跳到正文

全部 AI 动态

今日 0 条

10月15日

星期四
  1. Google 与 Meta 发布前沿模型,AI 竞赛重新升温

    Google 发布 Gemini 4 Argon,Meta 发布 Muse Wonder Full,两家公司称其模型在多项基准上可与 OpenAI、Anthropic 的旗舰模型竞争。Google 为 Argon 定出激进价格,推广期内每 token 比对手低最多 80%。文章认为,两家公司凭借庞大用户生态重新回到前沿竞争,AI 竞赛进入新阶段。

  2. 我的 AI 数字孪生告诉我该吃什么:Twin Health 代谢孪生 100 天实测

    The Verge 资深评测人 Victoria Song 用 Twin Health 的 AI 代谢数字孪生追踪饮食 100 天,该系统依据 Dexcom G7 CGM、智能体重秤、血压计和血液检测数据,用红橙绿三色预测食物对血糖的影响。该服务尚未公开下载,目前仅通过企业或私人健康计划提供,主要面向慢性代谢问题人群。她表示记录行为确有改变,但未实现有意义的减重,减药目标也未如愿。

10月14日

星期三

10月13日

星期二
  1. 开放模型利大于弊吗?Anthropic 报告称 GLM-5.3 构成重大网络攻击风险

    Anthropic 发布报告称,中国公司 Z.ai 于 8 月发布的开放权重模型 GLM-5.3 可被任何人自由下载和修改,构成重大网络攻击风险。目前 Artificial Analysis LLM 排行榜前八名均为闭源模型,但开源模型在开发进度上仅落后数月。争论焦点在于开放模型带来的安全风险与防止权力集中、推动技术民主化之间的权衡。

10月12日

星期一
  1. Anthropic 的 Andrej Karpathy:外界只看到 AI 能力的“预览版”

    Anthropic 的 Andrej Karpathy 称,外界只看到了 AI 实际能力的“预览版”。他把大语言模型用户分为四层:约 60 亿人几乎没接触过 LLM,10 至 20 亿人只把免费 ChatGPT 类产品当作更好的搜索引擎,约 2000 万数学和编程领域的专业用户已用智能体完成过去需数周乃至数月的复杂项目,而仅约 5000 人能接触内部前沿系统。

10月11日

星期日
  1. 纳德拉称应假设所有 AI 模型都已被攻陷,呼吁给 AI 装紧急刹车

    微软 CEO 纳德拉在 X 发长文谈高级 AI 模型的风险,称不能再接受把 AI 当作一组嵌套黑盒、只能接受或拒绝其建议与行动。他主张建立更透明的体系,让模型可被隔离、观察并留下防篡改的人类可读证据,并称必须从一开始就假设模型已被攻陷并加以隔离,就像紧急刹车,授权人员应能随时暂停或关闭执行任务中的模型。他还提到更先进的模型需要更先进的隔离技术并应加以标准化,文中多处将 AI 称为超级智能。

10月10日

星期六
  1. a16z 合伙人 Olivia Moore 谈消费级 AI 现状:ChatGPT 仍遥遥领先,社交、约会、金融等六大品类仍空白

    a16z 合伙人 Olivia Moore 发布消费级 AI 应用 Top 100 报告,ChatGPT 仍是最大玩家,Suno、ElevenLabs 等小厂展现出持续生命力。报告指出社交、约会、电商、零售、旅游、金融、健康等约六个消费品类在榜单中完全没有 AI 产品入局。她认为消费级 AI 仍处早期,机会在于跳出订阅和 API 收费,用广告等方式变现,并更多采用开源或低成本模型。

10月9日

星期五
  1. 特朗普试图把 AI 改名为「Super Intelligence」,业界褒贬不一

    特朗普签署行政令,要求尽可能不使用「AI」一词,将这项技术改称「Super Intelligence」,理由是「artificial 让智能显得虚假」。美国 AI 标准与创新中心(CAISI)已更名为 CAISSI,司法部新闻稿也改用该说法。马斯克承诺将 SpaceXAI 更名为 SpaceXSI,黄仁勋、Sam Altman 等表态支持,但 OpenAI 不会改名。

  2. 我们过度信任 AI 说"不"的能力

    MIT Technology Review 刊文指出,AI 的拒绝机制已成为 AI 安全的核心支柱,但这一机制并不可靠。Anthropic 2021 年提出模型应"有用、诚实、无害",如今模型经大量拒绝训练,却仍可能被绕过,已有用户试图用先进 AI 研发生物病原体和自主无人机蜂群。文章认为,拒绝的边界由 AI 公司秘密划定,政府也将介入,而拒绝能力越强,越可能被用于压制合法言论。

10月8日

星期四
  1. Meta Muse 与 OpenAI Dots 谁更值得托付日常事务

    The Verge 资深 AI 记者 Hayden Field 在 Decoder 播客中对比 Meta Muse 与 OpenAI Dots 两款消费级 AI 智能体。Muse 免费并借 Meta 平台大规模分发,Dots 面向每月 100 至 200 美元订阅用户并推出营销、法律等专业版本。两人讨论了把信用卡、邮箱和硬盘数据交给智能体的隐私风险,以及 Meta 计划从交易抽成的变现方式。

  2. 机器人领域的 AI 突破短期内不会改变你的生活

    MIT Technology Review 与 Aventine 合作的文章指出,尽管 Elon Musk 预测 Tesla 的 Optimus 人形机器人最早 2027 年底开售、单台成本低至 2 万美元,Jensen Huang 也称人形机器人今年将达到人类水平能力,但许多机器人研究者对此持怀疑态度。Yann LeCun 在达沃斯表示,没有任何一家人形机器人公司知道如何让机器人足够智能和实用。

  3. Ben Affleck 谈机器学习与视觉特效:从卷积神经网络到 Transformer

    Ben Affleck 表示自己从小对计算机感兴趣,在电影从模拟胶片转向数字后更加关注这一领域,并会写"相当糟糕的 Python 脚本"。他指出视觉特效工作流多年来一直包含机器学习,卷积神经网络作为 Transformer 的前身,可用于处理 tensor 并实现边缘检测与特征提取,从而更轻松地抠出绿幕画面并替换背景。

10月7日

星期三
  1. Michael Lynch 谈软件博客写作的反模式

    Michael Lynch 撰文列举软件博客写作的常见反模式,包括冗长开场、误判读者已有知识、假设读者读过旧文、过度正式,以及过度依赖链接而不解释术语。他建议文章即使读者不点任何链接也应能读懂,并主张用自己说话的方式写作。他指出,随着越来越多开发者把写作交给 AI,软件博客正变得千篇一律,读者渴望有个人风格的文字。

  2. Microsoft 研究员 Jennifer Neville:AI 评测如何暴露模型的“意外失败”

    Microsoft 的 Jennifer Neville 在 Microsoft Research Podcast 中讨论了评测对推动 AI 系统性能边界的作用,以及模型在传统 benchmark 之外测试时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的经历,分享了使用当前 AI 系统的实用建议,并强调当结果超出预期时仔细审视数据的重要性。

  3. 微软发布诺奖经济学家 Daron Acemoglu 的悲观 AI 预测:十年仅拉动 GDP 增长 1.5%

    微软刊发了诺贝尔经济学奖得主 Daron Acemoglu 对 AI 的悲观预测:AI 十年内仅拉动 GDP 增长约 1.5%,最多替代 5% 的岗位,远低于部分 AI 实验室的预期。他认为瓶颈在于人性——企业需重新分配任务、提升员工技能并重组流程,这一过程可能比电气化普及更漫长,更大的模型也无法解决。

10月6日

星期二
  1. AI 接管数学引发的争议风波

    过去一年,OpenAI、Anthropic 等实验室宣布在多个长期未解的数学问题上取得突破,部分进展超出研究者对现有系统能力的预期,其中包括解决一个著名的千禧年大奖难题。但这些成果并未获得一致认可,反而在学界引发反弹,AI 实验室表示正在从早先的错误中吸取教训,这些承诺能否兑现尚待观察。