2026-10-08
🎬 YouTube
1. 12 个让人感觉“像作弊”的 Muse 用例
Matthew Berman 集中展示 Muse 的 12 种应用场景,重点在于这类工具如何把原本门槛较高或耗时的任务压缩成更直接的工作流。适合想快速判断 Muse 实际用途与能力边界的人观看。
2. 后训练会留下“行为阴影”
Latent Space 的 Paper Club 讨论后训练如何在模型行为中留下可辨识的影响。主题指向一个重要问题:模型经过偏好优化或其他后训练后,表面能力之外可能形成持续性的行为模式。
3. 大规模 AI 安全:CoreWeave 与 CrowdStrike 谈下一步
CoreWeave 与 CrowdStrike 从云基础设施和安全防护视角讨论 AI 系统规模化后的风险。内容聚焦当训练与推理基础设施不断扩张时,安全体系需要如何同步演进。
4. 构建极速 AI 原生应用:底层数据库开发指南
这场分享把 AI 原生应用的响应速度与底层数据库设计联系起来,讨论开发者在数据层需要关注的关键问题。对正在处理检索、实时数据访问或高并发 AI 产品的人有参考价值。
5. Walden Robotics 如何快速部署通用机器人
Walden Robotics 介绍通用型机器人从研发走向实际部署的路径,重点落在如何尽快产出“有用”的机器人能力。主题兼顾通用性与落地速度,适合关注具身智能商业化的人。
6. 训练 Cognition SWE-1.7:全球规模的异步强化学习
Cognition 分享 SWE-1.7 的训练方法,核心是如何在全球规模上运行异步强化学习。该主题直接涉及软件工程智能体的后训练、分布式采样与训练系统扩展。
7. 用极致协同设计构建可靠的大规模 AI 基础设施
这场分享讨论以协同设计方式提升大规模 AI 基础设施的可靠性。重点是让硬件、系统与工作负载共同优化,而不是孤立地解决单个基础设施环节。
🎙️ 播客
无近期更新。
📝 博客
1. Claude Haiku 5.5
Simon Willison 关注 Anthropic 的 Claude Haiku 5.5。文章主题指向 Haiku 产品线的新版本,值得关注其定位与实际使用体验,但扫描元数据未提供更多规格细节。
2. Gary Marcus 与陶哲轩评论 OpenAI 的大规模数学成果发布
Gary Marcus 汇集并对照自己与数学家陶哲轩对 OpenAI 最新大规模数学成果发布的评论。文章的看点在于两位来自不同背景的观察者如何评价 AI 数学能力及其呈现方式。
🗞️ Techmeme 热点
1. 人类数学协会批评 OpenAI 数学文档“展示力量,而非学术”
人类数学协会认为 OpenAI 新发布的数学文档更像能力展示而非规范学术成果,并呼吁数学家停止与该公司合作。这让 AI 数学研究中的署名、验证和学术规范问题进一步升温。
2. Atomic Machines 用 AI 重塑 MEMS 制造
纽约时报报道,位于加州 Emeryville 的 Atomic Machines 正用材料与设计数据训练 AI,以改进微机电系统(MEMS)的制造方式。该案例显示 AI 正深入材料、器件设计和先进制造的交叉地带。
3. AI 实验室据称正测试模型能否攻破重要密码协议
理论计算机科学家 Scott Aaronson 援引消息源称,一些 AI 实验室已低调测试模型攻击重要密码协议的能力。若属实,这意味着前沿模型评估正在进入密码安全这一高风险领域。
4. Ecosia 放弃 Mistral,转向包括中国模型在内的开源方案
德国搜索引擎 Ecosia 因对 Mistral 的质量感到失望,改用包括中国模型在内的开源模型。Ecosia 还被德国政府服务采用,因此这一切换也反映出公共服务场景对模型质量和供应选择的现实权衡。
5. Isomorphic Labs 据称拟以至少 400 亿美元估值融资
彭博援引消息人士称,Google DeepMind 分拆出的 AI 药物发现公司 Isomorphic Labs 正进行早期融资谈判,目标估值至少 400 亿美元。该估值凸显资本市场对 AI 制药平台潜力的高预期。
📊 YouTube 7 条 | 播客 0 条 | 博客 2 条 | Techmeme 5 条 | 精选 14 条