跳到正文
K = 0.731
全部动态 · 今日8条

#大佬观点

信源抓到、进了内容池的全部内容，按时间排列；精选只是其中一部分。
观点

人物观点、评论、分析、访谈、现象与趋势讨论

今天10月17日周六
  1. Alexandr Wang · X35

    亚历山大·王感谢 Meta 超级智能实验室达成模型构建里程碑

    经历了一周的产品发布后，亚历山大·王向 Meta 超级智能实验室的研究团队表示感谢，其中包括 Muse Wonder [完整版] 和开放版 Muse Spark。他说，MSL 和 TBD 创立于一年多前，目标是在一年左右打造一个前沿模型；考虑到 Llama 4 最终的表现，这一目标当时颇具雄心。王还表示，团队也建立了一个可扩展的系统，以持续推动模型达到前沿水平。

  2. Simon Willison47

    引用 Addy Osmani、Morgan Westlee Lunt 和 Qing Wang 谈代码审查

    Addy Osmani、Morgan Westlee Lunt 和 Qing Wang 表示，Claude Code 团队会持续审查变更，大多数变更在由人查看之前，至少会由 Claude 审查并修复一次。他们介绍说，团队会思考可能出现什么问题，以及应该采用哪种检查方式（自动化检查还是人工检查）来发现问题，而不是把是否有人读过代码当作判断标准。

  4. MIT Technology Review · AI44

    《麻省理工科技评论》的詹姆斯·奥唐奈采访 AI 设计病毒的创作者塞缪尔·金

    高级 AI 记者詹姆斯·奥唐奈采访了斯坦福大学生物工程博士候选人塞缪尔·金，讨论他如何使用生成式 AI 模型提出微观病毒的遗传蓝图。本次访谈涵盖金的研究、他入选《麻省理工科技评论》35 岁以下创新者，以及看待生物学的新方式。来源称，这还不能算是 AI 生成生命的例子。

  5. 量子位58

    亚马逊首席技术官 Werner Vogels 敦促企业在 AI 决策中排除恐惧

    亚马逊首席技术官 Werner Vogels 认为，企业在急于采用 AI 之前，应先了解自身的业务问题和 AI 的能力。他在深圳发表讲话时强调，要判断任务是否适合交由 AI 完成、考虑运营成本、明确限制 Agent 的行动，并由开发者对结果负责。他还提醒，AI 生成的代码可能累积验证债务，并强调初级工程师仍需积累阅读和审查代码的经验。

  6. Sam Altman · X55

    Sam Altman 欢迎 Nick Cammarata 对机械可解释性的乐观看法

    Sam Altman 表示，他很高兴看到 Nick Cammarata 发布关于可解释性的帖子。 Cammarata 表示，他在 OpenAI 的早期工作让他感到悲观：当时原始的工具只能让约 2% 的神经元变得可理解。他如今声称，现代智能体工具能让规模高达数万亿参数的模型中绝大多数神经元变得可理解，并相信随着自动化科学家不断改进，雄心勃勃的可解释性研究很快就能取得突破。 https://already-clean.goodfire.com/

  7. TechCrunch · AI39

    英伟达资深人士：物理 AI 不只是机器人

    前 NVIDIA 机器人产品营销负责人、Techable VC 创始人 Amulya Vishwanath 表示，机器人技术正处于“乐高时代”，基础构件仍在不断重建。在 TechCrunch 的 Equity 播客节目中，她谈到对机器人、材料科学和生命科学领域物理 AI 的投资，并将其广义地定义为包括“一种分子、一种材料、一种药物”，或一台工厂机器。

  8. TechCrunch · AI32

    前英伟达机器人业务高管称，该领域仍处于“乐高时代”

    曾在 NVIDIA 负责机器人平台产品营销七年的 Amulya Vishwanath 表示，机器人领域仍在重新构建执行器、机械手、软件和安全标准等基础组件。在 TechCrunch 的 Equity 播客节目中，她谈到了自己通过 Techable VC 投资的方向。这家早期投资公司由她创立，旨在支持机器人、材料科学和生命科学领域的具身人工智能。

10月16日周五
  3. TechCrunch · AI38

    马克·沃尔伯格愿意让人工智能增强电影效果并延续他的事业

    马克·沃尔伯格在 TechCrunch Disrupt 上表示，只要人工智能能够提升作品质量，同时仍以讲故事为核心，它就可以在电影制作中发挥作用。他可能会用人工智能增强即将上映的皮特·罗斯传记片中的体育场场景；他还表示，愿意让人工智能生成的形象延续自己的事业，包括用于动画剧集《泰迪熊》。

  4. The Decoder64

    AI 可解释性是否接近突破？一篇新文章引发研究人员分歧

    Cammarata 认为，更好的工具和自动化智能体让神经网络比早期研究所认为的更容易解释；而 Google DeepMind 的 Neel Nanda 则反驳说，广泛意义上的突破还遥不可及。Cammarata 报告了初步发现：在 Qwen3-32B 中，约 90% 的神经元极点各有一项主要功能；他还将经典的叠加示例重新解释为彼此相关的特征。Nanda 认为神经元分析具有实用价值，但预计仍会存在显著缺口，并坚持认为叠加现象确实存在。配套的技术论文尚未发布。

  6. Arthur Mensch · X55

    欧洲应该把前沿人工智能交给美国人和中国人吗？

    Arthur Mensch认为，欧洲应开发前沿人工智能模型，并警告说，依赖美国和中国的供应商会加深经济依赖，并限制欧洲对访问权限、定价、安全和科学研究的掌控。他认为，开放模型只能部分解决这种依赖，而前沿研究有助于推动产业应用。他表示，Mistral的计算能力计划在未来一年增加到原来的六倍，该公司还将筹集资金以加快发展。

  10. Ethan Mollick · X22

    这篇论文说明了为什么我对“前沿模型可以轻易被更便宜的模型取代”这一观点持怀疑态度（也说明了为什么你应该让最好的模型担任编排者）：在长期任务中，准确性和判断力的微小提升会不断累积，从而大幅改善最终结果。

    这篇论文说明了为什么我对“前沿模型可以轻易被更便宜的模型取代”这一观点持怀疑态度（也说明了为什么你应该让最好的模型担任编排者）：在长期任务中，准确性和判断力的微小提升会不断累积，从而大幅改善最终结果。

  11. Alexandr Wang · X30

    Alexandr Wang 回应 @kirillk_web3 关于 Muse Spark 的帖子

    @kirillk_web3 称，Meta 的 Llama 4 让所有人失望，Meta 转向闭源并推出 Muse Spark，Zuck 开出一张 1000 亿至 2000 亿美元的支票，Muse Wonder 于周一发布，3 天后 Meta 又向你开放权重：8160 亿个参数，但任一时刻仅有 420 亿个处于激活状态。https://t.co/031gtR0nHm https://t.co/nEN1JMzvBa Alexandr Wang：“笑死，Muse Spark 开源后表现太猛了” https://t.co/AcUT9o8NEQ

  12. TechCrunch · AI48

    Cal AI 的网红策略助推其病毒式增长

    Cal AI 创始人 Zach Yadegari 表示，公司的快速增长很大程度上得益于付费邀请网红推广其卡路里追踪应用。早期一条网红推广帖在两天内带来了约 1,000 名新用户；在 MyFitnessPal 于 3 月以未披露的金额收购 Cal AI 之前，该公司两年间创造了超过 3,000 万美元的收入。

  13. Ethan Mollick · X23

    我看到的第一篇关于我即将出版的新书《Co-Existence》的书评，来自《新科学家》。（成为作家后，我惊讶地发现，在书评发表之前，你并不知道谁在评论你的书，所以能以一篇正面的书评开个好头真不错！）https://www.newscientist.com/article/2593188-how-to-build-a-real-relationship-with-ai-and-keep-your-cognitive-edge/

    我看到的第一篇关于我即将出版的新书《Co-Existence》的书评，来自《新科学家》。 （成为作家后，我惊讶地发现，在书评发表之前，你并不知道谁在评论你的书，所以能以一篇正面的书评开个好头真不错！）https://www.newscientist.com/article/2593188-how-to-build-a-real-relationship-with-ai-and-keep-your-cognitive-edge/

  14. Mira Murati · X53

    Mira Murati 回顾 Tinker 用户如何将自己的想法转化为由自己拥有的模型权重

    Mira Murati 表示，今年最棒的事情之一，无论是在 Thinky 内部还是外部，都是看到人们沿着自己的想法不断探索，最终得到由自己拥有的模型权重。 https://twitter.com/thinkymachines/status/2110851669915570685 在被引用的帖子中，@thinkymachines 借 Tinker 发布一周年之际，回顾了它推出的成果以及用户正在构建的内容。 https://thinkingmachines.ai/news/one-year-of-tinker/

  15. The Verge · AI22

    好莱坞新科技题材电影以更尖锐的视角审视硅谷

    新一波关于硅谷人物的电影对他们的刻画比早期作品更为批判，反映出观众对大型科技公司的看法日渐黯淡。这些电影包括《社交清算》，它将 Facebook 过去的决策与当下对 Meta 影响力的担忧联系起来；还有 Alex Gibney 执导的马斯克纪录片，该片正在部分影院上映，并遭遇广告限制。Luca Guadagnino 的《人工智能》和 Nathan Fielder 的《你能看到一切》也分别审视了 Sam Altman 和 Elizabeth Holmes。

  16. Clément Delangue · X30

    我们正派出一群 Microducks 去评估 @AnthropicAI！开个玩笑，虽然这件事还没获批，但我认为，让开源工程师和科学家参与这些重要项目，对保持透明度非常重要。这也是 @Thom_Wolf 发起开放对齐倡议的重要原因。我们都在同一条船上！

    我们正派出一群 Microducks 去评估 @AnthropicAI！ 开个玩笑，虽然这件事还没获批，但我认为，让开源工程师和科学家参与这些重要项目，对保持透明度非常重要。这也是 @Thom_Wolf 发起开放对齐倡议的重要原因。我们都在同一条船上！

  17. TechCrunch · AI36

    亚马逊设备业务负责人帕诺斯·帕奈：环境式 AI 设备将让应用变得不那么重要

    亚马逊设备业务负责人帕诺斯·帕奈表示，利用传感器和 AI 的环境式设备可以在后台处理更多任务，从而让基于应用的交互变得不那么重要。他介绍了亚马逊周四发布的新款 Bee 设备，这些设备会被动录制音频并做笔记；它们实时处理音频，随后将其删除。帕奈表示，他预计会出现一个连接不同设备的智能层，而不是由一种形态取代另一种形态。

  18. Aravind Srinivas · X57

    Aravind Srinivas认为，新云服务商需要掌控完整的智能体推理平台

    Aravind Srinivas认为，新云服务商不能只出租GPU，还需要掌控完整的智能体推理平台，包括开放权重模型（SGLang）、微调模型（Miles、River）和安全沙箱（SPACE）。他期待与Coreweave、Akamai、Crusoe及更多合作伙伴携手合作。 在被引用的帖子中，Reed Albergotti报道称，Perplexity正与Akamai、Coreweave和Crusoe等合作伙伴共同开源其沙箱SPACE。https://twitter.com/ReedAlbergotti/status/2110782821879144922

  19. 量子位57

    前华为小艺模型负责人唐都雨创立初创公司，致力于开发主动式具身智能

    曾负责华为小艺助手多模态模型开发的唐都雨创立了观星数智，致力于开发能够识别需求并决定何时介入、无需明确指令的具身智能。其 ProAgent 架构将轻量级事件监测器 StreamingJev 与响应模型结合，由后者规划介入方式并选择设备。团队称已在 Reachy Mini 上针对 60 个案例测试引导、警告和交互，并推出 ProactiveXBench，用于评估介入时机、进展和结果。

  20. Nathan Lambert · X14

    伙计们，这简直就是我的超级碗时刻！我等了好久，终于等到美国开放权重模型再次具有竞争力。就在今天之前，美国模型还落后于早在2026年2月就已出现的中国模型。还有更多工作要做！

    伙计们，这简直就是我的超级碗时刻！我等了好久，终于等到美国开放权重模型再次具有竞争力。就在今天之前，美国模型还落后于早在2026年2月就已出现的中国模型。还有更多工作要做！

  21. Nathan Lambert · X28

    朋友们，这就像是我的超级碗时刻。我等了好久，终于等到美国开放权重模型再次具有竞争力。直到今天之前，美国模型仍落后于早在2026年2月就已领先的中国模型。还有更多工作要做！这至少把差距缩短了一半，按时间算（比如缩短了3个月）。

    朋友们，这就像是我的超级碗时刻。我等了好久，终于等到美国开放权重模型再次具有竞争力。直到今天之前，美国模型仍落后于早在2026年2月就已领先的中国模型。还有更多工作要做！ 这至少把差距缩短了一半，按时间算（比如缩短了3个月）

  23. François Chollet · X81

    Chollet 比较 Gemini 4 Argon 与 Astra 在 ARC-AGI-3 上的表现

    François Chollet 表示，Argon 在 ARC-AGI-3 上的表现特征与 Astra 相似，并补充说 Google 已重返前沿。https://t.co/a6GGEsMN4A 被引用的 ARC Prize 帖子报告了 Gemini 4 Argon 经验证的 ARC-AGI-3 结果：使用提供方适配器测试框架时为 97.5%、$4.8K，使用标准测试框架时为 49.8%、$5.8K；此外，在 ARC-AGI-2 上为 91.3%、$0.32/task，在 ARC-AGI-1 上为 98.5%、$0.16/task。https://t.co/8siwgfBJcr

    推荐理由：报告的 ARC-AGI-3 分数区分了提供方适配器测试框架和标准测试框架的结果，为 Chollet 将 Argon 与 Astra 进行比较以及他对 Google 前沿地位的评估提供了背景。

  25. Nathan Lambert · X58

    Nathan Lambert 预测，若成绩属实，muse spark open 将推动开源采用激增

    Nathan Lambert 预测，如果 muse spark open 的性能大致与其公布的成绩相符，其采用率将激增，并称它是首个具备接近前沿水平智能体能力的美国开放权重模型。 他将这一转变与中国的 GLM 5.2 和 Kimi K3 相提并论。在引述的公告中，@alexandr_wang 表示，muse spark open 总参数量为 816B，激活参数量为 42B，上下文长度为 1M token，并具备原生多模态能力，专为编程和智能体任务打造。 https://t.co/9elY7xigU5

  28. The Decoder75

    谷歌推出 Gemini 4 Argon，用于机器人控制、仿真和训练数据评估

    谷歌正将 Gemini 4 Argon 定位为一个用于机器人仿真、控制和训练数据评估的单一模型。谷歌称，仿真生成的训练回合将一台机器人的成功率从 56% 提高到了 75%，但在 Artificial Analysis 的真实机器人控制基准测试中，Argon 排名第三。已发布的演示提示词包含大量指导内容，而谷歌没有报告各演示的失败率，也没有说明 75% 这一结果背后的尝试次数。

10月15日周四
  3. The Verge · AI71

    Benn Jordan 谈 Flock、隐私与新一轮监控反弹

    Nilay Patel 采访了 Benn Jordan，谈及他对 Flock Safety 的调查，以及两党对车牌监控的反弹。Jordan 认为，核心问题不止在于摄像头，还包括让警方能够搜索人们行动轨迹的私人网络，并介绍了他发现的安全漏洞。他主张公开、不可篡改的审计日志、更严格的监督以及社区参与，同时解释了为何现在会直接向 Flock 报告漏洞，并与其领导层交流。