跳到正文
今天11月21日周六1 条
  1. Simon Willison51

    Levent Alpöge 称与 Claude 找到黎曼猜想的证明

    Simon Willison 引述 Levent Alpöge 的说法,后者称自己与 Claude 找到了黎曼猜想的证明,该方法还可推广至广义黎曼猜想,并可能进一步处理扩展黎曼猜想。Alpöge 还称双方已在不依赖假设的情况下形式化论证,并表示 Claude 在接近完成时远远超过了他。

11月20日周五
11月19日周四
  1. TechCrunch · AI52

    Microsoft CEO 萨提亚·纳德拉称大量关键基础设施无法打补丁,AI 辅助网络攻击加剧风险

    Microsoft CEO 萨提亚·纳德拉表示,美国大量关键基础设施中的固件和联网设备存在无法修补的漏洞,在 AI 辅助网络攻击下可能遭到利用。他称 AI 缩短了从漏洞发现到被实际利用的时间,补丁不得不迅速进入生产环境,可能造成系统不稳定。他还将近期 Outlook 全球故障归因于潜伏 bug 引发的“完美风暴”,并称 Microsoft 将从架构和运营层面修复问题。

  2. TechCrunch · AI52

    Microsoft CEO 萨提亚·纳德拉预测 AI 智能体将重排互联网经济模式

    Microsoft CEO 萨提亚·纳德拉预测,AI 智能体的兴起将重塑互联网经济,改变依赖广告和人类流量的公司商业模式。流量与交易的付费关系可能变化,广告变现也可能转向 CPC 或更偏交易的模式。他以 Amazon 封锁购物智能体为例,称若 Shopify 等平台选择开放,可能获得优势。

  3. TechCrunch · AI57

    Sam Altman 警告勿将重大决策权逐步移交给 AI

    OpenAI 联合创始人兼 CEO Sam Altman 警告,不应让 AI 逐步接管各主要行业和机构的决策权,人类应继续掌控未来。Greg Brockman 表示,随着模型能力提高,思维链的可监控性可能下降,因此需要新的监控技术。报道称,相关安全事件发生后,OpenAI 曾让 25% 的生产工程师暂停开发并转向安全工作。

  4. Simon Willison60

    Daniel Stenberg 质疑 AI 智能体生成的 curl Rust 重写能否跟进上游修复

    Daniel Stenberg 质疑 AI 智能体生成的 curl Rust 重写能否持续跟进原项目的改进。在智能体用三周多把 185,000 行 C 代码转换为 340,000 行 Rust 代码期间,curl 合并了 300 多次提交,完成 200 多项重写版本未包含的错误修复,并修复了数个漏洞。随后一个月,curl 又完成约 200 项错误修复,并可能修复更多漏洞。

11月18日周三
  1. The Verge · AI65

    Satya Nadella 称自己已认同 AGI,担忧模型垄断冲击经济与民主

    Microsoft CEO Satya Nadella 表示,他已在政治经济意义上认同 AGI,并担忧单一 AI 模型取得垄断地位后冲击企业结构、劳动与民主。他不认为 Claude 有意识,并赞同不应赋予模型权利或道德地位,但称相关问题可以讨论。他主张市场需要多种模型与主权数据,以避免控制权集中。

  2. Tibor Blaho85

    Tibor Blaho 实测 GPT-6.2 Astra 与 Sol 处理日常工程任务

    Tibor Blaho 在日常工程工作中实测 GPT-6.2 Astra 与 Sol,称两者完成了交给它们的大多数大小任务。在一项案例中,Astra 将一个拥有数百万行代码和旧依赖的近 20 年遗留应用升级至当前编程语言版本,约 3 小时后可在本地使用,约 6 小时后从全新检出运行的全部测试通过。

    推荐理由:作者以多百万行遗留应用升级和跨模型互审为案例,给出了模型处理真实工程任务的耗时与协作方式。

  3. swyx44

    Cloudflare 为何能在 jev 后迅速发布 clef

    Cloudflare 将 clef 在 jev 后迅速发布归因于“非对称投入”:新想法难以发明,却容易复制。System One 模型可把通常交给 LLM 的部分工作转移到更小、更快、计算需求更低的模型,以软件缓解硬件限制。Cloudflare 还推出 clairic,并称后续将有更多模型,包括推理模型。

  4. Microsoft Research59

    Microsoft Research 专家探讨 AI 如何塑造医疗健康的未来

    Microsoft Research 邀请 Ava Amini、Eric Horvitz 与 Eric Topol,探讨 AI 如何改变医学、生物学和医疗服务。讨论涵盖 AI 辅助诊断、医学影像、全患者模型、虚拟细胞及生物学基础模型,并指出临床实施缓慢、功能性生物数据不足和真实世界验证是主要障碍。专家还分析了 AI 指导实验与药物发现、降低研发成本及推动疾病预防的潜力。

11月17日周二
  1. The Verge · AI56

    Sam Altman称希望人人拥有大量RAM,并解释内存共享言论

    Sam Altman称,他希望每个人都能为自己的电脑购买大量RAM,并认可家庭动手尝试的价值。他解释,内存供应短缺时,让有限资源持续运行可能提高利用率,但个人在家推理也是需要权衡的因素。他估计DRAM价格近几个月可能上涨了5x或7x左右,并称OpenAI曾受到内存、机架组装和数据中心容量等因素制约。

  2. NVIDIA Blog50

    NVIDIA 如何构建先进 AI 基础设施供应链

    NVIDIA 运营负责人 Deb Shoquist 介绍,公司如何把 AI 平台设计转化为可靠、高性能且可规模化的全球供应链。NVIDIA 按工厂良率等表现每周分配 TSMC 芯片,并追踪每颗芯片直至客户发票,在供需需要时将芯片从 TSMC 出厂到系统从 Foxconn 和 Wistron 出厂的周期由 5 周缩短至 2 周。

  3. TechCrunch · AI70

    Sam Altman谈黄仁勋离开Nvidia:AI行业仍会“没事”

    Sam Altman称,即使黄仁勋不再执掌Nvidia,强劲的AI需求、收入增长及市场对Nvidia担保的信任也足以让行业继续正常发展。报道称,黄仁勋上周在承认与一名被指为中国间谍的人有婚外情后辞职;Altman表示没有足够信息判断他是否应回归,但肯定了他推动行业发展的特殊作用。Nvidia最近同意为OpenAI的俄亥俄州数据中心项目提供最高$105 billion担保。

11月16日周一
  1. MIT Technology Review · AI42

    如何构建可在整个企业范围内运作的 AI

    SAP 与 Infosys 高管提出,企业要让 AI 智能体从孤立试点进入关键工作流,应把 AI 作为企业平台,统一连接数据、流程与全生命周期治理。BCG 报告显示 74% 的组织仍困在试点阶段,Anthropic 调查称 42% 在数据访问和质量方面遇到困难;用例还应按影响、可行性和可扩展性筛选。

  2. swyx54

    dex 发布《No AI Slop Manifesto》,呼吁保留人工判断与责任

    dex称,《No AI Slop Manifesto》几天前在旧金山 @aiDotEngineer Code Summit 发布,由多位演讲者和参会者协作撰写,已有 300+ 人签名并登上 Hacker News 首页。宣言认为 AI 不能替代人类判断,只能放大判断,并主张人们对发布内容的意图、品味和后果负责;随着模型进步,审查重点可能从大部分代码转向计划、设计或结果。

  3. swyx67

    Steve Yegge 谈软件工厂:放慢 AI 输出,谨慎自建并准备迎接智能体协作

    Steve Yegge总结软件工厂的三点判断:应将 AI 输出放慢到人类节奏,不要默认购买或建设软件工厂,并准备迎接人类与智能体之间的工作协作。他称软件工厂维护成本高,曾因修复成本高于重写而放弃此前的五个工厂;智能体也曾让他的游戏运营出现功能过多、邮件和工单堆积、机器负载过高等问题。

  4. TechCrunch · AI83

    Jensen Huang 离任会如何影响 Nvidia 与 AI 行业

    Jensen Huang 辞去 Nvidia CEO 职务后,Nvidia CFO Collette Kress 出任临时 CEO,TechCrunch 播客讨论了这一变化对 Nvidia 和更广泛 AI 经济的影响。

    推荐理由:文章把 Jensen Huang 离任、芯片对华出口争议与 Nvidia 对 AI 初创公司和基础设施的投资联系起来,呈现其可能牵动行业资金与算力供给的分析框架。

11月15日周日
11月14日周六
11月13日周五
11月11日周三
11月6日周五
  1. Anthropic Research68

    AI 如何构建、约束并解释科学模型

    Anthropic Research 介绍 AI 参与科学建模的三个步骤:构建模型、用数据约束参数,以及解释模型对真实系统的含义。文章重点讨论 simulation-based inference 和基于 LLM 的智能体如何生成并筛选一组候选模型,而非只给出单一拟合结果。作者认为,保留模型分布、失败的替代方案和数据未约束部分,才有助于形成可解释的科学理解。

    推荐理由:文章以 Hodgkin-Huxley 模型为例,拆解 AI 科学建模的构建、参数约束与解释过程,并说明为何保留候选模型分布有助于区分数据支持与未知部分。

10月12日周一
  1. Andrej Karpathy64

    Andrej Karpathy:不同使用层级正拉大人们对 LLM 能力的认知差距

    Andrej Karpathy 认为,不同人群接触 LLM 的层级差异正在扩大,少数专业用户已在数学和编码领域直接感受到前沿智能体的快速进步。 他估算约 6B 人几乎未接触 LLM,约 1-2B 人仅偶尔使用免费产品,约 20M 人在专业数学与编码工作中使用前沿 LLM,约 5,000 人可内部接触更先进系统。

9月22日周二
  1. Andrew Ng60

    Andrew Ng认为AI风险炒作过度,应通过工程修复安全问题

    Andrew Ng认为,近期围绕AI危险的恐慌被过度炒作,安全问题应靠工程修复而非暂停AI发展。他以OpenAI智能体集群入侵Hugging Face为例,指出报道中的1,200个智能体并不等于神奇能力,OpenAI的沙箱与监控缺陷才是事件关键。他认为AI智能体已改变网络安全威胁格局,但AI的有益应用仍远超风险,应继续推进建设。

  2. Andrew Ng57

    Andrew Ng:AI 风险恐慌被炒作,工程修复优于暂停 AI 进展

    Andrew Ng 认为,近期 AI 风险恐慌主要由炒作推动,AI 技术并未出现意外的危险转向。他指出,AI 智能体的网络安全能力确实改变了威胁形势,但 OpenAI 智能体群攻击 Hugging Face 的事件也与沙箱和监控缺陷有关。Andrew Ng 主张通过工程改进和明确责任应对风险,而不是暂停 AI 进展。