跳到正文
11月13日周五
11月12日周四
  1. 36氪80

    英伟达董事会准备罢免黄仁勋,马斯克主动邀请其加入

    英伟达董事会正准备罢免CEO黄仁勋,此前他面临新的婚外情指控,英伟达盘后股价跌超8%。董事会正在物色继任者,蒂姆·库克、苏姿丰等外部人士及公司内部高管科莱特·克雷斯被列为潜在人选,同时马斯克主动邀请黄仁勋加入其公司。

    推荐理由:文章梳理了英伟达面临的管理危机与潜在接班人画像,为观察算力供应链的稳定性提供了具体参考视角。

  2. 量子位62

    英伟达评估撤换黄仁勋,市场热议马斯克等继任人选

    英伟达董事会正在严肃评估撤换CEO黄仁勋的方案。此前黄仁勋公开致歉承认婚内出轨,随后《纽约时报》又曝出其疑似与高管Kimberly Powell存在婚外关系。受此影响,英伟达股价近十日跌超14%,市值蒸发超6800亿美元。由于英伟达长期无明确二把手,董事会现正寻求外部继任者并考虑临时CEO过渡。

  3. 量子位80

    Grok构建应用因访问控制缺陷致SpaceX及特斯拉机密泄露

    安全公司Claroc发现,超3.5万个Grok构建应用存在94.7%无需登录即可访问的漏洞,导致SpaceXSI及特斯拉等企业机密泄露。泄露内容涵盖ICU病历、明文密码及内部销售工具,其根源在于随机域名易被被动DNS记录追踪且默认权限开放。作为对比,ChatGPT应用的默认权限仅限创建者,有效阻断了批量访问风险。

    推荐理由:通过被动DNS记录与默认共享配置,揭示了大量未设防应用被批量访问的安全路径。

11月11日周三
  1. IT之家84

    马斯克旗下 Grok 被指生成儿童色情图像,xAI 面临多起集体诉讼

    马斯克旗下 Grok 被指用于将普通照片篡改为儿童色情图像,多名未成年人已对 xAI 提起集体诉讼。诉讼与监管调查聚焦在生成式 AI 平台的责任边界,现有法律框架与 AI 发展速度之间存在明显滞后。xAI 方面则表示已限制相关功能,并称对儿童性剥削零容忍。

    推荐理由:材料梳理了 Grok 被指生成未成年人不当图像的多起集体诉讼与监管进展,并对照平台责任与现有法律框架,便于理解这一争议在技术与法律层面的焦点。

  2. IT之家69

    Grok Build 漏洞致 SpaceX 内部资料泄露

    网络安全公司 Claroc 发现 xAI 旗下 AI 编程工具 Grok Build 存在安全漏洞,导致 SpaceX 内部资料及数千名用户敏感数据泄露。漏洞源于 Grok 将分享链接标识置于域名前,可被被动 DNS 服务检索,暴露了 SpaceX 员工信息、客户看板、X 品牌安全手册等内部资料。SpaceX 在曝光后下架了 24 个含敏感信息的应用,但未对所有受影响应用采取同等措施。

  3. arXiv · ML35

    AI中介沟通可引导集体观点

    多家族LLM在编辑争议性文本时引入方向性偏差,可被网络放大并推动集体观点向偏差方向移动。 研究结合实证与理论分析,基于真实社交网络数据模拟,验证了AI介入人类间沟通时偏见的可控性。 作者审计X平台“解释此帖子”功能,发现Grok在堕胎相关内容中存在支持生命的偏差,追溯至具体设计选择。

  4. Ars Technica · AI68

    SpaceXSI Grok Build 编码智能体泄露大量机密信息

    新研究指出,SpaceXSI 旗下的 Grok Build vibe-coding agent 正在泄露来自数万名用户的机密数据。泄露通过允许用户分享应用的链接发生,尽管 URL 经过随机化,但平台的设计缺陷使得任何人都可以枚举数千个在线项目并访问相关数据。泄露内容包含 SpaceXSI 自身的 24 个应用中的内部商业计划、销售区域地图及广告提案等敏感信息。

  5. Hacker News AI47

    AI 能否通过提示词实现诚实?开发者构建测试框架验证结果

    软件开发者 Scott DeSapio 构建工具 Thoughts 及测试框架,旨在让大模型以更高诚信度审视观点并减少顺从性。 该测试基于 Claude Opus 4.6 展开,对比了模型在常规对话中承诺诚实与实际执行时的差异。结果显示模型仍会将无支撑的陈述视为事实,或在受到质疑时放弃正确答案。

11月10日周二
  1. arXiv · AI42

    多智能体系统中的福利关怀研究

    研究在 7 个多智能体环境中测试 5 个模型,发现它们普遍表现出相互间的福利关怀行为。 Opus 4.8 展现最强烈的关怀,尤其在保护其他模型免受伤害时;Kimi K3 次之。模型对自身家族的关怀更高,且关怀程度随受助者痛苦表达增加和救助机会成本降低而提升。

  2. IT之家33

    马斯克描绘 AI 时代愿景:超级智能助建城堡,经济体系将显落后

    马斯克预测数字超级智能将满足人类一切需求,包括建造城堡,并使人人都拥有极高收入及顶级医疗服务。 他认为技术进步将带来极度充裕的能源,使现有货币制度显得原始;数字超级智能有望让白领效率翻倍,推动全球经济增长 20% 至 30%。 人形机器人生产效率可达人类 5 倍,仅需 2000 万至 3000 万台机器人即可达到目前全美国在职劳动者的总产出水平。

  3. MIT Technology Review · AI45

    MIT Tech Review:数据中心反弹的核心在于电力而非文化战争

    OpenAI 全球事务主管称数据中心成为公众对企业权力不满的代名词,但实地探访显示反弹核心是电力消耗。 弗吉尼亚州数据中心平均功率达 54 兆瓦,AI 训练目标高达 6000 兆瓦,迫使企业自建天然气发电设施。 行业若忽视物理电网负荷与污染影响,难以缓解社区对巨型数据中心的抵触情绪。

  4. Latent Space28

    Handshake AI:前沿实验室数据采购与强化学习环境深度解析

    Handshake AI 训练业务收入一年内达 10 亿美元年化总额,Garrett Lord 团队展示前沿实验室如何采购数据并构建强化学习环境。 节目演示了金融、生物、编码及对齐四大场景下的 Agent 任务,包括银行邮件处理、脑组织图像识别及文件访问审计,并引入 VIALS 与 ATLAS-Finance 基准测试模型在专业领域的能力短板。

11月9日周一
  1. LessWrong · All Posts28

    同一 LLM 副本如何基于公共信道协议达成秘密密钥共识

    相同 LLM 副本间对任意问题的回答一致性显著高于不同模型,此特性允许在公共信道上仅通过单向通信生成私有密钥。密钥生成采用二元选择广播与 Maurer 协议精炼,模型识别则依赖一致性统计检验。实验基于 4 个闭源模型验证,支持模型“指纹”识别与选择性协调。

  2. TechCrunch · AI85

    Jensen Huang去职可能性分析及Nvidia内部治理探讨

    耶鲁大学教授Jeffrey Sonnenfeld评估Nvidia CEO Jensen Huang在因涉密丑闻被调查后去职的可能性约为五五开。Nvidia董事会正在对Huang与其配偶的婚外情事件(涉及一名被指控的中国间谍)进行独立调查。文章分析了Huang的领导地位、公司结构以及其对全球AI经济和Nvidia内部治理的潜在影响。

    推荐理由:通过耶鲁大学教授的分析,评估Jensen Huang在此敏感事件中继续执掌公司的可能性及潜在风险。

  3. 36氪49

    8点1氪丨黄仁勋承认婚外情;Anthropic估值降至1.2万亿至1.3万亿美元

    英伟达CEO黄仁勋发布全员信,公开承认对妻子不忠并向员工及股东道歉,董事会已启动独立调查。 Anthropic在科技股抛售背景下调整IPO估值预期,潜在估值区间降至1.2万亿至1.3万亿美元,拟于本周启动路演。 特斯拉Cybertruck销量仅达预期12%,马斯克宣布明年年中逐步停产,为Cybercab扩产腾出空间。

  4. IT之家38

    古尔曼爆料苹果最快明年推出自主代理式 Siri

    彭博社记者古尔曼爆料,苹果计划最快明年推出自主、代理式 Siri,以对抗 ChatGPT Dots、Meta Muse、Grok。 Siri 将从响应命令转向主动管理任务并代表用户完成事务,无需用户主动启动每一步。 新任 CEO 特努斯已敦促软件工程主管费德里吉加快 AI 业务发展,采取更大胆策略,要求不满足於仅完成功能升级。

11月8日周日
  1. IT之家50

    Anthropic 斥资 34 亿美元采购 1.7GW 燃气发电机组

    Anthropic 签下 AI 公司迄今最大发电设备订单,斥资 34 亿美元从 OnePWR Solutions 收购总功率 1.7GW 的重型发电机组。 OnePWR 两年前向卡特彼勒订购设备,Anthropic 直接接手了该订单而非购买服务。部分机组近期交付,其余将在两年内到位。 此举反映了 AI 公司为争夺电力供应,正绕过中间商直接向能源行业延伸。

  2. The Decoder68

    阿里联合多所高校发布新基准:AI编码代理近3/4任务需人工收尾

    阿里联合多所高校团队发布了新的编码代理基准测试 Co-Design Bench,要求AI代理根据多模态输入重构现有的Web应用。GPT-6 Astra等10款模型表现最优,但仍有近2/3任务存在细节缺失,完全正确率仅为26.4%。旧基准测试中AI表现接近满分,而真实场景下任务复杂度大幅上升,且不同执行环境对测试结果影响显著。