2026-07-11
🎬 YouTube
1. Dwarkesh Patel：The strange coincidence that led Einstein to general relativity – Adam Brown
这期来自 Dwarkesh Patel 频道，标题指向 Adam Brown 对爱因斯坦广义相对论形成过程的讲述。重点不是模型发布，而是科学发现中的“偶然线索”：一个看似奇怪的巧合如何把物理直觉推向新的理论框架。适合当作 AI 之外的高质量认知材料，补充对科学创造过程的理解。
2. AI Explained：A Model Explosion: GPT 5.6 Sol, Grok 4.5 and Meta Muse Rewrite the Rules
AI Explained 更新了一期模型格局综述，围绕 GPT 5.6 Sol、Grok 4.5、Meta Muse 等新模型展开。标题判断这是一期“模型爆发”式盘点，重点可能在能力迭代、产品定位和多家大厂路线对比。适合快速了解最近模型叙事的变化，但需要结合一手发布信息交叉验证。
🎙️ 播客
无近期更新。
📝 博客
1. Simon Willison：Quoting Nilay Patel
Simon 摘录了 Nilay Patel 在 The Vergecast 中关于 AR 眼镜和隐私的判断：真正可用的增强现实眼镜需要持续摄像、实时处理用户视野，而当前功耗和算力条件几乎必然把数据送上云端。Nilay 的核心观点很尖锐：如果“下一代计算设备”必须以大规模侵犯隐私为代价，也许就不应该做。这个摘录把 AI、AR、端侧算力和社会级隐私权衡放在了同一个问题里。
2. Cory Doctorow：Rights for robots and the AI slavery fantasy
Cory Doctorow 这篇文章批判“机器人权利”和“AI 奴役”叙事，认为它掩盖了 AI 产业背后的真实劳动关系。文章强调，许多所谓自动化其实依赖低薪“human in the loop”，只是这些劳动者被外包、隐藏，变成“魔法般”的 AI 能力。它把 AI 泡沫解释为一种管理幻想：老板希望消除会质疑、会反抗、需要工资和休息的人。
3. Giles Thomas：Building intuition about LLM parameter counts
Giles Thomas 用 GPT-2 架构解释 LLM 参数量直觉：在一个 embedding 维度为 768、词表 50,257 的设置里，输入 embedding 和未 tied 的输出 head 各自就是 3,800 多万参数。作者发现一个 1.63 亿参数的小模型里，输入和输出组件就接近一半参数，而 FFN 参数也明显多于注意力层。文章还提到他让 GPT 5.6 Sol 在 Codex 中写了一个参数量可视化器，用来比较 embeddings、attention、FFN、output head、weight tying 和 QKV bias 对参数分布的影响。
🗞️ Techmeme 热点
1. 研究：百万社媒长文中约四分之一完全由 AI 生成
Pangram Labs 分析了 4 月 24 日到 6 月 30 日超过 100 万条社交媒体帖子，发现 250 字以上长文中约 25% 完全由 AI 生成。在 LinkedIn 上，这一比例达到 41%，说明职业内容平台正在快速被 AI 文本重塑。
2. OpenAI 安全负责人 Johannes Heidecke 离职
Wired 报道称，OpenAI 安全负责人 Johannes Heidecke 将离开公司，同时 OpenAI 正在整合研究团队和安全团队。Mia Glaese 将出任 research and safety 副总裁，这意味着 OpenAI 的安全治理结构继续向研究体系内部合并。
3. Thinking Machines Lab：目标是让人和组织塑造自己的 AI
Thinking Machines 表示其使命是构建人和组织能够“塑造并据为己用”的 AI，并强调 AI 应该“延展人的意志和判断”。这个表述延续了他们对可控、可定制 AI 系统的定位，和纯粹追求自治代理的叙事有所区分。
4. Meta 停用用公开 Instagram 账号生成图片的功能
Meta 表示将停止一项功能：用户可在 Meta AI 中基于公开 Instagram 账号生成图片。该功能遭到数日批评后被下线，核心争议集中在肖像、同意权和公开社交资料被模型功能再利用的边界。
📊 YouTube 2 条 | 播客 0 条 | 博客 3 条 | Techmeme 8 条 | 精选 9 条