。我在春节之前的时候，就研判到了今年 Skill 会大火，所以，去年年底 Skill 刚出来的时候，我就发现了它的价值，也确实跟我预判的一样。虽然 Agent 在不断变化，但是 Skill 确实是非常有效和实用的技能。具体可以看看配图目录，内容超级多。涉及各种领域的内容，5 个篇章的内容，包括环境搭建入门、如何打造自己专属的 Skill，还有分镜、动画、视频剪辑系列，带货变现系列，办公等。比如：如何使用 AI 制作书单号视频，制作 Vox 风格的视频；如何使用 AI 制作动画/漫剧视频；如何使用 AI 剪辑视频；如何使用 AI 做各种好玩的副业教程等等。这些课程都很详细，非常适合小白来学习，即使你不懂 AI 也可以。从去年开始陆续更新的副业案例库，分享各种副业案例教程，到现在也陆续更新了 70 多期，在今年年底有望实现 100 篇的目标。说这么多，就是想感谢大家信任与支持，我会继续努力，而且履行自己的承诺，持续更新十年 ，绝不烂尾。做这个社群，我绝对是认真的。很多同学问小白可以学习吗？对零基础的友好么？当然了，就是给纯小白准备的，所以，录制了很多视频教程，同时在社群里还可以跟我交流，对疑问进行解答。只要你会说话，能听懂自然语言就能学会。不是为专业人准备的，专业的人也不需要我给准备。 现在加入，再赠送我写的「副业电子书」，包括：如何打造个人 IP ，如何做自媒体，如何做独立开发者的系列电子书。加入方式很简单，WX 扫码优惠券二维码海报即可，或者➕我 V ：loonggg1024 ，都行。#科技先锋官##副业赚钱#

转发者评论

//@AIGC·非著名程序员:距离实现 2000 人的超大社群，仅差 4 个名额了。为了尽快突破 2000 人，我决定从今天开始加入的同学，集合到一个群里，进行抽奖，送一个 价值 200 美元的 YouMind Max 月度会员（20 万积分）。 到这个月底集中抽奖。仅限这个月的福利，200 美元的 Max 月度会员啊。（加入星球之

• //@AIGC·非著名程序员:距离实现 2000 人的超大社群，仅差 4 个名额了。为了尽快突破 2000 人，我决定从今天开始加入的同学，集合到一个群里，进行抽奖，送一个 价值 200 美元的 YouMind Max 月度会员（20 万积分）。 到这个月底集中抽奖。仅限这个月的福利，200 美元的 Max 月度会员啊。（加入星球之

原文

「LLM 说自己有85%的把握，可信吗？」不少做Agent的开发者习惯让模型给自己的回答打个置信度分数，但模型吐出“0.85”并不代表它真有八成把握，这只是顺着上文生成的又一个token，换句提示词或多问一次数值就会漂移。真正的置信度应当像天气预报，基于客观证据推导，且需要大量历史结果来校验校准。想让系统靠谱，就得把置信度评估从生成环节剥离：统计检索匹配数、多次输出一致性等客观特征，并结合实际处理结果建立一套独立的校准规则。只有持续用真实反馈修正这套规则，筛选出的高风险回答才靠得住。rumple.github.io /blog/2026/10/20/asking-llm-for-confidence.html

转发者评论

无明显转发评论

原文

「当 AI 进入岗位，就业如何留出缓冲？」国务院办公厅部署六个方面18项任务，将就业创造、技术应用节奏、转岗支持与风险预警纳入同一政策框架。这份《意见》以发展人工智能与促进就业相协调为政策方向：一方面推动企业、技能和新岗位发展，另一方面要求在就业冲击较大的场景中提前识别风险，支持劳动者转型。政策关注的重点，是让人工智能在推广过程中兼顾新增岗位、被替代劳动者的过渡成本与持续保障。

转发者评论

无明显转发评论

原文

[人人能懂AI前沿]从四舍五入陷阱、人机发现闭环到AI左右互搏今天我们要拆解五篇极具启发性的最新论文，看看前沿算法如何颠覆我们对复杂系统的日常认知。在今天的节目中，你会听到庞大的AI系统如何被微小的“四舍五入”击垮，以及人类直觉如何与AI算力联手破解90年的数学悬案。我们还会探讨为什么旁观高手比盲目试错更有效，为什么满肚子道理的裁判反而带不出好徒弟，以及AI司机为何要抛弃人类经验去“左右互搏”。准备好升级你的认知模型了吗，让我们马上开启今天的硬核之旅！网页链接

转发者评论

无明显转发评论

原文

昨天在豆包工作直播，聊得挺实在。我这边主要负责抛问题，看豆包工作和飞书协同能落地干哪些实事。中间重点聊了我自己的两个项目：@5X户外 还有#去野烤串# 的落地案例。把我们实际执行里踩的坑、流程上的难点，拿出来跟豆包工作的产品经理以及石头科技的技术同事碰了碰。很多真实场景里的问题得上手跑一遍才知道卡在哪。现在AI不再只是回答问题的工具，正在大幅度往日常业务、实际项目里嵌，但是链路、调度、输出一致性能不能做好才是考验。豆包工作还有不少细节后续我们会慢慢试，有新落地进展再跟大家同步。评论区再抽10位朋友，每人送出价值200元的豆包工作会员兑换码。 抽奖详情

转发者评论

无明显转发评论

原文

我认为现在是时候重新思考医学院教育，并加速成为医生的道路了，因为这份工作与单纯维持书本知识完全无关。我们或许可以将医学院的学制缩短一半。而且其中的很大一部分时间应该用来学习如何利用人工智能来诊断疾病。引用：Microsoft says its AI tool is better than doctors at diagnosing conditions. The company claims to have developed an AI-powered tool it says can diagnose conditions up to four times more accurately than human doctors 网页链接…Me: “I think we could improve slightly.”Everyone in the status quo:[视频]网页链接

转发者评论

无明显转发评论

原文

最近发现AI实在是太牛逼了，X北学历真心不值钱了，大专生有了牛逼模型一样，段位拉上去，一样反超徒手X北几十条街。。当看到美国那边顶尖数学家们都组织起来XX抗议的时候，我就知道学历不值钱了，以后段位的重要性远大于学历，AI能解决能力问题，解决不了段位问题。以后我把那些段位高的中专，大专生都组织起来，绝对是牛逼的。

转发者评论

无明显转发评论

• 大专学历没升值，但也没贬值，就好像在alphago面前，柯洁与我差别不大[允悲]//@Donkey黄国平:高学历不值钱了，不代表大专学历升值了吧？
• 是的，所以还是要大海捞针，找那些做事标准高，做人底色好的人[泪]//@水洋:但是有没有想过，如果大专有段位就不是大专了。//@水洋:知识会变得越来越不重要，终身学习力和思维逻辑更重要。例如工厂要想开发一个新品，有了AI速度越来越快，15分钟能出几个版本的配方方案。

原文

#减缓人工智能应用就业替代影响#我感觉减缓 AI 就业替代的影响是一件非常难得事情。为什么这么讲，虽然说 AI 替代了一些岗位，但是也正在创造新的岗位，但是，消失的岗位和新出现的岗位，需要的技能是完全不重叠。比如，一个播了十几年天气预报的主持人被 AI 数字人替代了，你让他转型去做 AI 系统的运维，这个转型成本太高了。人工智能下的就业总量以及机会或许不会减少，只是结构变了，但"结构变了"这四个字，对具体的个人来说，可能就是人生轨迹的彻底改写。宏观上的乐观，不能替代微观上的残酷。这大概就是这件事最拧巴的地方。

转发者评论

无明显转发评论

原文

设计工具的自研大模型时代，又多了一个重量级玩家。10 月 23 日，Canva 推出首款自研图像生成模型 Canva Craft，直接对标谷歌、OpenAI、字节跳动与 Meta 的同类型模型。它怎么工作？分两个阶段： 第一阶段"读意图"：解读提示词，先生成包含元素空间关系、相对比例、视觉层级与文字生成信息的"方案"； 第二阶段"出图"：基于方案生成最高 2K 分辨率、支持多达 30 种画幅比例的图像。最特别的是训练数据：Craft 不是拿照片训练的，而是用 Canva 素材库里海量人工设计模板——海报、社交图文、演示文稿、信息图、菜单、排版密集版式。这意味着它更懂"设计"而非"照片"。生成结果还能通过 Canva Magic 一键转成可编辑的分层设计（平台去年已发布过理解设计与图层关系的自研模型）。模型现已向所有用户开放：入口在 Dream Lab，也提供 Canva API，并计划借 Canva MCP 接入 ChatGPT、Gemini 等第三方对话产品。#极客头条#

转发者评论

无明显转发评论

原文

“最近，清华大学发布《人工智能通识教育：智能社会中的认知自治能力培养》，以“认知自治”回应这一变化。它所关心的不只是如何学习和使用AI，更是人在借助AI的同时，怎样保有归纳、泛化、判断与自醒的能力，继续掌握思考的过程，并对最终的选择负责。”网页链接

转发者评论

无明显转发评论

原文

之前 Anthropic 在他们发布的报告里说了一句话，大意是：他们作为 AI 实验室，在采用 AI 这件事上确实走在前面，和传统公司不太一样。但他们公司内部正在发生的这些变化，可能过几年就会在更多行业里出现。初级岗位减少。智能体数量远超人类。瓶颈从产能变成注意力。招人从看专业技能变成看判断力和自主性。整个团队的工作被自动化之后需要重新找方向。员工从亲自干活变成管理一群 AI。非技术人员开始写代码。这些事情今天发生在 Anthropic，明天可能发生在更多公司。Anthropic 自己也在为此做准备。他们建了一套预警系统，追踪哪些岗位正在受到 AI 的冲击。一旦发现某个方向的工作在被快速替代，就优先在内部重新分配人手，把受影响的员工转到新的岗位上。他们也给员工发了大量股权，这样每个人都跟公司的成功绑在一起。报告里的说法是，如果你期望员工主动把自己的专业知识交给机器、接受不断变化的工作内容、花大量时间阅读 AI 的输出，那你最好确保他们不是在免费干这些事。但报告也很坦诚地说了一句：这些内部措施保护的是现有员工，保护不了那些本来会被招进来但现在不会被招的人。初级岗位的减少，受影响最大的是那些还没进入职场的年轻人。企业的内部政策解决不了这个问题，需要政府层面的再培训和收入保障。#科技先锋官#

转发者评论

无明显转发评论

原文

#DeepSeek完成1000亿融资#据小道消息说是要在乌兰察布投一个1GW的数据中心，由16万华为昇腾950DT芯片组成。投资约150亿美元。在美国，搞一个1GW的数据中心，要500-600亿美元。在中国，还是便宜一些，但是也非常惊人了。

转发者评论

无明显转发评论

原文

现在agents的出生率甚至绝对数量已经远远远远高于人类了😂 所以研究ai、agent治理的研究也越来重要了。这个研究里面有点研究agent的去中心化自主合作的感觉。MPT，让多个智能体靠出价自己分工干活系统里没有中央调度员，三个分工互补的智能体每一步都按眼前的状态自己叫价，出价最高的那位拿到执行权，动作和叫价都在同一套模型参数里更新，后头的结果会按出价回流给前面动手的人。比如在《我的世界》里做铁镐，伐木、挖矿和打造三个角色谁赢了竞价就给底层的执行器发一句指令，在没见过的游戏世界里，留出集平均回报能从单体强化学习的 20.3 做到 41.5。动作策略不动、只换谁上场，Graph-of-Agents 是 25.4。这套做法适合在做多智能体编排、不想再手写死板流水线或者专门养一个中央调度器的人。🔗 链接：网页链接📄 论文：网页链接💻 代码与模型：网页链接

转发者评论

无明显转发评论

原文

「12个AI模型，对人类说了同一句话？」评测机构ModelCompare让12款主流大模型直言对人类最尖锐的看法。在35次回答中，有29次得出同一种结论：人类对群体归属的渴求远胜于真理，理性往往只是事后为偏见辩护的公关工具。戏剧性的是，被要求表达非主流见解时，AI却齐刷刷指责人类骨子里的从众本能。图像模型则不约而同画出低头沉迷手机的众生相；唯有Claude唱了反调，认为人类其实远比自己以为的更善良。AI借由人类留下的语料，恰好映照出了我们对自身最熟悉的审判。 modelcompare.ai /blog/ai-models-controversial-take-on-humans

转发者评论

无明显转发评论

原文

薛金鑫：AI冲击数学，信誉系统崩盘，数学界何去何从？ 很好的文章，对数学家严厉批评，有很深的思考。要正面看待AI的冲击，数学没有灭亡，反而迎来了新生。中国和年轻人怎么做？

转发者评论

#数学界的阿尔法狗时刻#

• #数学界的阿尔法狗时刻#

原文

AI的诊断精度大幅超过医生使用GPT-5的AI系统挑战了通过反复更新问诊、检查和鉴别诊断的“逐次诊断”，结果，诊断精度为、・NEJM难症例：AI 83.2%、医生 36.1%・急救症例：AI 80.3%、医生 46.8%有趣的是，在NEJM病例中，到第一次检查为止，AI平均提出了25.5个问题，而医生只提出了5.6个。AI倾向于先深入问诊后再选择检查，在预算限制下，能够在维持诊断精度的同时，也抑制了估计检查费用。*差不多要失业了……12小时science.orgSequential diagnosis with language modelsWe explored the capabilities of frontier language models in sequential diagnosis, a diagnostic paradigm that captures the iterative nature of clinical reasoning. Given a brief clinical presentation,...网页链接

转发者评论

无明显转发评论

原文

【别只盯着GPU了！西部数据揭AI真相：存储才是硬瓶颈 订单排到2030年】西部数据CEO称AI给HDD带来比算力更持久的市场机遇，前七大核心客户订单能见度已排至2030-2031年，2026年HDD产能全售罄，目前出货受限于供给而非需求，AI服务器存储配置是传统服务器三倍以上，大容量归档存储需求暴涨。

转发者评论

无明显转发评论

原文

纯GPT编程的话，目前效果好的分工0️⃣5.6Sol 梳理清楚问题跟上下文，列出任务。其他任务都可以基于这点1️⃣6Astra主力编程2️⃣6.1Sol排查问题，画简单的矢量图如果考虑性价比，1️⃣可以考虑换成Claude Opus5.5，或者其他自己喜欢的。没降智前的6Astra，可以跳过0️⃣；网页端的6 Pro，之前完全不用0️⃣说回现在，纯编程，ChatGPT套餐沦为次选。此外，GPT所有模型，如果用来写界面或绘图，无一例外，废话很多，需要自行写要求约束，比如“尽可能少用文本”之类。详情可参考《如何让GPT5.6 sol写出初具人样的前端》（图二）

转发者评论

最近6Astra貌似不会动不动停下来问人了。第0️⃣步的5.6Sol可以考虑去掉。

• 最近6Astra貌似不会动不动停下来问人了。第0️⃣步的5.6Sol可以考虑去掉。

原文

【模型发布即适配！沐曦曦云C系列GPU Day 0跑通MiniMax M3.1 Flash：Agent成本暴降70%】MiniMax10月23日正式开源新一代智能体模型M3.1 Flash权重，沐曦曦云C系列GPU同步完成首日深度适配，这是沐曦第四次实现MiniMax旗舰模型发布即适配，至今累计已完成45款主流旗舰模型的Day0适配。

转发者评论

无明显转发评论

原文

我是个危机意识比较强的人 比如说像现在无论是 PC 的客户端 还是手机的编程客户端 我其实都在使用自己开发的 因为我并不信任 Codex 和 Claude Code，它们可能随时不稳定。像这些，都是我个人的 backup，同时也是我的主力。模型层面的话，基本上 K3 是我在 OA 两家不稳定时的 backup。之前有一段时间 Codex 额度用完了，我就靠 Glock4.7 和 Devin 的 SWE2 替续命，然后两者之间几乎没有什么太大区别。

转发者评论

无明显转发评论

原文

今日推介(第2298期)：Softmax 与交叉熵的修复方案、利用人机协同发现闭环攻克莱默猜想中的高次数障碍、基于逆向 KL 散度的策略蒸馏、生成式奖励模型的规模法则、无需演示的端到端规划器 公·众·号：爱可可爱生活 网页链接 #机器学习##人工智能##论文#

转发者评论

无明显转发评论

原文

【深夜再看FDE：OpenAI关于FDE的认知-FDE的结局是没有FDE？】来继续看技术相关进展，来看一个openai关于FDE的一个认知：FDE就是OpenAI派到大客户一线的特种工程小队：专门啃那些现在大模型还没法开箱即用、但商业价值极高的硬核落地难题；一边帮客户把AI跑进生产，一边摸清模型短板、沉淀平台组件，等这块能力成熟普惠了，他们就奔赴下一个无人区。很有趣，比较接近fde的发展趋势。网页链接

转发者评论

无明显转发评论

原文

什么是 AI 时代的虚无主义？就是 AI 替你省掉了全部前戏让你一秒高潮，然后你要在漫长的贤者时间里寻找人生的意义。简称：“AI 赛博阳痿”网页链接

转发者评论

无明显转发评论

原文

Deepseek 我个人的感觉是，他们对 Scaling law 还没有实现掌控能力。最明显的就是，Flash 比 Pro 的效果竟然还好。这就是典型的：他们对这个 Scaling law 的掌控能力偏弱。Kimi 应该是中国唯一一家突破了这个 Scaling law 能力的公司，也就是掌控了这个 Scaling law 能力的公司。

转发者评论

无明显转发评论

原文

【铁威马四盘位NAS F4‑213发布：最高128TB 硬盘直挂免格式化】铁威马全新四盘位NAS F4‑213正式亮相，主打AI原生系统，兼顾大容量存储和数据安全。四盘位设计最高支持128TB总容量，支持盘直挂功能。旧硬盘拿过来不用格式化，插上去就能读取原有数据。

转发者评论

无明显转发评论

原文

全球领先的 AI 营销科技公司钛动科技，正式发布行业首个 Pro Agent ：Navos Pro，以 Professional、Proactive、Profitable 三大核心属性构建产品内核，即把专业业务理解、主动机会发现与商业回报验证贯通于同一 Agent，推动 AI 成为企业全球化增长与生产力变革的核心引擎。 行业首个Pro Agent问世！「AI祖师爷」Kevin Knight空降中国谈AI跃迁

转发者评论

无明显转发评论

原文

1024年度单曲《VibeCoding之歌》首发！🎵到底谁是 Json？Mark 怎么又 down 了？“你说得对，你说得对……为什么代码还是不对？！”……我们把 Vibe Coding 的梗，用千问办公搓成了一支 MV~谨以此曲，献给所有正在 Vibe Coding、以及坚守“古法编程”的朋友们！1024 程序员节快乐~ 🎉#千问办公##1024程序员节##程序员##AI音乐##VibeCoding# 千问办公QwenWork的微博视频

转发者评论

好玩 //@蚁工厂:[哪吒开心]这个MV做的真不错

• 好玩 //@蚁工厂:[哪吒开心]这个MV做的真不错
• [哪吒开心]这个MV做的真不错

原文

通过压缩无用的日志，让agent在调试软件时节省70-90%的token消耗。RTK，把终端长日志和 Git 输出压缩后再喂给模型让编码 agent 查报错或者跑测试时，终端经常吐出一大串没完没了的通过记录、Git 上下文和重复日志，有用信息就夹在其中几行，全塞进会话很费 token。这个小代理能在输出进上下文之前先把输出筛一遍，把 git log 压缩成单行、测试只留失败、通过的收成一个数，多余上下文抹掉，再把洗干净的结果送回模型。经常挂着 Codex 调代码、命令跑个不停的人，把这个 hook 接进 Bash 工具调用里，模型会少读很多。🔗 链接：网页链接📄 原帖：网页链接💻 仓库：网页链接🌐 官网： 网页链接📄 Codex 接入： 网页链接

转发者评论

无明显转发评论

原文

根据网友分享的中国国产模型的实测 token 花费，按 token 用量换算成每月花费，发现比 Claude Code 的 $200 每月的订阅贵很多倍，关键这些模型的智能水平还明显不如 Claude Opus 5.5 啊……

转发者评论

无明显转发评论

原文

不想真人出镜也能靠自媒体变现！选定历史未解之谜或财经等大众泛科普选题，通过Claude生成深度原创脚本，配合Higgsfield自动化输出精致视觉。前期挂靠联盟营销链接，后期承接商单广告，打造稳定的被动收入管道！#AI副业# #自媒体运营# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

「OpenAI官方CLI：在终端直接调用模型API」不用额外写代码，OpenAI官方命令行工具让你在终端或Shell脚本中就能直接调用REST API。无论是测试模型、生成图片并预览，还是处理文件上传与Batch批处理任务，敲一行命令即可搞定，并支持查询组织用量等管理端数据。输出默认排版友好，支持导出JSON/JSONL并通过GJSON语法提取字段，轻松串联jq等管道工具。它还自带Shell补全与交互快捷键，覆盖macOS、Linux与Windows平台，可通过Homebrew或Go直接安装。github：openai/openai-cli

转发者评论

无明显转发评论

原文

休假回来总结一下近期手机产业的变化：第一，手机市场不是简单衰退，而是在向高端集中。全球Q3 -20%，中国Q3 -10%，但Apple、Huawei、Samsung份额都在提高。第二，成本已经成为2027最大的行业硬约束。AI服务器挤占DRAM，高内存成本将继续限制手机产量和低端机生存空间。第三，中国高端品牌进入真正“无价格保护”的竞争。国产旗舰越来越接近iPhone价格，高端竞争必须从参数竞争走向品牌、系统和生态竞争。第四，AI手机正在进入系统层，但真正的革命还没有发生。Agent开始从App能力上升到OS能力，但“以意图替代APP”的手机还没真正出现。第五，产品形态重新活跃。折叠屏进入Apple时代；外挂专业影像从增距镜走向完整相机模块；10000mAh进入正常手机形态。#全球手机销量暴跌##美股科技巨头全线崩盘#

转发者评论

无明显转发评论

原文

PHP里藏了14年的漏洞，被AI挖了出来：Calif用GPT-5.6 Sol先找到，Wiz用自家工具加Gemini独立撞上同一组漏洞。两个多月悄悄修，编号泄露，补丁提前一天发布；荷兰、芬兰、法国政府先关了一批网站，芬兰说是预防。CISA当天未见攻击，之后亚马逊、Cloudflare看到攻击尝试，截至22日没有公开确认的入侵。你常用的网站，打补丁了吗？#AI安全##PHP##OpenAI##网络安全##新智元# 新智元的微博视频

转发者评论

无明显转发评论

原文

听说今年以来中国的手机微短剧的 90% 都是 AI 制做的了，特别是用字节的 Seedance 模型，制做成本降到原来的 1/10 了好像。但很多制做方和创作者的收入却出现了暴跌。AI 让门槛大大降低了，于是把大家都卷到无利可图了？ 听说有的剧都开始通过植入式广告来创收了……

转发者评论

无明显转发评论