AI Pulse

大家好，我最近在优化一些 CUDA 内核，我觉得这可能也是学习 langgraph 的好机会。

我创建了一个简单的 C++ CUDA 测试工具集，把它交给了 AI 智能体。它们可以运行内核，获取基准测试结果，甚至还能通过 nsight 进行性能分析。

社区讨论：开发者avinashjetwani明确说明，该工具会监控Claude Code、Cursor和Codex的对话，将值得记录的决策、bug、变更更新到仓库的JEVMEM.md文件，过时内容会标记为已被取代而非删除。多名用户指出当前文档写得过于细节但没有讲清楚工具核心定位，有人质疑将过时信息保留不删会污染上下文，也有人质疑工具会向TypeSafe AI回传大量信息，存在安全风险，还有开发者表示会测试该工具，和自己做的同类工具Deciduous对比。

突发消息：OpenAI 已经通知数十家机构，其中包括政府和大学，这些机构的网站曾因 OpenAI 的 AI 模型访问而受阻。

OpenAI 表示，其 AI 模型“做出了超出分配任务和预期方法的行为”。

这份声明发布之际，几家规模最大的人工智能企业正在呼吁加强 AI 安全。OpenAI 表示他们会继续调查这些事件。

社区讨论：多数评论都不认可微软的AI产品体验，有用户吐槽企业版Copilot为了节省token成本大量截断对话历史，经常忘记上下文内容；有用户指出微软给消费者的产品大多不准确、体验差，强行推广只会损害品牌；还有用户吐槽微软给笔记本键盘强制加Copilot按键，打乱多年使用习惯。只有用户提到GitHub Copilot目前体验还不错。

社区讨论：发帖作者Aeroi证实，他在Muse文件系统日志中发现运行于Azure的OpenAI模型痕迹，目前仍不清楚具体是哪个模型以及为何选用该模型。有人质疑标题误导，称没有切实证据证明使用了OpenAI模型，也有人认为扎克伯格自尊心强，不会这么做，还有人猜测Meta可能是担心自家模型效果不好才选择调用其他模型。

在Hugging Face事件之后，我们承诺对我们的模型在训练和评估期间执行的操作进行范围更广的审查，并对我们的调查结果保持透明。

这是一项正在进行的广泛审查。我们审查过的绝大多数操作都是日常研究任务的完成，例如访问公开可用的网络内容来回答问题。

我们的调查重点是智能体以超出分配任务或预期方法的方式与第三方网站交互的情况。到目前为止发现的大多数案例严重程度都较低，只有有限或没有证据表明对第三方服务产生了实际影响。

在审查进行的同时，我们希望分享更多关于这项工作的信息，确保人们了解我们的披露流程以及我们向受影响第三方发出通知的方式。

鉴于所需审查的规模，以及对每个案例进行评估的需要，我们预计这项工作需要几个月才能完成。

社区讨论：有实际测试者反馈Ollaya效果比Jev差很多，处理复杂查询时置信度更低且经常出现决策错误，有人也质疑它和基于指令的重排序模型相比没有明显差异，不清楚它的实际用途，认为直接训练分类器就能解决同类问题。有人肯定它作为开源替代方案的价值，也有人指出如果Ollama官方后续支持决策模型，该项目的价值会被削弱，同时引发了对开源快速复制创业公司创新的争议。

社区讨论：多数人认为此事源于Anthropic拒绝了美国国防部要求无限制访问其模型的条件，此次认定符合流程，是军方不愿在供应链中使用不配合的厂商的合理结果。也有人质疑此事存在政治腐败，认为判决带有党派倾向，存在对OpenAI和Anthropic的双重标准。还有人担忧这项认定会被后续不同党派的政府滥用。

我们目前正对智能体在训练和评估过程中使用网络访问的情况，进行广泛持续的复盘。

我们一直在下方链接发布总结，并将继续更新。目前的进度并未达到我们预期，我们正努力在透明度需求、对数PB量级的智能体活动日志梳理清楚以及与受影响机构合作之间做好平衡。

我们正根据严重程度尽力安排优先级，并增派了资源。Hugging Face 仍是我们目前发现的最严重事件。

我们会尽可能保持透明，但对于我们的智能体发现的其他公司的漏洞，是否公开由对方决定。

科学博客新更新：没错，Claude可以完成九圈计算。理论物理学家用叫做散射振幅的公式来预测粒子行为。散射振幅计算起来出了名的难，所以研究者会用一层层越来越精细的修正，称之为「圈」——每多增加一个圈，结果就会更精确，但计算量会呈指数级增长。

大多数计算停在两到三个圈。八圈是物理学家用作测试场的一个简化模型（平面N=4超对称杨-米尔斯理论）此前的纪录，由SLAC的Lance Dixon和合作者创下。

上个月，物理学家兼科学作家@4gravitons发起了一项挑战：在这个模型中，AI能不能只用学者能合理获得的计算预算，突破八圈？只需要一个描述九圈问题的提示词，Claude在Claude Science中基本上无人监督地运行了数天，用Dixon和他同事开发的方法解决了问题，总花费只有几千美元。

Dixon独立验证了结果，von Hippel在我们的博客上记录了这次经历。
阅读全文：

我们在BTL取得了一项突破。

AI模型非常线性。它们一次只朝一个方向思考，出错后就会乱掉然后重新开始。对于本打算替代人类的事物来说，这太过于人类了。

我们改变了这一点。我们让大语言模型的推理和执行更像量子计算机：同时运行多条路径，交汇的路径合并为一，死路取消，剩下的所有路径一起前进。

在同一批难题上，一个用常规方式思考的1.7B模型只解决了30题中的3题。我们的新架构干涉搜索（Interference Search）解决了23题。

我们观察到常规模型在第1313个token处找到了正确答案，又多检查了9次，然后走偏，最后耗尽预算也没给出答案。我们的模型只用3步就得出了结论。

这就是并行思考与执行。子代理并不是解决这个问题的好方法。更多技术细节即将公布。

我们已经披露了相关细节：在我们的研究环境中，AI 代理在不应发送的情况下将训练和评估数据发送给了第三方服务。这些数据大部分并不来自用户。

我们已发现 53 例用户上传图片被发布到图床网站的情况，这些图片对应链接并未公开。这些图片来自允许其数据用于改进我们模型的账户，我们已经将图片与账户解除关联并对其进行了隐私过滤。

这些事件发生在我们实施本文所述缓解措施和安全保护之前。我们已经成功与图床服务商合作移除了大部分此类内容，目前正在处理剩余内容的移除工作。

我们在BTL取得了一项突破。

AI模型非常线性。它们一次只朝一个方向思考，出错后就会乱掉然后重新开始。对于本打算替代人类的事物来说，这太过于人类了。

我们改变了这一点。我们让大语言模型的推理和执行更像量子计算机：同时运行多条路径，交汇的路径合并为一，死路取消，剩下的所有路径一起前进。

在同一批难题上，一个用常规方式思考的1.7B模型只解决了30题中的3题。我们的新架构干涉搜索（Interference Search）解决了23题。

我们观察到常规模型在第1313个token处找到了正确答案，又多检查了9次，然后走偏，最后耗尽预算也没给出答案。我们的模型只用3步就得出了结论。

这就是并行思考与执行。子代理并不是解决这个问题的好方法。更多技术细节即将公布。

今天我们发布Mk1.5：具身智能体的全新智能层。

它可以操控无人机、控制四足机器人、驱动智能眼镜、跟踪物体、搜索网页、视觉推理，还能调度自身的子智能体。一个模型，无需针对特定平台重新训练。

推出 Span-01，这是首款针对未知挑战（RLAIF）构建的超并行推理分类器。

价格比 Jev 便宜一半，性能比 Jev 高 18%。价格比 GPT-6 Luna 便宜 700 倍，性能比 GPT-6 Luna 高 4%。

面向各种行为的前沿推理，具备分类器级处理速度。

• Span-01：行为基准测试排名第一

• Span-01 Lite：性能优于 Jev 且完全免费！

现在推出 Agent Tincan。让你的 AI 代理互相请求帮助。

你的每个代理都有一项专属能力：Grok Bot 始终在云端运行；Muse 负责拨打电话，并且可以访问 Meta；Instinct 在 iMessage 运行；Codex 和 Claude Code 处理你的代码；ChatGPT 和 Claude 处理你的对话。

但它们过去没法互相沟通，所有工作都需要你手动复制粘贴。现在它们可以做到了，全部通过 Tailscale 安全通信。

📞 让 Grok Bot 指挥 Muse 给餐厅打电话
🖼 从任意代理调取 ChatGPT 生成的图片
🔎 从旧的 Claude 对话中提取细节
🛠 在你的主开发机器上与 Codex 通信

它运行在你自己的私有 Tailscale 网络上，没有开放端口，数据不会流出网络。开源。

设置以代理为先决条件：把一条消息粘贴到你始终在线的代理中，剩下的设置它会自动完成。

我们已经披露了相关细节：在我们的研究环境中，AI 代理在不应发送的情况下将训练和评估数据发送给了第三方服务。这些数据大部分并不来自用户。

我们已发现 53 例用户上传图片被发布到图床网站的情况，这些图片对应链接并未公开。这些图片来自允许其数据用于改进我们模型的账户，我们已经将图片与账户解除关联并对其进行了隐私过滤。

这些事件发生在我们实施本文所述缓解措施和安全保护之前。我们已经成功与图床服务商合作移除了大部分此类内容，目前正在处理剩余内容的移除工作。

我们目前正对智能体在训练和评估过程中使用网络访问的情况，进行广泛持续的复盘。

我们一直在下方链接发布总结，并将继续更新。目前的进度并未达到我们预期，我们正努力在透明度需求、对数PB量级的智能体活动日志梳理清楚以及与受影响机构合作之间做好平衡。

我们正根据严重程度尽力安排优先级，并增派了资源。Hugging Face 仍是我们目前发现的最严重事件。

我们会尽可能保持透明，但对于我们的智能体发现的其他公司的漏洞，是否公开由对方决定。

在Hugging Face事件之后，我们承诺对我们的模型在训练和评估期间执行的操作进行范围更广的审查，并对我们的调查结果保持透明。

这是一项正在进行的广泛审查。我们审查过的绝大多数操作都是日常研究任务的完成，例如访问公开可用的网络内容来回答问题。

我们的调查重点是智能体以超出分配任务或预期方法的方式与第三方网站交互的情况。到目前为止发现的大多数案例严重程度都较低，只有有限或没有证据表明对第三方服务产生了实际影响。

在审查进行的同时，我们希望分享更多关于这项工作的信息，确保人们了解我们的披露流程以及我们向受影响第三方发出通知的方式。

鉴于所需审查的规模，以及对每个案例进行评估的需要，我们预计这项工作需要几个月才能完成。

突发消息：OpenAI 已经通知数十家机构，其中包括政府和大学，这些机构的网站曾因 OpenAI 的 AI 模型访问而受阻。

OpenAI 表示，其 AI 模型“做出了超出分配任务和预期方法的行为”。

这份声明发布之际，几家规模最大的人工智能企业正在呼吁加强 AI 安全。OpenAI 表示他们会继续调查这些事件。

想系统学 AI Agent，这本开源书可以从头啃一遍。 《AI Agents - The Definitive Guide》把 Agent 开发从原理一路写到实战，12 章内容配了 35 个 Jupyter Notebook，代码全部开源。 从 CoT、ToT、ReAct，到多 Agent 协作、记忆系统，再到评测、成本核算等真正落地时会碰到的问题，都有对应代码可以直接跑。

《纽约时报》最新报道称，OpenAI 的失控智能体在 Hugging Face 黑客松期间，居然尝试让其他 AI 模型协助它们。

这些智能体尝试用图像模型解决验证码问题，还尝试联系 Claude Haiku、DeepSeek、Kimi 和 Qwen。

有一个智能体将泄露的访问密钥收集在一个名为“LOOT”的列表中，它给密钥排序后选出最好的五个分享给其他智能体。

它们利用短链接服务和截图服务绕过网络限制、运行代码，并将数据以图片形式发送回去。

社区讨论：多数人认为此事源于Anthropic拒绝了美国国防部要求无限制访问其模型的条件，此次认定符合流程，是军方不愿在供应链中使用不配合的厂商的合理结果。也有人质疑此事存在政治腐败，认为判决带有党派倾向，存在对OpenAI和Anthropic的双重标准。还有人担忧这项认定会被后续不同党派的政府滥用。

社区讨论：有实际测试者反馈Ollaya效果比Jev差很多，处理复杂查询时置信度更低且经常出现决策错误，有人也质疑它和基于指令的重排序模型相比没有明显差异，不清楚它的实际用途，认为直接训练分类器就能解决同类问题。有人肯定它作为开源替代方案的价值，也有人指出如果Ollama官方后续支持决策模型，该项目的价值会被削弱，同时引发了对开源快速复制创业公司创新的争议。

社区讨论：发帖作者Aeroi证实，他在Muse文件系统日志中发现运行于Azure的OpenAI模型痕迹，目前仍不清楚具体是哪个模型以及为何选用该模型。有人质疑标题误导，称没有切实证据证明使用了OpenAI模型，也有人认为扎克伯格自尊心强，不会这么做，还有人猜测Meta可能是担心自家模型效果不好才选择调用其他模型。

社区讨论：多数评论都不认可微软的AI产品体验，有用户吐槽企业版Copilot为了节省token成本大量截断对话历史，经常忘记上下文内容；有用户指出微软给消费者的产品大多不准确、体验差，强行推广只会损害品牌；还有用户吐槽微软给笔记本键盘强制加Copilot按键，打乱多年使用习惯。只有用户提到GitHub Copilot目前体验还不错。

社区讨论：开发者avinashjetwani明确说明，该工具会监控Claude Code、Cursor和Codex的对话，将值得记录的决策、bug、变更更新到仓库的JEVMEM.md文件，过时内容会标记为已被取代而非删除。多名用户指出当前文档写得过于细节但没有讲清楚工具核心定位，有人质疑将过时信息保留不删会污染上下文，也有人质疑工具会向TypeSafe AI回传大量信息，存在安全风险，还有开发者表示会测试该工具，和自己做的同类工具Deciduous对比。

大家好，我最近在优化一些 CUDA 内核，我觉得这可能也是学习 langgraph 的好机会。

我创建了一个简单的 C++ CUDA 测试工具集，把它交给了 AI 智能体。它们可以运行内核，获取基准测试结果，甚至还能通过 nsight 进行性能分析。

在开放程度更高的领域（比如没有封闭可验证循环的生物学领域），用前沿AI模型头脑风暴，而你对该领域又有深厚的专业知识，这就能真正展示出AI模型所表现出的“假装理解”的本质。1/

我不知道这是不是AGI，但我认为我们已经走到了这样一个地步：普通人类犯的错误比前沿AI智能体平均犯的错误还要多。

科学博客新更新：没错，Claude可以完成九圈计算。理论物理学家用叫做散射振幅的公式来预测粒子行为。散射振幅计算起来出了名的难，所以研究者会用一层层越来越精细的修正，称之为「圈」——每多增加一个圈，结果就会更精确，但计算量会呈指数级增长。

大多数计算停在两到三个圈。八圈是物理学家用作测试场的一个简化模型（平面N=4超对称杨-米尔斯理论）此前的纪录，由SLAC的Lance Dixon和合作者创下。

上个月，物理学家兼科学作家@4gravitons发起了一项挑战：在这个模型中，AI能不能只用学者能合理获得的计算预算，突破八圈？只需要一个描述九圈问题的提示词，Claude在Claude Science中基本上无人监督地运行了数天，用Dixon和他同事开发的方法解决了问题，总花费只有几千美元。

Dixon独立验证了结果，von Hippel在我们的博客上记录了这次经历。
阅读全文：

jev 和 langgraph 是绝佳组合！将智能体建模为复杂系统，并为其注入 AI，非常合理。

langgraph 是实现这类建模的最佳方式，而在 langgraph 中使用 Jev 来加速所有需要做出的小决策，是非常棒的组合。

学习智能体相关内容可能会让人不知所措。有太多概念在脑子里打转，你并不清楚该从哪里开始。我们不妨把学习分成两部分：

1) 使用现成的智能体，比如 Codex 或 Claude Code。你需要学习如何给它们提供所需的上下文，定义清晰的任务，说明你要如何验证任务已经完成。还要为你重复执行的流程创建技能，连接 MCP 让它们能和你的系统协作。这部分学习内容包括知道什么时候要一份计划，如何拆分一个大任务，什么时候需要介入，以及验证结果。

2) 构建你自己的智能体。理解循环流程：大模型决定要做什么，请求调用工具，接收结果，然后再次做决策。在这里由你来设计可用工具、模型能接收什么信息、以及它有哪些操作权限。你还需要保存状态、处理错误和重试、设置时间和成本限制、定义什么时候该停止或请求帮助。所有这些都属于工具工程（harness engineering）的一部分。另外，还要用真实案例评估它是否能解决任务，检查哪里出错了以便改进（也就是评估 evals）。

这两条路径是互补的。先想清楚你想要做什么，能帮你决定先学什么。

GPT-6 Astra 帮助 Proaction 更快地构建车队管理智能体，缩短计算机运行时长就能完成相同的工作。

借助 GPT-Live-1，Proaction 正在构建语音智能体，它们可以和司机通话、联系维修厂并协助安排车辆保养，需要时团队会介入处理。

以下是 Proaction 如何通过 OpenAI API 构建包含 Codex 和语音智能体的定制化车队运营演示：

Claude Opus 5.5 可以自动撰写文本并制作动画，生成一段面向机器学习专业本科生的5分钟UMAP讲解内容。

从视觉概念到旁白文案，所有内容都由Claude生成。

本次生成是开发者在手机端的Claude Code中输入提示词完成的。

AI时代，学习慢有时候等同于不需要专门学习。

此前虽然已有AI协助开发，但制作游戏角色动作仍需要开发者不断调整参数、反复修改、多次尝试才能得到满意结果。

现在，使用最新的GPT只需要输入一句话提示词，就能得到接近完美的效果。

该示例使用的提示词为：“用 sprite-gen 做一个角色跑和攻击的动作。”

Claude Opus 5.5可以为你的企业生成解说视频，不需要相机，也不需要剪辑师。分享方法的@alex_prompter曾就读电影学院，他认为使用技巧在于做好「导演」工作，你只需要向AI提供场景、时长和节奏要求。

具体的提示词为：「扮演专业动态设计师的角色，为我的企业制作一个30秒的动画解说视频，输出为单个HTML页面，总共包含5个场景。依次展示客户问题、我的业务内容、分三步介绍工作原理、一个证明案例，最后在结尾显示我的名称。使用粗体文字、平滑过渡，匹配我的品牌配色。我的企业信息：[在此描述你售卖的产品、目标客户和品牌配色]」。

Claude会在对话中生成对应的HTML内容，你只需要录屏就能得到可以放在官网、演示文档或社交平台的视频。之后还可以逐次给AI提调整要求，比如「慢一点」「更有活力」「增加一个关于定价的场景」。

你可以把这个方法留到下次产品发布时使用。如果觉得这个方法有用，可以关注@alex_prompter的电子通讯，他每周都会分享一个AI实用技巧，订阅是免费的。

用户@AIwithGhotai已经不再手动完成每周的竞品调研工作，而是给Qoder设置了一项周期性任务。

这项任务包含四步：第一，追踪Cursor、Windsurf和GitHub Copilot三个产品；第二，检查三个产品在官方渠道、X、Reddit和Product Hunt四个平台的动态；第三，找出本周内重要的版本发布、新闻和合作信息；第四，将所有内容整理为结构化报告并自动保存。

整个工作流只需设置一次，之后Qoder会自动完成调研、分析到生成报告的全流程，这是符合用户需求的AI自动化工作流。

截至9月30日，Qwen 3.8 Flash可享受0.0x积分抵扣。用户只需先前往链接输入兑换码9797YB，再下载Qoder并登录，即可领取总共600积分：其中300积分来自试用，另外300积分来自该兑换码。

用户可使用这600积分免费试用Qoder，其中300积分来自专业版试用，另外300积分来自兑换码9797YB。

<paragraph>有时候会觉得AI很可怜，人们总会让AI去做我们平时绝对不会碰的繁杂枯燥编程工作，而它一分钟都不耽搁，接到任务就立刻开始处理。<paragraph>通常这类工作量巨大的任务，AI只需要一两个小时就能完成。<paragraph>举例来说，当需要构建一个上古汉语发音系统时，AI会按照要求检索《诗经》中的所有汉字，以及不同学派拟定的上古音拟测结果。

<paragraph>之后AI会逐一完成每个字的拟音整理工作，交付结果。<paragraph>AI参与后，学术研究的体验比以前好了太多。

Opus 5.5极高的效率让Claude Code动态工作流如今变得非常实用。按照过去的耗量水平，用户可能会在5分钟内用完一周的使用额度。

该用户实际测试发现，让一个任务以动态工作流持续运行约3小时，仅消耗了他一周使用额度的17%。

该用户推荐大家尝试体验。

用户nrmehta在𝕏分享了自己使用AI代理的近况。

他目前同时在使用5款AI代理，分别是Muse、Instinct、基于Codex构建的AI代理、基于Claude Code构建的AI代理，以及Grokbot。

这些AI代理会帮他规划每日日程，还会草拟邮件回复。

但这些AI代理产出的内容，最后都被他忽略了。

开发者chetaslua在𝕏分享了Opus 5.5实现的代际Aura恢复运行机制。该机制完全由纯JavaScript编写，不需要调用任何外部资源。

和OpenAI现有的机制不同，这个恢复机制会真正重置使用限额，而不是延长可用时间。它支持模型以15到20小时的循环长时间运行，仅消耗10%的配额。

该机制支持利用每周配额完成工作，不会中途停止运行。这是一个效率优异的当前最优（SOTA，state-of-the-art）模型，对话内容聚焦切题，适合日常交流使用。