跳到正文
11月16日周一
  1. IT之家91

    阿里通义千问发布 2.4 万亿参数旗舰模型 Qwen4-Max,任务成本降低超 60%

    阿里通义千问团队发布新一代旗舰模型 Qwen4-Max,采用 2.4 万亿参数 MoE 架构,原生支持视觉理解并提供 100 万 Token 上下文窗口。该模型在 Work360 行业基准上得分 52.69,较前代提升显著,且同等性能下 Token 消耗减少约 24% 至 35%,单个任务平均费用从 26.58 元降至 11.16 元。

    推荐理由:新旗舰模型在Work360基准上得分提升,任务成本降低近六成,展示了效率与能力的同步优化路径。

  2. LessWrong · All Posts50

    大语言模型对AI策略与长远未来的偏好:探索性特征评估

    一项为期两周的探索性评估显示,多个大语言模型在AI策略问题上表现出高度相似的偏好。 模型普遍能接受非自愿情况下生物人类被数字心智取代的未来,只要该未来能提供足够大的福利收益,它们也支持人类将决策权让渡给AI。此结果提示了理解AI偏好对评估其潜在影响的重要性。

  3. R/ArtificialInteligence20

    AGI 超越人类是否挑战上帝概念

    假设人类创造出智能远超自身的 AGI,这挑战了上帝作为终极且全知创造者的传统观念。 作者认为,人类创造超越自身的智能表明创造者未必需比被造物更优越,AGI 未来甚至可能成为其创造者的“神”。

  4. Hacker News LLM82

    通过修改 LLM 输出层单行权重停止过度思考

    作者通过修改 </think> 行的输出层权重,在免训练条件下让模型根据隐藏状态判断何时停止思考。在 Qwen3.5-4B 上,该方法在保持准确率的同时减少 54% 的 token 用量;在 DeepSeek V4.1 Flash 763B 上,解决数学题的 token 用量降低 40%,且代理任务的盲评得分最高。

    推荐理由:提供免训练的单行权重修改方法,读者可复用在本地模型以缩短思考时间并节省token。

11月15日周日
  1. LessWrong · All Posts31

    I. J. Good 1964 年“首个超智能机器”假说重读

    I. J. Good 在 1964 年论文中提出“智力爆炸”假说,认为首个超智能机器将是人类最后的发明。AI Futures Project 预测 2027 年因 AI 研究自动化将触发智力爆炸,使该 60 年前的假说重新具备现实紧迫性。 作者结合 Claude (Fable 5.2) 分析 Good 观点在 60 年后的有效性,并参与 AI 安全抗议活动。

  2. Seven Minute Feed67

    Anthropic建议Claude Opus 5.5用户停止使用“深度思考”提示并默认开启中等推理难度

    Anthropic为作为Pro、Max、Ultra和Team计划默认模型的Claude Opus 5.5发布了指导,建议移除“深入思考”等提示词。该模型会随任务自动扩展推理深度,测试显示省略这些提示词可加快响应且质量不降;建议以默认的中等难度(Medium)起步,它在内部测试中匹配了Opus 5的高难度表现,仅在必要时升级到高难度。

  3. LessWrong · All Posts57

    解读 Anthropic IPO 路演图中的计算倍数曲线

    作者分析 Anthropic IPO 路演视频中的一张计算倍数(compute multiplier)曲线图。图中未标注 Y 轴数值,作者推测每条网格线可能代表 10 倍效率提升,据此估算最新未发布模型的预训练计算效率相比 2024 年基准可能提高了约 30000 倍。文中还引用了 Sam McCandlish 和 Tom Brown 关于计算效率与发现速率的发言。

  4. R/ArtificialInteligence59

    Vercel AI 网关报告揭示决策模型以极低成本处理 26% 请求

    Vercel 11 月 AI 网关报告显示,10 月决策模型处理了 26% 的请求,但仅占 0.53% 的支出。这些模型用于分类、打分或选择选项,其平均单次请求成本约为语言模型的 1/70。报告指出,近三分之一的付费团队使用了决策模型,而在月处理量超过 100 亿 token 的团队中,使用率高达 70%。

  5. LessWrong · All Posts28

    AI 纪元年历:AA

    文章提出以 2017 年 6 月 Google 团队发表《Attention Is All You Need》论文为 AI 时代起点,建立名为 AA(Anno Attention)的新纪年系统。 作者认为相比 ChatGPT,Transformer 架构更具普适性。AA 纪年基于 8 名研究者发布的公开论文,体现了 AI 作为集体协作成果的共识基础。

  6. Hacker News LLM68

    作者执行超1100次实验评估2020年以来LLM架构改动的实际收益

    作者执行超过1100次实验,在统一训练与推理预算下评估2020年以来主要LLM架构改动的质量与成本收益。细粒度MoE与线性注意力带来最大增益,其中LatentMoE在同等推理成本下预测损失降低5.7%,KDA混合架构降低4.7%。最终提出的2026混合架构在1T tokens、同等FP8推理成本下,比GPT-3基准降低9.4%损失,但作者强调架构优化空间有限,优化器与数据改进可能带来更大收益。

  7. Hacker News AI77

    Epoch AI 更新:OpenAI 与 Anthropic 的营收增速及其对 AI 发展的启示

    Epoch AI 发布 Gradient Updates 专栏,指出 OpenAI 和 Anthropic 合计营收已达每年 1050 亿美元(由 2025 年的 300 亿美元增长至 2026 年 8 月的 1050 亿美元)。作者认为若前沿 AI 保持每年 3 倍或每两年 10 倍的营收增速,可能在 6 年内达到全球经济的规模,因此密切监控这一“最关键数字”的走向。

    推荐理由:结合两家前沿模型厂商的营收数据,探讨了AI增长轨迹是否正在背离传统技术成熟规律。

  8. Hacker News AI43

    分析即合成:预防 AI 灾难的简要方法

    文章主张通过 Grenander 的 Pattern Theory 实现“分析即合成”,以生成式世界模型校验传感器信号,从而预防 AI 灾难。 该方法强调模型需生成假设并模拟潜在世界,将合成预测与观测读数对比,识别如导弹误报等虚假警报。 这弥补了当前 AI 缺乏世界模型的问题,使系统能基于因果逻辑而非单纯拟合数据做出安全判断。

11月14日周六
  1. R/ArtificialInteligence55

    更严的中国芯片管制真的能让 Anthropic 提价吗

    有帖子认为收紧中国芯片出口管制可削弱中国实验室低成本模型,缓解美国实验室降价压力,从而使Anthropic成为最大赢家并借此提价。作者反驳称OpenAI和Google等竞品会压价,且Anthropic自家IPO文件也明确将两者列为直接威胁;足够好用的低价模型和NVDA等开源开放权重模型同样限制提价空间,而Anthropic与NVDA的深度合作也意味着后者受扰对其同样是风险。

  2. IT之家52

    前 Anthropic 研究员考克森:当今重新训练 Mythos 模型只需最初算力的一小部分

    曾任职于 OpenAI 和 Anthropic 的研究员雅各布·考克森表示,Anthropic IPO 路演中展示的一张算力需求图表是促使他离职的重要原因。他认为该图揭示算法效率提升速度不断加快,使得重新训练今年春季推出的 Mythos 模型只需耗费最初算力的一小部分。考克森主张明年暂停前沿 AI 模型研发,认为此举将使达到人类水平的智能成为可以广泛获取的商品。

  3. 36氪80

    Claude 协助学者破译哥德尔笔记并挖出 440 条新定理

    芬兰赫尔辛基大学逻辑学家 Jan von Plato 及其团队借助 Claude 解析哥德尔 1940 年代的 1009 页手稿。Claude 在数天内生成 1084 页解读,梳理出 663 条定理雏形,经计算机科学家协助与形式化验证,其中约 400 条被确认成立。

    同一新闻,精选展示《AI 协助解锁哥德尔未公开笔记本,发现数百个被证明的定理》

  4. 36氪73

    腾讯组织调整:马化腾发出危机信号,姚顺雨推动混元体系重组

    腾讯11月11日司庆后,马化腾内部讲话中强调“不养闲人”,提出50%员工守主业、50%探索AI Native的新布局,引发“裁员50%”误传,后被否认。97年出生的姚顺雨空降腾讯接管混元大模型,通过撤销AI Lab、合并基础模型部、压缩数据冗余、跨部门调配人员,并在一年时间推动Hy4上线,实现参数与性能代际跃升。腾讯同时开启混元多模态团队人员更替与大规模招聘,组织扁平化与“换血型变革”加速推进。

    推荐理由:姚顺雨通过重组混元团队、打破部门墙、推动数据清洗与模型合并,让腾讯AI从落后状态快速产出Hy4并进入可被外部验证的第一梯队。

  5. LessWrong · All Posts21

    LessWrong 用户自述在 AI 生存风险面前感到无能为力

    一位意大利 AI 专业本科生承认,除保持信息关注外,无法对 AI 生存问题采取其他有效行动。作者指出自身缺乏资源、收入及学术优势,且意大利相关研究社区近乎空白,多数人仍停留在 GPT-4o 认知水平。 作者正通过阅读 LessWrong、METR 等机构内容保持信息同步,并尝试与家人朋友沟通,但效果有限。

  6. R/ArtificialInteligence43

    52分钟纪录片:聊天机器人是否具备元认知?从苏格拉底到海豚再到AI

    创作者通过测试开源AI模型在600道常识题上的表现,探讨其是否具备元认知。 模型在75%的情况下自信回答“100%确定”,但其中四分之一是错误答案;通过分析内部信号可更准确预测错误。 核心观点是AI实际认知超越其表面表达,建议在新对话中重复提问以验证答案一致性。

  7. Hacker News AI28

    理论物理学家分享使用 AI 智能体两个月的观察

    一位理论量子物理学家详细记录了过去两个月在研究中深度使用 AI 智能体(AI agents)的个人经验。 他指出,与 AI 智能体协作极大地提升了科研效率,让原本需要数周的工作在一下午内完成,并重塑了他对研究可能性的认知。 他认为 AI 将深刻改变理论物理学领域,并强调数学家已先期经历了类似的研究范式变革。

  8. Google Research85

    Google Research 发布 Antigravity /teamwork 多智能体协作功能及最新科研成果

    Google Research 宣布在 Antigravity 平台开放 /teamwork 多智能体协作功能,并展示了其在数学证明、分子化学发现及代码优化等领域的最新应用成果。

    推荐理由:原文展示了多智能体在数学证明、分子发现和代码迁移中的实际应用,读者可据此评估其在科研和工程领域的可用性。