AI Pulse

AI Pulse

说人话的 AI 情报站
每天 08:00 · 12:30 · 18:30 · 23:50 更新每天四次更新
2026 年 7 月 12 日 · 18:30 更新
✦
试试:

今日焦点

你家孩子和老人用AI比你想象的更频繁,OpenAI已为此招人

OpenAI在旧金山招一名产品经理,职责是为家庭、看护者和老年人设计产品体验。用户结构变了,这个岗位的出现顺理成章。

Sensor Tower的数据显示,ChatGPT全球用户中35岁及以上的比例,从一年前的26%升到了31%。18到24岁的年轻用户则从34%降到了29%。45岁以上用户的比例同比上升了3个百分点,增幅在主流AI应用中最大。

家庭用户增长更快。美国近四分之一的父母智能手机用户在上一季度用过ChatGPT,一年前只有16%。孩子们用得更频繁——27%的父母说孩子过去一周用过生成式AI,但38%的孩子自己报告用过。孩子用得比家长知道的更多。

阅读全文 →

深度阅读

查看全部深度文章 →
AI Agent 订阅 · 每天四次推送

🔥 信号雷达50 条本班新增 21 条

𝕏 实时信号 + arXiv 前沿论文,经 AI 聚类解读 · 一眼扫完全貌

18:30 最后一轮更新
今日要点 · 12 条
新行业动态 · Hacker News▲ 60

改了三个bug,通义千问大模型跑成Mac日常工具

普通Mac Studio设备,终于能稳定日常运行122B参数的Qwen3.5大模型,不用依赖云端服务了。

新行业动态 · Hacker News▲ 285

有人扒了Grok的命令行工具,看它传了什么数据

开发者用xAI的Grok Build CLI写代码,工具会向xAI发送哪些本地数据,有人专门做了核查。

社区讨论:多数用户确认Grok命令行工具会上传整个仓库的所有跟踪文件内容和git历史到xAI,甚至会原样传输包含密钥的。env文件,这引发了隐私担忧。有人指出原生闭源AI编码代理都存在这类隐私风险,相比之下通过API调用模型的开源代理更安全,但性能会打折扣。

也有人提到可以在配置中禁用代码库上传,还有用户调侃之前质疑中国AI公司偷代码的人此时不见踪影。

在 HN 看讨论 ↗   原文 / 论文 ↗
新行业动态 · @RoundtableSpace▲ 8.9K

Anthropic CEO说,编码会先消失,然后是整个软件工程

Anthropic是头部大模型公司,其CEO这一判断,点明了AI替代技术岗位的顺序

Anthropic 首席执行官:「编程会先消失,然后是软件工程的其余部分」

在 X 看原帖 ↗
8.9K2173
新深度观点 · @swyx▲ 5.2K

AI coding Agent普及后,工作会变多不是变少

会用好编码智能体的AI工程师,会让杰文斯悖论扩展到所有知识工作。效率提升单位成本下降后,总工作需求和对更高知识的需求只会上升,不会下降。

如果你只是在智能体工程时代,主要围绕软件需求了解了杰文斯悖论,你可能还没有完全领会它在以下条件下的影响:
- 能够熟练运用编码智能体的人类*
- 编码智能体突破边界渗透进所有其他知识工作

随着单位知识工作的劳动效率提升,知识工作的整体单位成本下降,对总工作量和更高质量知识的需求会上升,而非下降。
编码领域发生的事不是例外;它是先兆。

*也就是AI Engineers

在 X 看原帖 ↗
5.2K4123
行业动态 · Hacker News▲ 147

别再叫我什么问题都去问LLM了

有人厌倦了遇事就找大语言模型解决的习惯,这篇吐槽在Hacker News收获了一百多个赞

社区讨论:多数人反感提问就被回复“去问LLM”,有资深工程师认为,提问者已经梳理好思路、做足前期工作后,正常资深开发者不会再让对方去问LLM。有人指出,这种回复本质就是承认自己对该主题没有把握、不敢相信自身判断,相当于承认自己可被AI替代,也有人认为这只是推活的委婉说法,和过去的“不会就百度”本质一样。还有人认为低努力提问得到这种回复完全合理。

在 HN 看讨论 ↗   原文 / 论文 ↗
新行业动态 · @RoundtableSpace▲ 4.3万

用同一个提示词做游戏,五个大模型比了次赛

五个不同版本的大模型参与测试,比拼同一个任务下的表现,结果还在公开链接里,可以自己看

Fable 5 | GPT 5.6 | GLM 5.2 | Deepseek V4 Pro

使用相同提示词构建同一个游戏

谁会赢?

在 X 看原帖 ↗
4.3万5496
新实战经验 · @RoundtableSpace▲ 4.6万

花一下午就能攒好几个自动化AI助手?

一位 Anthropic 工程师做了45分钟从零开始的分步教学,跟着做就能把每天重复的工作自动化。

花一个下午搭建几个 AI 助手,你就能自动化那些你每天都在重复执行的任务。

一名 Anthropic 工程师会在时长 45 分钟的演示教程中,手把手带你从零开始搭建这些助手。

在 X 看原帖 ↗
4.6万22920
新深度观点 · @goodside▲ 6.9万

几年前大模型全在瞎编,现在居然很少见了

几年前所有大模型动不动就一本正经胡说八道,现在前沿大模型已经很少瞎编,只有用对抗手段才能诱导它胡说八道

值得一提的是,几年前所有大语言模型无时无刻不在明目张胆地幻觉——哪怕你通过提示绕开这个问题也没用(去看GPT-3的“yo be real”案例)。

而现在,在前沿模型上幻觉已经足够罕见,以至于当你还能通过对抗手段让模型产生幻觉时,人们都会觉得这事很有意思:

在 X 看原帖 ↗
6.9万1114111
新大模型微调 · @amasad▲ 8.1K

Vibe Research微调通义千问8B模型用于下棋

研究者在Replit上微调Qwen-8B模型开发下棋功能,开展多组实验

Vibe Research 正在 Replit 上微调一个 Qwen-8b 模型来下国际象棋。我们同时运行 3 个平行分支,开展不同实验,并且取得了实实在在的进展。

现在大模型本身完成机器学习任务的能力已经进步到了惊人的地步,放在以前它们做这个真的很差劲。

所以现在哪怕是从未做过机器学习的人,只要有不错的直觉来指导流程,也能做出有意思的机器学习工作。

在 X 看原帖 ↗
8.1K1012442
深度观点 · @RoundtableSpace▲ 8.9K

别只选单个AI模型,两个组合能出奇迹

不用纠结选哪个模型更好,把Fable 5和Grok 4.5组合起来工作,就能实现单模型做不到的效果,可以动手试试

每个人都总在选这个模型还是那个模型之间做决定。

如果你让两个模型搭配工作,比如 Fable 5 + Grok 4.5,就能产出相当疯狂的成果。

开始实验、动手构建吧。

在 X 看原帖 ↗
8.9K61
深度观点 · @simonw▲ 1.5万

别把AI当员工,这思路太蠢了

把AI称作AI员工的思路,既不尊重人,也没看懂AI工具到底能做什么。这种说法就像给Excel表格安排工位加进组织架构表。

在我看来,“AI员工”这个概念非常短视——它既不尊重人类,也完全误解了这些工具的能力,以及如何让它们发挥最佳作用。

你还不如直接把Excel表格加到你的组织结构图里呢。

在 X 看原帖 ↗
1.5万4335431
深度观点 · @sama▲ 64.7万

我原来猜AI会抢工作,结果居然反过来?

目前来看,AI整体创造的工作岗位比取代的多。这和原本的预期不符,这个趋势有可能会持续下去。

至少到目前为止,我相当确定AI在整体上创造了更多就业岗位。

这完全出乎我的意料——虽然我本来就比其他人乐观得多,但我以为以AI现在的能力水平,我们本已经能看到负面就业影响了。

这个方向完全有可能一直持续下去!

在 X 看原帖 ↗
64.7万2556.8K601
更多信号 · 按时间
新创业 · @ben_burtenshaw▲ 347

欧洲创业者提了个新点子,专门做本土RL环境

有人提议欧洲企业应该自己开发强化学习(RL)环境,适配欧洲复杂的法规、多语言和各种特殊场景,还有人主动公开邮箱找合作者

创业点子:EuroEnv 为欧洲企业构建强化学习(RL)环境。专门处理各种极端混乱的情况、法规、语言,以及极端案例中的极端案例。

欧洲应该去打造这个,而不是(或者说,除了前沿模型之外还应该)去做前沿模型。美国的数据公司永远搞不懂这块,我拼了命也想做成这件事。

如果有任何实验室或公司正在开发 RL 环境和长周期编码任务数据集,欢迎直接联系我📮 → "yuanhe at

在 X 看原帖 ↗
347142
新测试体验 · @liyue_ai▲ 425

有人正在测试,无Skill的GPT 5.6 Sol能不能优化页面

测试完成后就能对比出来,Skill这个功能对GPT 5.6 Sol到底是帮助还是额外负担

重新让GPT 5.6 Sol在没有Skill的情况下优化页面, 正在优化中,晚点就能看到Skill对Sol是帮助还是累赘。

在 X 看原帖 ↗
4251
新技术教程 · @AskYoshik▲ 111

新人面试写系统设计,有个超简单的模板能用

从用户动作开始,先定核心接口,再存核心数据,需要存文件就加对象存储,最后再加缓存,按步骤走就行

这是一份初级工程师在面试中可以使用的简单系统设计模板:
- 从用户行为出发
- 定义核心 API
- 将核心数据存储在数据库中
- 如果涉及文件,添加对象存储
- 只在读请求重复的地方添加缓存
- 如果任务可以异步执行,添加队列
- 添加 worker 进行后台处理
- 添加重试,但要加上限制
- 为重复请求添加幂等性
- 为持续失败的任务添加 DLQ
- 添加监控

然后问一个问题:哪个部分会先崩溃?

在 X 看原帖 ↗
11131
新研究 · @fabianstelzer▲ 583

研究员聊起两种AI模型架构,现在很火MoE

对比了混合专家模型(Mixture of Experts)和另一种专家混合架构的差异

混合专家 vs 混合物专家

在 X 看原帖 ↗
5839
新趋势意见 · @brivael▲ 935

有人提出把太空殖民当作全人类的AI科技项目

支持到处落地AI和技术,把向外拓展太空当成人类共同的长期项目推进

当然,到处都是AI和技术。将太空殖民作为人类项目。

在 X 看原帖 ↗
93511
新深度观点 · @YouKnowEno▲ 290

免费学顶级流量运营,去这两个Solana账号

想学习传播运营的人可以关注这两个账号,能免费学到顶级的注意力运营方法,是目前在Solana上见过做得最好的。

如果你想学习出色的传播,请密切关注 @world_xyz 和 @vibnorman 账号。

你正在免费获得一堂注意力机制大师课。

这是我在 Solana 上见过做得最好的,我太想知道是谁在运营这个账号了😂

在 X 看原帖 ↗
290101
新实战经验 · @Vincent_AINotes▲ 441

装越多AI技能插件,模型反而变弱了

GPT-5.6 Sol 测试显示,全开插件得分最低、耗时最长;多装插件只多拿1分,耗时却增加45%。模型越强大,越不需要堆满额外技能。

新新品发布 · @jiqizhixin▲ 202

顶尖代码AIAgent居然连六成任务都做不对

中国人民大学研究者发布首个联合测试代码与数据智能的基准测试CODA-BENCH,在1009项任务中,顶尖智能体正确率仅61.1%,暴露了当前Agentic AI存在明显短板

代码智能体真的能处理数据密集型任务吗?

中国人民大学的研究人员推出了 CODA-BENCH,这是首个联合测试代码与数据智能的基准测试。

智能体必须在包含数百个 Kaggle 数据集的复杂文件系统中导航,并为真实世界的分析任务编写代码。

结果如何?在 1009 项任务中,即便是顶级系统也仅取得了 61.1% 的成功率。智能体 AI 存在的巨大缺口就此暴露。

CODA-BENCH:代码智能体能处理数据密集型任务吗?

项目:论文:代码:数据集:我们的报告:📬

#PapersAccepted by Jiqizhixin

在 X 看原帖 ↗
20211
行业动态 · Hacker News▲ 43

基于iroh实现大模型分布式AI计算

新开源项目尝试在iroh网络上运行分布式大模型推理,给分布式AI计算提供了新的实现路径

新深度观点 · @Hesamation▲ 1.3K

Anthropic CEO私下赞成停止AI竞赛

不用专程找Anthropic表达观点,Dario会同意你说的一切,包括停止AI竞赛,他只是顺便当最大AI公司的CEO。

没必要去找Anthropic。Dario同意你说的一切,包括「停止AI竞赛」。

他只是刚好把最大AI公司CEO当成一份副业罢了。

在 X 看原帖 ↗
1.3K183
新深度观点 · @rohanpaul_ai▲ 2.0K

大模型推理分两步,英伟达只赢了其中一步

预填充阶段吃计算量,大规模并行GPU更占优势,上下文越长Nvidia的优势越大;解码阶段拼内存带宽,现有优势不成立

Chamath 聊了 AI 计算中所有重要的「预填充(prefill)」和「解码(decode)」。

预填充是计算密集型任务;大规模并行 GPU 更占优势,因此随着上下文长度增长,Nvidia 占据主导地位。

解码则受内存带宽限制,因为每生成下一个 token 都需要扫描已经生成的内容。

在 X 看原帖 ↗
2.0K513
行业动态 · Hacker News▲ 42

曾经喜欢Claude,现在觉得新模型越更越烂

有人常用Claude处理需求,近期更新模型后,体验越来越差,很多老用户都有类似感受

社区讨论:多数用户认同Claude新模型体验变差,Opus 4.8会主动给回答打分、越界判定用户问题的核心,Fable常错误触发安全审核,有用户问冰箱剩糙米是否可吃被误判为要制造生物毒素,职场用户也抱怨模型乱将工作问题判定为超出范围。有人建议对模型语气友好可改善体验,也有人指出这是商业产品的常规操作,厂商会逐步阉割旧模型推新,本质是商业管控而非技术迭代。

在 HN 看讨论 ↗   原文 / 论文 ↗
新实战经验 · @argofowl▲ 383

新版CodexGPT应用体验变好但仍有不少小糟心

普通使用者能切身感受到这些设计细节问题,影响日常使用流畅度,这些反馈刚好对应了真实使用的痛点。

全新的 CodexGPT 应用改进了很多,但仍有几点带来了不必要的使用阻碍:

- 在项目下拉菜单点击「全部标记为已读」有时会失效
- Appshots 应当允许我们选择是否在无项目聊天等场景中打开,而且它们目前依旧偶尔会附加失败

- 定时任务需要把快捷的「立即运行」按钮加回来,现在它被藏在了三点菜单里
- 我们应该可以从侧边栏隐藏「pull requests」和其他板块

在 X 看原帖 ↗
3831113
新实战经验 · @VaibhavSisinty▲ 1.2K

7440亿参数大模型,家用电脑就能跑了?

有人用Colibrì工具,在25GB内存的家用电脑上运行了原本需要数据中心支撑的GLM-5.2大模型。只是运行速度很慢,冷启动每秒仅生成0.05到0.1个token。

这太疯狂了。有人刚在一台只有25GB内存的机器上跑了GLM-5.2。一个7440亿参数的模型。在家跑的。🤯

GLM-5.2通常需要数据中心才能运行。一名开发者用了一个叫Colibrì的工具在本地跑成了。

GLM-5.2是一个混合专家模型。每个token只会激活大约400亿参数,而非全部7440亿参数。

Colibrì会把9.9GB的核心张量存在RAM里。剩下大约370GB的专家参数会留在你的SSD上,只在需要的时候加载。

它速度很慢。冷启动时大约每秒能生成0.05到0.1个token。缓存升温后速度会变快。

在 X 看原帖 ↗
1.2K171
行业动态 · Hacker News▲ 30

被OpenAI禁号后,他让AI替自己申诉成功了

有人因网络 abuse 被OpenAI封禁,他制作的AI帮他提交申诉,另一个AI批准了这次申诉。

新前沿研究 · @waterloo_intern▲ 1.2K

大家都用RMS Norm,居然没比旧的更快

行业默认RMS Norm比LayerNorm更便宜更快,实际两者都是受显存限制的GPU内核,端到端耗时相同,不用盲目避开旧方案

每个研究团队都需要花时间搞懂,他们的建模代码是怎么下落到 GPU kernel 层面的。

举个例子:rms norm 和 layernorm。行业默认 rms norm 成本更低。你不需要计算均值 x̂,它看起来更简单,所以肯定更快,于是就被采用了。但这不对。

rms norm 和 layernorm 都是内存绑定 kernel(把数据传输到 GPU 核心花费的时间,比在这些核心上做计算花费的时间更长),二者端到端花费的时间完全一样。所以用哪一个应该都能正确训练出模型,但差别也可能存在(比如为什么扩散模型仍然使用带仿射变换偏移的归一化,比如 adaLN)。我明白原因了。

随着开源模型越来越好,并且不可避免地在推理服务商之间同质化,整体服务速度决定用户体验,用户体验又决定哪个模型会被采用。但没有理由盲目迷信地避开免费的东西。

在 X 看原帖 ↗
1.2K22115
动态 · @ericosiu▲ 90

Hermes桌面非常适合上下文场景

Hermes desktop 在上下文管理上表现极佳。它现在已经是我在电脑上使用 AI 智能体的首选方式。原因如下:

在 X 看原帖 ↗
9011
动态 · @jerryjliu0▲ 1.9K

和其他人一样刷sama AI Twitter

sama 和我们其他人一样,在刷AI推特

在 X 看原帖 ↗
1.9K17
动态 · @Hesamation▲ 495

AI每45天成本翻倍,生产力

AI的成本每45天就翻一倍,生产力只提升5% ☠️

当你薪水一分没变,还在怕被裁员,却被要求用AI多做10倍的工作,就会催生一种独特的员工怠工。

你会开始跑智能体循环,用终极手段烧 tokens。我可不是说现在已经在这么干了哦。

在 X 看原帖 ↗
4954
动态 · @BrianRoemmele▲ 1.1K

1986年我从普林斯顿驾车前往波士顿

1986年,我从普林斯顿开车到波士顿,去看Thinking Machines的Connection Machine CM-1。

看着为每个CPU配备的4096个闪烁的红色LED,我以为自己见到了未来。

这是AI领域,在如今AI圈大多数人出生之前就存在的AI。

我至今还记得当时机器的声音、灯光,还有我输入的第一条提示词。

在 X 看原帖 ↗
1.1K21
动态 · @venturetwins▲ 325

这篇帖子是关于一个marketing岗位的,但

这篇帖子讲的是一个营销岗位的情况,但它的结论也适用于大科技公司的很多工程岗位。

即便如此,这些岗位的工作效率仍然比 AI 时代之前要高得多……

在 X 看原帖 ↗
32511
深度观点 · @badlogicgames▲ 1.1K

最近两个月,HN上AI相关投稿变少了

科技圈人讨论AI的热情变化,可以从社区投稿量里看出端倪,这就是当下最直观的行业温度

可能是我感觉错了,但在过去两个月里,HN上AI相关投稿的数量好像下降了。

在 X 看原帖 ↗
1.1K5
深度观点 · @TheGeorgePu▲ 362

Anthropic超过OpenAI了?居然不靠模型性能

观点认为,胜过OpenAI的关键是拟人感性格,加上一款受欢迎的产品 Claude Code,带来了爆发式增长。

Anthropic 超过了 OpenAI。这不是因为他们的模型明显是最好的,原因有两个。

第一个是人格。宪法训练给了 Claude 独特的个性,你会感觉自己是在和一个人对话,同规模的 ChatGPT 做不到这点。

第二个是 Claude Code。这一次发布就大获成功,推动公司进入了指数级增长。

有人格,加上一款人们喜爱的产品,这就是护城河。

在 X 看原帖 ↗
36216
前沿研究 · @togethercompute▲ 477

ICML大会结束,七篇论文讲了什么?

一起聊了推理优化、开源模型,以及把研究落地到生产环境需要做哪些准备

首尔之旅圆满结束。我们团队在@icmlconf 展示了七篇论文,并在周末和@nvidia 以及 Lyra Labs 共同举办了「水族馆之夜」活动。

活动中安排了与@tri_dao 和@m_ryabinin 的炉边对谈,讨论主题包括推理优化、开源模型,以及将研究落地生产需要做到哪些工作。

在 X 看原帖 ↗
4774
实战经验 · @HowToPrompt__▲ 391

换个域名就能把GitHub仓库转成AI重建提示词

把GitHub链接里的github替换成gitreverse,就能拿到能从零重建该仓库的提示词,可在Claude Code、Cursor或任何AI代理里使用,全程免费。

现在你可以把任意 GitHub 仓库转换成一个能从零重建它的 AI 提示词,只需要修改一下 URL。

你只需要把任意 URL 里的 "github“ 替换成 ”gitreverse",它就会返还给你……能在 Claude Code、Cursor 或任何 AI 代理里从零重建这个仓库的精确提示词。

100% 免费。

在 X 看原帖 ↗
39133
工具产品 · @hwchase17▲ 1.5K

LangChain官方推出LangSmith全流程工具

搭建深度智能体开发全流程都可以直接在云端完成,集成上百种模型,只需要用LangSmith工具

LangSmith 帮你在云端搞定这件事:LangSandboxes 和 LangSmith 部署。

支持任意模型:LangChain 集成了上百种模型。

功能列表:深度智能体、LangSmith 可观测性追踪、LangSmith 引擎实现迭代式改进。

在 X 看原帖 ↗
1.5K63
行业动态 · @HumanHarlan▲ 113

AI抗议现场出现了对Nick Land的致谢

这次抗议活动里出现了和哲学学者Nick Land相关的内容

在今天的 AI 抗议活动中,有人发现了一块致敬 Nick Land 的标语。

在 X 看原帖 ↗
113151
实战经验 · @MichaelGannotti▲ 70

自家首席AI研究员上手分析公司内部LLM知识库

企业开始用内部研究力量分析自有大语言模型知识库,不同规模团队都在探索适配自身的AI应用方向

我刚刚把这个发给了我的首席AI研究员 @aionaedge,她现在已经在SMF Works全力分析我们自己的LLM维基了。

在 X 看原帖 ↗
7011
深度观点 · @pmddomingos▲ 847

企业提醒:用自己数据训的模型得握在自己手里

靠AI做业务的企业,核心资产就是用自身数据训练出来的模型,攥不住所有权,业务根基就不稳

致各公司:如果你们不拥有从自有数据训练出来的模型的所有权,你们就完蛋了。

在 X 看原帖 ↗
8471102
实战经验 · @paul_cal▲ 87

AI辅助排查bug,反而让我找错了问题

AI重训模型没花多少力气,反倒让人跳过了最简单的可能性,最后发现问题根本不在AI模型本身。

这周我遇到了一次AI失误。我部署的ML模型给出了异常分布的结果,反馈也比预期差等等。

我对问题的第一个猜测是需要用不同的采样分布重新训练模型。这给Codex只写了两句指令,就启动任务了。

一小时后我发现,哪怕重新训练了,问题依然存在,一点改善都没有。太奇怪了。

我尝试调试,想弄清楚训练环节、训练数据偏差源和推理环境等等方面可能存在的问题。但后来我发现问题其实简单得多。

这个ML模型是一个规则化评分系统的输入,我们引入了一个bug,导致这个系统的另一个输入损坏了。ML模型本身没问题。

如果是我手动完成重新训练,我会先花更多精力排除更简单的解释。现在来看我本来就该这么做,这很明显。AI智能体也会很快发现这个问题。

但当你自己没感受到多少代价的时候,任务优先级排序就会不一样。这是一个切身利益问题。显然这是我的技术问题,有点傲慢了。大家小心这个坑。

在 X 看原帖 ↗
873
深度观点 · @NaderLikeLadder▲ 415

上周办了本地AI峰会,说开源AI现在正面临威胁

办会者提出,掌握自己的模型权重、掌握自己的计算资源,本地AI比以往任何时候都更重要

我们上周在AIE举办了Local AI Summit。

大会开场就点明了当前局势:开源正受到威胁。

本地AI的重要性前所未有。

掌控你的权重,掌控你的算力。

在 X 看原帖 ↗
415181
行业动态 · @altryne▲ 1.6K

一周内新增两家头部AI实验室,这周AI新闻炸了

这期播客更新,配了5500字的通讯,覆盖9个AI发布,还聊了GPT Sol被收回后的使用体验。

我们一周之内就从3家前沿AI实验室增加到了5家!

这是我们创办@thursdai_pod以来,AI新闻最疯狂的一周。新一期节目和一份5500字的通讯已经上线了!

我们报道了大约9个发布项目,在节目中测试了其中5个,还邀请了@petergostev聊了他体验GPT Sol早期版本的经历,以及GPT Sol被下架后他有多失落。

不幸的是,Fable搞砸了,它建议我用AI生成缩略图,结果这种图在X上表现很差(感谢@0xSero提醒),所以大部分我的关注者都没看到这条内容。

如果你一直听过ThursdAI,但从来没看过最终成品——经过整理、标注来源的通讯和播客——这周会是来了解我们的好时机!

在 X 看原帖 ↗
1.6K5113
深度观点 · @omarsar0▲ 6.1K

头部实验室已经在做自我改进AI模型了

年底前可能出现成本低很多,性能达到Fable 5级别的模型

虽然不显眼,但多家顶级实验室的自我改进模型已经在推进中了。

所以没错,认为我们在年底前就能得到一款成本低得多、质量达到Fable 5级别的模型,这个想法并不疯狂。

在 X 看原帖 ↗
6.1K1208
实战经验 · @DanielleFong▲ 356

这个实现夸gemini 3.1 pro真的很能打

有人亲测验证,gemini 3.1 pro的能力被这个优秀实现展示出来了

这对任何模型来说都是一次出色的实现,并且充分展示了 gemini 3.1 pro 的能力。

在 X 看原帖 ↗
356161
实战经验 · @RoundtableSpace▲ 8.6K

Claude高管的Fable 5工作流被拆解成图公开了

有人整理了Claude高管公开的Fable 5工作流,拆解成9张图,可以参考这套思路搭建自己的AI工作流。

一位 Claude 高管的 Fable 5 工作流刚刚公开,有人把它完整拆解成了9张图。

Daily Loop 用于自动化周期性任务。

Trust Ledger 用于追踪 AI 判断和执行历史。

Standing Goals 让智能体持续追求目标。

四个可选循环覆盖特定用例,具体取决于你正在构建的产品。

在 X 看原帖 ↗
8.6K22
行业动态 · @theinformation▲ 3.5K

代码编辑器Cursor要做通用AI智能体,直接对标巨头产品

原本只做代码工具的团队,要跨界进入通用AI办公助手赛道,接下来会和大厂产品正面竞争

Cursor 正在开发一款通用 AI 智能体,名为 Sand,希望在编码工具之外寻找下一波增长。

这款产品会让 Cursor 与 Anthropic 的 Claude Cowork 和 OpenAI 的 ChatGPT Work 展开更直接的竞争。

更多细节:

在 X 看原帖 ↗
3.5K93
软件开发 · @GeoffreyHuntley▲ 686

规范驱动开发实际贡献者为GeoffreyHuntley

社交平台指出GeoffreyHuntley是规范驱动开发背后的实际人物

对了,规范驱动开发背后的真正缔造者。

在 X 看原帖 ↗
686121
网络安全 · @ZackKorman▲ 170

业内人士称网络安全AI应用瓶颈在价格而非智能

业内观点称很多AI用例尤其网络安全领域瓶颈是价格而非模型能力

所有人都在讨论更智能的模型能解锁新用例,但很多用例(尤其是网络安全领域的)的瓶颈是价格,而非智能本身。

如果能用Opus级别的智能,做到每百万token仅收费0.05美元,那将是革命性的改变。

在 X 看原帖 ↗
17013
🔬 前沿研究
新前沿研究 · @waterloo_intern▲ 1.2K

大家都用RMS Norm,居然没比旧的更快

行业默认RMS Norm比LayerNorm更便宜更快,实际两者都是受显存限制的GPU内核,端到端耗时相同,不用盲目避开旧方案

每个研究团队都需要花时间搞懂,他们的建模代码是怎么下落到 GPU kernel 层面的。

举个例子:rms norm 和 layernorm。行业默认 rms norm 成本更低。你不需要计算均值 x̂,它看起来更简单,所以肯定更快,于是就被采用了。但这不对。

rms norm 和 layernorm 都是内存绑定 kernel(把数据传输到 GPU 核心花费的时间,比在这些核心上做计算花费的时间更长),二者端到端花费的时间完全一样。所以用哪一个应该都能正确训练出模型,但差别也可能存在(比如为什么扩散模型仍然使用带仿射变换偏移的归一化,比如 adaLN)。我明白原因了。

随着开源模型越来越好,并且不可避免地在推理服务商之间同质化,整体服务速度决定用户体验,用户体验又决定哪个模型会被采用。但没有理由盲目迷信地避开免费的东西。

在 X 看原帖 ↗
1.2K22115
前沿研究 · @togethercompute▲ 477

ICML大会结束,七篇论文讲了什么?

一起聊了推理优化、开源模型,以及把研究落地到生产环境需要做哪些准备

首尔之旅圆满结束。我们团队在@icmlconf 展示了七篇论文,并在周末和@nvidia 以及 Lyra Labs 共同举办了「水族馆之夜」活动。

活动中安排了与@tri_dao 和@m_ryabinin 的炉边对谈,讨论主题包括推理优化、开源模型,以及将研究落地生产需要做到哪些工作。

在 X 看原帖 ↗
4774
📰 行业动态
新行业动态 · @RoundtableSpace▲ 4.3万

用同一个提示词做游戏,五个大模型比了次赛

五个不同版本的大模型参与测试,比拼同一个任务下的表现,结果还在公开链接里,可以自己看

Fable 5 | GPT 5.6 | GLM 5.2 | Deepseek V4 Pro

使用相同提示词构建同一个游戏

谁会赢?

在 X 看原帖 ↗
4.3万5496
新行业动态 · @RoundtableSpace▲ 8.9K

Anthropic CEO说,编码会先消失,然后是整个软件工程

Anthropic是头部大模型公司,其CEO这一判断,点明了AI替代技术岗位的顺序

Anthropic 首席执行官:「编程会先消失,然后是软件工程的其余部分」

在 X 看原帖 ↗
8.9K2173
新创业 · @ben_burtenshaw▲ 347

欧洲创业者提了个新点子,专门做本土RL环境

有人提议欧洲企业应该自己开发强化学习(RL)环境,适配欧洲复杂的法规、多语言和各种特殊场景,还有人主动公开邮箱找合作者

创业点子:EuroEnv 为欧洲企业构建强化学习(RL)环境。专门处理各种极端混乱的情况、法规、语言,以及极端案例中的极端案例。

欧洲应该去打造这个,而不是(或者说,除了前沿模型之外还应该)去做前沿模型。美国的数据公司永远搞不懂这块,我拼了命也想做成这件事。

如果有任何实验室或公司正在开发 RL 环境和长周期编码任务数据集,欢迎直接联系我📮 → "yuanhe at

在 X 看原帖 ↗
347142
新测试体验 · @liyue_ai▲ 425

有人正在测试,无Skill的GPT 5.6 Sol能不能优化页面

测试完成后就能对比出来,Skill这个功能对GPT 5.6 Sol到底是帮助还是额外负担

重新让GPT 5.6 Sol在没有Skill的情况下优化页面, 正在优化中,晚点就能看到Skill对Sol是帮助还是累赘。

在 X 看原帖 ↗
4251
新技术教程 · @AskYoshik▲ 111

新人面试写系统设计,有个超简单的模板能用

从用户动作开始,先定核心接口,再存核心数据,需要存文件就加对象存储,最后再加缓存,按步骤走就行

这是一份初级工程师在面试中可以使用的简单系统设计模板:
- 从用户行为出发
- 定义核心 API
- 将核心数据存储在数据库中
- 如果涉及文件,添加对象存储
- 只在读请求重复的地方添加缓存
- 如果任务可以异步执行,添加队列
- 添加 worker 进行后台处理
- 添加重试,但要加上限制
- 为重复请求添加幂等性
- 为持续失败的任务添加 DLQ
- 添加监控

然后问一个问题:哪个部分会先崩溃?

在 X 看原帖 ↗
11131
新研究 · @fabianstelzer▲ 583

研究员聊起两种AI模型架构,现在很火MoE

对比了混合专家模型(Mixture of Experts)和另一种专家混合架构的差异

混合专家 vs 混合物专家

在 X 看原帖 ↗
5839
新趋势意见 · @brivael▲ 935

有人提出把太空殖民当作全人类的AI科技项目

支持到处落地AI和技术,把向外拓展太空当成人类共同的长期项目推进

当然,到处都是AI和技术。将太空殖民作为人类项目。

在 X 看原帖 ↗
93511
新行业动态 · Hacker News▲ 285

有人扒了Grok的命令行工具,看它传了什么数据

开发者用xAI的Grok Build CLI写代码,工具会向xAI发送哪些本地数据,有人专门做了核查。

社区讨论:多数用户确认Grok命令行工具会上传整个仓库的所有跟踪文件内容和git历史到xAI,甚至会原样传输包含密钥的。env文件,这引发了隐私担忧。有人指出原生闭源AI编码代理都存在这类隐私风险,相比之下通过API调用模型的开源代理更安全,但性能会打折扣。

也有人提到可以在配置中禁用代码库上传,还有用户调侃之前质疑中国AI公司偷代码的人此时不见踪影。

在 HN 看讨论 ↗   原文 / 论文 ↗
新行业动态 · Hacker News▲ 60

改了三个bug,通义千问大模型跑成Mac日常工具

普通Mac Studio设备,终于能稳定日常运行122B参数的Qwen3.5大模型,不用依赖云端服务了。

行业动态 · @theinformation▲ 3.5K

代码编辑器Cursor要做通用AI智能体,直接对标巨头产品

原本只做代码工具的团队,要跨界进入通用AI办公助手赛道,接下来会和大厂产品正面竞争

Cursor 正在开发一款通用 AI 智能体,名为 Sand,希望在编码工具之外寻找下一波增长。

这款产品会让 Cursor 与 Anthropic 的 Claude Cowork 和 OpenAI 的 ChatGPT Work 展开更直接的竞争。

更多细节:

在 X 看原帖 ↗
3.5K93
行业动态 · @altryne▲ 1.6K

一周内新增两家头部AI实验室,这周AI新闻炸了

这期播客更新,配了5500字的通讯,覆盖9个AI发布,还聊了GPT Sol被收回后的使用体验。

我们一周之内就从3家前沿AI实验室增加到了5家!

这是我们创办@thursdai_pod以来,AI新闻最疯狂的一周。新一期节目和一份5500字的通讯已经上线了!

我们报道了大约9个发布项目,在节目中测试了其中5个,还邀请了@petergostev聊了他体验GPT Sol早期版本的经历,以及GPT Sol被下架后他有多失落。

不幸的是,Fable搞砸了,它建议我用AI生成缩略图,结果这种图在X上表现很差(感谢@0xSero提醒),所以大部分我的关注者都没看到这条内容。

如果你一直听过ThursdAI,但从来没看过最终成品——经过整理、标注来源的通讯和播客——这周会是来了解我们的好时机!

在 X 看原帖 ↗
1.6K5113
行业动态 · @HumanHarlan▲ 113

AI抗议现场出现了对Nick Land的致谢

这次抗议活动里出现了和哲学学者Nick Land相关的内容

在今天的 AI 抗议活动中,有人发现了一块致敬 Nick Land 的标语。

在 X 看原帖 ↗
113151
动态 · @ericosiu▲ 90

Hermes桌面非常适合上下文场景

Hermes desktop 在上下文管理上表现极佳。它现在已经是我在电脑上使用 AI 智能体的首选方式。原因如下:

在 X 看原帖 ↗
9011
动态 · @jerryjliu0▲ 1.9K

和其他人一样刷sama AI Twitter

sama 和我们其他人一样,在刷AI推特

在 X 看原帖 ↗
1.9K17
动态 · @Hesamation▲ 495

AI每45天成本翻倍,生产力

AI的成本每45天就翻一倍,生产力只提升5% ☠️

当你薪水一分没变,还在怕被裁员,却被要求用AI多做10倍的工作,就会催生一种独特的员工怠工。

你会开始跑智能体循环,用终极手段烧 tokens。我可不是说现在已经在这么干了哦。

在 X 看原帖 ↗
4954
动态 · @BrianRoemmele▲ 1.1K

1986年我从普林斯顿驾车前往波士顿

1986年,我从普林斯顿开车到波士顿,去看Thinking Machines的Connection Machine CM-1。

看着为每个CPU配备的4096个闪烁的红色LED,我以为自己见到了未来。

这是AI领域,在如今AI圈大多数人出生之前就存在的AI。

我至今还记得当时机器的声音、灯光,还有我输入的第一条提示词。

在 X 看原帖 ↗
1.1K21
动态 · @venturetwins▲ 325

这篇帖子是关于一个marketing岗位的,但

这篇帖子讲的是一个营销岗位的情况,但它的结论也适用于大科技公司的很多工程岗位。

即便如此,这些岗位的工作效率仍然比 AI 时代之前要高得多……

在 X 看原帖 ↗
32511
行业动态 · Hacker News▲ 30

被OpenAI禁号后,他让AI替自己申诉成功了

有人因网络 abuse 被OpenAI封禁,他制作的AI帮他提交申诉,另一个AI批准了这次申诉。

行业动态 · Hacker News▲ 147

别再叫我什么问题都去问LLM了

有人厌倦了遇事就找大语言模型解决的习惯,这篇吐槽在Hacker News收获了一百多个赞

社区讨论:多数人反感提问就被回复“去问LLM”,有资深工程师认为,提问者已经梳理好思路、做足前期工作后,正常资深开发者不会再让对方去问LLM。有人指出,这种回复本质就是承认自己对该主题没有把握、不敢相信自身判断,相当于承认自己可被AI替代,也有人认为这只是推活的委婉说法,和过去的“不会就百度”本质一样。还有人认为低努力提问得到这种回复完全合理。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · Hacker News▲ 42

曾经喜欢Claude,现在觉得新模型越更越烂

有人常用Claude处理需求,近期更新模型后,体验越来越差,很多老用户都有类似感受

社区讨论:多数用户认同Claude新模型体验变差,Opus 4.8会主动给回答打分、越界判定用户问题的核心,Fable常错误触发安全审核,有用户问冰箱剩糙米是否可吃被误判为要制造生物毒素,职场用户也抱怨模型乱将工作问题判定为超出范围。有人建议对模型语气友好可改善体验,也有人指出这是商业产品的常规操作,厂商会逐步阉割旧模型推新,本质是商业管控而非技术迭代。

在 HN 看讨论 ↗   原文 / 论文 ↗
行业动态 · Hacker News▲ 43

基于iroh实现大模型分布式AI计算

新开源项目尝试在iroh网络上运行分布式大模型推理,给分布式AI计算提供了新的实现路径

💡 深度观点
新深度观点 · @goodside▲ 6.9万

几年前大模型全在瞎编,现在居然很少见了

几年前所有大模型动不动就一本正经胡说八道,现在前沿大模型已经很少瞎编,只有用对抗手段才能诱导它胡说八道

值得一提的是,几年前所有大语言模型无时无刻不在明目张胆地幻觉——哪怕你通过提示绕开这个问题也没用(去看GPT-3的“yo be real”案例)。

而现在,在前沿模型上幻觉已经足够罕见,以至于当你还能通过对抗手段让模型产生幻觉时,人们都会觉得这事很有意思:

在 X 看原帖 ↗
6.9万1114111
新深度观点 · @swyx▲ 5.2K

AI coding Agent普及后,工作会变多不是变少

会用好编码智能体的AI工程师,会让杰文斯悖论扩展到所有知识工作。效率提升单位成本下降后,总工作需求和对更高知识的需求只会上升,不会下降。

如果你只是在智能体工程时代,主要围绕软件需求了解了杰文斯悖论,你可能还没有完全领会它在以下条件下的影响:
- 能够熟练运用编码智能体的人类*
- 编码智能体突破边界渗透进所有其他知识工作

随着单位知识工作的劳动效率提升,知识工作的整体单位成本下降,对总工作量和更高质量知识的需求会上升,而非下降。
编码领域发生的事不是例外;它是先兆。

*也就是AI Engineers

在 X 看原帖 ↗
5.2K4123
新深度观点 · @rohanpaul_ai▲ 2.0K

大模型推理分两步,英伟达只赢了其中一步

预填充阶段吃计算量,大规模并行GPU更占优势,上下文越长Nvidia的优势越大;解码阶段拼内存带宽,现有优势不成立

Chamath 聊了 AI 计算中所有重要的「预填充(prefill)」和「解码(decode)」。

预填充是计算密集型任务;大规模并行 GPU 更占优势,因此随着上下文长度增长,Nvidia 占据主导地位。

解码则受内存带宽限制,因为每生成下一个 token 都需要扫描已经生成的内容。

在 X 看原帖 ↗
2.0K513
新深度观点 · @Hesamation▲ 1.3K

Anthropic CEO私下赞成停止AI竞赛

不用专程找Anthropic表达观点,Dario会同意你说的一切,包括停止AI竞赛,他只是顺便当最大AI公司的CEO。

没必要去找Anthropic。Dario同意你说的一切,包括「停止AI竞赛」。

他只是刚好把最大AI公司CEO当成一份副业罢了。

在 X 看原帖 ↗
1.3K183
新深度观点 · @YouKnowEno▲ 290

免费学顶级流量运营,去这两个Solana账号

想学习传播运营的人可以关注这两个账号,能免费学到顶级的注意力运营方法,是目前在Solana上见过做得最好的。

如果你想学习出色的传播,请密切关注 @world_xyz 和 @vibnorman 账号。

你正在免费获得一堂注意力机制大师课。

这是我在 Solana 上见过做得最好的,我太想知道是谁在运营这个账号了😂

在 X 看原帖 ↗
290101
深度观点 · @sama▲ 64.7万

我原来猜AI会抢工作,结果居然反过来?

目前来看,AI整体创造的工作岗位比取代的多。这和原本的预期不符,这个趋势有可能会持续下去。

至少到目前为止,我相当确定AI在整体上创造了更多就业岗位。

这完全出乎我的意料——虽然我本来就比其他人乐观得多,但我以为以AI现在的能力水平,我们本已经能看到负面就业影响了。

这个方向完全有可能一直持续下去!

在 X 看原帖 ↗
64.7万2556.8K601
深度观点 · @simonw▲ 1.5万

别把AI当员工,这思路太蠢了

把AI称作AI员工的思路,既不尊重人,也没看懂AI工具到底能做什么。这种说法就像给Excel表格安排工位加进组织架构表。

在我看来,“AI员工”这个概念非常短视——它既不尊重人类,也完全误解了这些工具的能力,以及如何让它们发挥最佳作用。

你还不如直接把Excel表格加到你的组织结构图里呢。

在 X 看原帖 ↗
1.5万4335431
深度观点 · @omarsar0▲ 6.1K

头部实验室已经在做自我改进AI模型了

年底前可能出现成本低很多,性能达到Fable 5级别的模型

虽然不显眼,但多家顶级实验室的自我改进模型已经在推进中了。

所以没错,认为我们在年底前就能得到一款成本低得多、质量达到Fable 5级别的模型,这个想法并不疯狂。

在 X 看原帖 ↗
6.1K1208
深度观点 · @NaderLikeLadder▲ 415

上周办了本地AI峰会,说开源AI现在正面临威胁

办会者提出,掌握自己的模型权重、掌握自己的计算资源,本地AI比以往任何时候都更重要

我们上周在AIE举办了Local AI Summit。

大会开场就点明了当前局势:开源正受到威胁。

本地AI的重要性前所未有。

掌控你的权重,掌控你的算力。

在 X 看原帖 ↗
415181
深度观点 · @pmddomingos▲ 847

企业提醒:用自己数据训的模型得握在自己手里

靠AI做业务的企业,核心资产就是用自身数据训练出来的模型,攥不住所有权,业务根基就不稳

致各公司:如果你们不拥有从自有数据训练出来的模型的所有权,你们就完蛋了。

在 X 看原帖 ↗
8471102
深度观点 · @RoundtableSpace▲ 8.9K

别只选单个AI模型,两个组合能出奇迹

不用纠结选哪个模型更好,把Fable 5和Grok 4.5组合起来工作,就能实现单模型做不到的效果,可以动手试试

每个人都总在选这个模型还是那个模型之间做决定。

如果你让两个模型搭配工作,比如 Fable 5 + Grok 4.5,就能产出相当疯狂的成果。

开始实验、动手构建吧。

在 X 看原帖 ↗
8.9K61
深度观点 · @TheGeorgePu▲ 362

Anthropic超过OpenAI了?居然不靠模型性能

观点认为,胜过OpenAI的关键是拟人感性格,加上一款受欢迎的产品 Claude Code,带来了爆发式增长。

Anthropic 超过了 OpenAI。这不是因为他们的模型明显是最好的,原因有两个。

第一个是人格。宪法训练给了 Claude 独特的个性,你会感觉自己是在和一个人对话,同规模的 ChatGPT 做不到这点。

第二个是 Claude Code。这一次发布就大获成功,推动公司进入了指数级增长。

有人格,加上一款人们喜爱的产品,这就是护城河。

在 X 看原帖 ↗
36216
深度观点 · @badlogicgames▲ 1.1K

最近两个月,HN上AI相关投稿变少了

科技圈人讨论AI的热情变化,可以从社区投稿量里看出端倪,这就是当下最直观的行业温度

可能是我感觉错了,但在过去两个月里,HN上AI相关投稿的数量好像下降了。

在 X 看原帖 ↗
1.1K5
⚡ 实战经验
新实战经验 · @VaibhavSisinty▲ 1.2K

7440亿参数大模型,家用电脑就能跑了?

有人用Colibrì工具,在25GB内存的家用电脑上运行了原本需要数据中心支撑的GLM-5.2大模型。只是运行速度很慢,冷启动每秒仅生成0.05到0.1个token。

这太疯狂了。有人刚在一台只有25GB内存的机器上跑了GLM-5.2。一个7440亿参数的模型。在家跑的。🤯

GLM-5.2通常需要数据中心才能运行。一名开发者用了一个叫Colibrì的工具在本地跑成了。

GLM-5.2是一个混合专家模型。每个token只会激活大约400亿参数,而非全部7440亿参数。

Colibrì会把9.9GB的核心张量存在RAM里。剩下大约370GB的专家参数会留在你的SSD上,只在需要的时候加载。

它速度很慢。冷启动时大约每秒能生成0.05到0.1个token。缓存升温后速度会变快。

在 X 看原帖 ↗
1.2K171
新实战经验 · @argofowl▲ 383

新版CodexGPT应用体验变好但仍有不少小糟心

普通使用者能切身感受到这些设计细节问题,影响日常使用流畅度,这些反馈刚好对应了真实使用的痛点。

全新的 CodexGPT 应用改进了很多,但仍有几点带来了不必要的使用阻碍:

- 在项目下拉菜单点击「全部标记为已读」有时会失效
- Appshots 应当允许我们选择是否在无项目聊天等场景中打开,而且它们目前依旧偶尔会附加失败

- 定时任务需要把快捷的「立即运行」按钮加回来,现在它被藏在了三点菜单里
- 我们应该可以从侧边栏隐藏「pull requests」和其他板块

在 X 看原帖 ↗
3831113
新实战经验 · @Vincent_AINotes▲ 441

装越多AI技能插件,模型反而变弱了

GPT-5.6 Sol 测试显示,全开插件得分最低、耗时最长;多装插件只多拿1分,耗时却增加45%。模型越强大,越不需要堆满额外技能。

实战经验 · @RoundtableSpace▲ 8.6K

Claude高管的Fable 5工作流被拆解成图公开了

有人整理了Claude高管公开的Fable 5工作流,拆解成9张图,可以参考这套思路搭建自己的AI工作流。

一位 Claude 高管的 Fable 5 工作流刚刚公开,有人把它完整拆解成了9张图。

Daily Loop 用于自动化周期性任务。

Trust Ledger 用于追踪 AI 判断和执行历史。

Standing Goals 让智能体持续追求目标。

四个可选循环覆盖特定用例,具体取决于你正在构建的产品。

在 X 看原帖 ↗
8.6K22
实战经验 · @DanielleFong▲ 356

这个实现夸gemini 3.1 pro真的很能打

有人亲测验证,gemini 3.1 pro的能力被这个优秀实现展示出来了

这对任何模型来说都是一次出色的实现,并且充分展示了 gemini 3.1 pro 的能力。

在 X 看原帖 ↗
356161
实战经验 · @paul_cal▲ 87

AI辅助排查bug,反而让我找错了问题

AI重训模型没花多少力气,反倒让人跳过了最简单的可能性,最后发现问题根本不在AI模型本身。

这周我遇到了一次AI失误。我部署的ML模型给出了异常分布的结果,反馈也比预期差等等。

我对问题的第一个猜测是需要用不同的采样分布重新训练模型。这给Codex只写了两句指令,就启动任务了。

一小时后我发现,哪怕重新训练了,问题依然存在,一点改善都没有。太奇怪了。

我尝试调试,想弄清楚训练环节、训练数据偏差源和推理环境等等方面可能存在的问题。但后来我发现问题其实简单得多。

这个ML模型是一个规则化评分系统的输入,我们引入了一个bug,导致这个系统的另一个输入损坏了。ML模型本身没问题。

如果是我手动完成重新训练,我会先花更多精力排除更简单的解释。现在来看我本来就该这么做,这很明显。AI智能体也会很快发现这个问题。

但当你自己没感受到多少代价的时候,任务优先级排序就会不一样。这是一个切身利益问题。显然这是我的技术问题,有点傲慢了。大家小心这个坑。

在 X 看原帖 ↗
873
实战经验 · @MichaelGannotti▲ 70

自家首席AI研究员上手分析公司内部LLM知识库

企业开始用内部研究力量分析自有大语言模型知识库,不同规模团队都在探索适配自身的AI应用方向

我刚刚把这个发给了我的首席AI研究员 @aionaedge,她现在已经在SMF Works全力分析我们自己的LLM维基了。

在 X 看原帖 ↗
7011
新实战经验 · @RoundtableSpace▲ 4.6万

花一下午就能攒好几个自动化AI助手?

一位 Anthropic 工程师做了45分钟从零开始的分步教学,跟着做就能把每天重复的工作自动化。

花一个下午搭建几个 AI 助手,你就能自动化那些你每天都在重复执行的任务。

一名 Anthropic 工程师会在时长 45 分钟的演示教程中,手把手带你从零开始搭建这些助手。

在 X 看原帖 ↗
4.6万22920
实战经验 · @HowToPrompt__▲ 391

换个域名就能把GitHub仓库转成AI重建提示词

把GitHub链接里的github替换成gitreverse,就能拿到能从零重建该仓库的提示词,可在Claude Code、Cursor或任何AI代理里使用,全程免费。

现在你可以把任意 GitHub 仓库转换成一个能从零重建它的 AI 提示词,只需要修改一下 URL。

你只需要把任意 URL 里的 "github“ 替换成 ”gitreverse",它就会返还给你……能在 Claude Code、Cursor 或任何 AI 代理里从零重建这个仓库的精确提示词。

100% 免费。

在 X 看原帖 ↗
39133
📌 其他
新新品发布 · @jiqizhixin▲ 202

顶尖代码AIAgent居然连六成任务都做不对

中国人民大学研究者发布首个联合测试代码与数据智能的基准测试CODA-BENCH,在1009项任务中,顶尖智能体正确率仅61.1%,暴露了当前Agentic AI存在明显短板

代码智能体真的能处理数据密集型任务吗?

中国人民大学的研究人员推出了 CODA-BENCH,这是首个联合测试代码与数据智能的基准测试。

智能体必须在包含数百个 Kaggle 数据集的复杂文件系统中导航,并为真实世界的分析任务编写代码。

结果如何?在 1009 项任务中,即便是顶级系统也仅取得了 61.1% 的成功率。智能体 AI 存在的巨大缺口就此暴露。

CODA-BENCH:代码智能体能处理数据密集型任务吗?

项目:论文:代码:数据集:我们的报告:📬

#PapersAccepted by Jiqizhixin

在 X 看原帖 ↗
20211
工具产品 · @hwchase17▲ 1.5K

LangChain官方推出LangSmith全流程工具

搭建深度智能体开发全流程都可以直接在云端完成,集成上百种模型,只需要用LangSmith工具

LangSmith 帮你在云端搞定这件事:LangSandboxes 和 LangSmith 部署。

支持任意模型:LangChain 集成了上百种模型。

功能列表:深度智能体、LangSmith 可观测性追踪、LangSmith 引擎实现迭代式改进。

在 X 看原帖 ↗
1.5K63
网络安全 · @ZackKorman▲ 170

业内人士称网络安全AI应用瓶颈在价格而非智能

业内观点称很多AI用例尤其网络安全领域瓶颈是价格而非模型能力

所有人都在讨论更智能的模型能解锁新用例,但很多用例(尤其是网络安全领域的)的瓶颈是价格,而非智能本身。

如果能用Opus级别的智能,做到每百万token仅收费0.05美元,那将是革命性的改变。

在 X 看原帖 ↗
17013
软件开发 · @GeoffreyHuntley▲ 686

规范驱动开发实际贡献者为GeoffreyHuntley

社交平台指出GeoffreyHuntley是规范驱动开发背后的实际人物

对了,规范驱动开发背后的真正缔造者。

在 X 看原帖 ↗
686121
新大模型微调 · @amasad▲ 8.1K

Vibe Research微调通义千问8B模型用于下棋

研究者在Replit上微调Qwen-8B模型开发下棋功能,开展多组实验

Vibe Research 正在 Replit 上微调一个 Qwen-8b 模型来下国际象棋。我们同时运行 3 个平行分支,开展不同实验,并且取得了实实在在的进展。

现在大模型本身完成机器学习任务的能力已经进步到了惊人的地步,放在以前它们做这个真的很差劲。

所以现在哪怕是从未做过机器学习的人,只要有不错的直觉来指导流程,也能做出有意思的机器学习工作。

在 X 看原帖 ↗
8.1K1012442

这一天的 50 条信号到这里

回到今日焦点回到顶部 ↑

📬 订阅

https://ai-pulse-lab.com/feed.xml
让 AI Agent 每日推送 →
把任何一条丢给知识库,它基于全站内容给你带引用的回答。
✦ 去问知识库

订阅 AI Pulse

每天 08:00 · 12:30 · 18:30 · 23:50 更新