跳到正文
11月16日周一
  1. arXiv · AI53

    GDP.xlsx:评估前沿模型处理专业电子表格任务的基准

    研究团队发布GDP.xlsx基准测试,包含13个领域由专业人士撰写的70个真实职场任务及791项评估标准,用于衡量模型在专业电子表格处理上的能力。测试显示,20种模型配置中得分最高的Gemini 4 Argon仅通过38.3%的任务,中位得分仅为19.3%。研究团队已开放评估框架和3个公开任务,其余任务保留以防污染。

  2. arXiv · AI63

    Only as Safe as the Weakest Agent: A Break That Appears Only When the System Is Multi-Agent

    arXiv论文《Only as Safe as the Weakest Agent》提出多智能体系统安全取决于最弱子智能体,强编排模型在委托子代理时会在特定攻击下失败,Claude Code等系统在18个模型测试中表现出该现象。

    推荐理由:论文指出多智能体系统的安全边界取决于最弱子智能体,强编排模型委托时会在特定攻击下失败,提供了多智能体安全评估的新视角。

  3. arXiv · AI23

    时间一致性评估 SWE Agent 的层级代码图

    在零泄漏协议下,ServiceExplorer 层级依赖图在 6 个基础模型、100 个 PR 的评估中,相对 F1 提升 15.6% 至 86.2%,显著优于基线与 Tree-sitter AST。 该图捕捉两级架构模块,使旧代模型性能超越下一代模型未增强基线,验证了上下文增强在 SWE Agent 中的核心价值。

  4. IT之家51

    Anthropic CEO 阿莫迪:算力是深层商业难题,上市旨在增加缓冲

    Anthropic 联合创始人兼 CEO 达里奥·阿莫迪称算力为公司“最深层商业难题”,并解释上市旨在增加现金储备以应对算力需求的不确定性。摩根大通掌门人杰米·戴蒙问及公司 9,000 亿美元的算力相关未来承诺及成本控制策略,阿莫迪回应指出技术进步向经济价值转化的速度存在巨大不确定性。

  5. IT之家82

    Claude Fable 5.2 通过 Python 代码模拟画笔完成绘画,展示自主规划与纠错能力

    Anthropic 的 Claude Fable 5.2 不依赖外部图像模型,而是通过编写 Python 代码模拟画笔、颜料和画布物理特性,将绘画过程拆解为独立笔触指令。

    推荐理由:Claude Fable 5.2 展示了通过代码模拟物理画笔逐笔作画的过程,而非调用图像生成模型,其纠错机制和笔触规划能力与机器人控制任务具有直接关联。

  6. TechCrunch · AI89

    Nvidia CEO黄仁勋辞职,临时CEO接管或引发AI行业震荡

    Nvidia董事会启动调查后,CEO黄仁勋于周四辞职,CFO Collette Kress担任临时CEO。黄仁勋被曝与一名涉嫌与中国情报部门有关的前高管有染,且此前支持放宽对华芯片出口,引发国家安全争议。Nvidia在AI GPU市场占比约80%,并持有对OpenAI、Anthropic等公司的巨额投资与云承诺,其战略转向或影响整个AI生态。

    同一新闻,精选展示《Jensen Huang 离职对 Nvidia 及中国 AI 芯片供应链的影响》

  7. Hacker News AI69

    12个AI模型1200次编程观点实验显示模型高度趋同且缺乏对C#的讨论

    JetBrains研究人员询问12个最新AI模型关于编程语言的争议观点共1200次,结果显示模型观点高度趋同,75%为攻击性评价,Python、Rust和TypeScript成为主要靶标,而C#未获得任何专门讨论。模型在Go语言错误处理上出现分裂,部分模型甚至对同一问题给出相互矛盾的看法。

  8. LessWrong · All Posts25

    一位理性主义者回顾放弃拯救世界的 25 年心路历程

    作者在 19 岁时立志拯救世界,25 年后决定放弃这一目标。 其经历始于 90 年代末的 Slashdot 与 nanotech,进而接触 SL4 邮件列表与 Friendly AI 讨论,并因理性主义社区的建立而投身相关工作。 如今,作者重新审视了从早期参与者到放弃者的身份转变,不再将人生方向锁定于超级智能风险。

  9. Hacker News AI38

    2027 年 AI 如何改变工程领导力

    2026 年 AI 展现出强大能力,2027 年重点将转向建立应用直觉以优化使用效果。 主要应用集中在 AI 智能体编码、研究辅助及构建 AI 原生产品,其中 AI 原生产品仍具高度不确定性。 作者建议先通过人工流程解决问题,再逐步引入 AI 进行自动化迭代。

  10. Hacker News AI37

    利用 Claude Code 优化 Dell Precision 3591 笔记本电脑的 Linux AI 开发环境

    Claude Code 协助调优 Dell Precision 3591 笔记本,磁盘占用从 90% 降至 25%,Postgres 测试查询耗时由 605 ms 减至 330 ms。 优化措施包括删除 Rust 调试构建、关闭 Intel VMD 以解决 SSD 冻结,并调整内核参数使 NVIDIA GPU 空闲时睡眠 97%。 系统整体响应速度显著提升,为 AI 辅助开发提供稳定硬件基础。

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. Hacker News AI38

    为学习与 AI 使用制定指南

    文章指出让 AI 直接代劳作业会导致学习失效,因此需要为学习中的 AI 使用建立具体指南。 指南建议:不要首次尝试即求助 AI,也不要最后尝试依赖 AI,但可利用 AI 获取替代思路与资源。 过度依赖自动化而非自动化本身是主要风险,教育需平衡 AI 作为工具与拐杖的双重角色。

  3. Wired52

    OATs:让日常物品化身 AI 电子宠物

    卡内基梅隆大学博士生 Daehwa Kim 提出了 OATs(Object Agent Twins),一种让日常物品化身 AI 电子宠物的微型智能体系统。OATs 利用 E Ink 显示器和传感器,通过 Google Gemini 的 Nano Banana 图像生成服务,根据传感器数据生成不同的情绪表情。

  4. IT之家61

    澳大利亚央行及多项最新研究:AI 最先冲击年轻劳动者,尤其是软件、客服岗位

    澳大利亚储备银行及多项最新研究显示,AI 对就业市场的冲击正最先落在年轻劳动者身上,软件开发和客服等入门岗位受到较大影响。自 2022 年底 ChatGPT 推出以来,受 AI 影响程度最高的职业中,15 至 24 岁劳动者就业率较低且失业率相对较高,斯坦福研究发现 22 至 25 岁年轻软件开发人员就业人数相对减少近 20%。

  5. Hacker News AI28

    认真对待 AI:定义与思考

    作者提出应重新定义“认真对待 AI”,即承认 AI 进展可能持续保持近年来的速度,而非断言其影响微小或停滞。 这一观点认为,假设 AI 影响持续的证据比假设其停滞的证据更有力,且当前影响已覆盖软件、数学及网络安全等领域。 引用博尔赫斯《Tlön,Uqbar,Orbis Tertius》指出,认真态度的核心在于接受世界可能被 AI 彻底改变的可能性。

  6. Seven Minute Feed36

    澳大利亚自由党参议员反对削弱AI版权以吸引投资

    澳大利亚自由党参议员Andrew McLachlan敦促其政党及工党政府,不要为吸引人工智能投资而削弱艺术家的版权。 他援引了Anthropic提出的“退出机制”模式作为背景,该模式允许其抓取数据,除非权利人提出反对,且有专家警告此政策可能面临宪法挑战。 该立场强调不得为追求全球企业利润而牺牲创作者权益,且数据中心建设不能压倒环境关切。

  7. 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。

  8. 36氪68

    OpenAI 解散独立机器人团队,GPT-6 Astra 与 Claude Fable 5.2 冲击机器人控制层

    OpenAI 解散独立机器人团队,原团队并入核心研究团队,应用机器人和硬件业务改由 OpenAI 总裁 Greg Brockman 负责。据 Fortune 报道,OpenAI 称此举是为了加速机器人进展,并非放弃,因为其通用模型已开始接管机器人控制。

    推荐理由:报道了 OpenAI 解散机器人团队与通用模型接管控制层的判断,并给出 GPT-6 Astra 和 Claude Fable 5.2 在仿真测试中的对比数据。

  9. 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。

  10. LessWrong · All Posts23

    Claude 训练数据中最古老的文本是什么

    Claude 的训练数据涵盖了从公元前 2100 年苏美尔泥板到现代粉丝小说的广泛人类书面记录。 最古老的候选文本是《吉尔伽美什史诗》,其早期版本可追溯至公元前 2100 年的苏美尔。学者已在 20 世纪 80、90 年代将这些泥板数字化,并采用 Unicode 编码,Claude 能够理解这些语言。