跳到正文
今天10月23日周五3 条
10月22日周四
  1. Latent Space22

    Moshi CEO Anekha Sokhal 谈为交易员构建市场信息推荐引擎

    Moshi CEO Anekha Sokhal 正在为交易员构建一款推荐引擎,把市场信息与交易员持仓真正相关的部分连接起来。她将 Moshi 形容为 Bloomberg、Claude 和 Netflix 的结合体:市场数据、操作界面,以及针对交易员定制的推荐。她还在访谈中谈到可信信源、文档抽取、自建还是采购模型,以及被要求"你就是团队"的 AI 工程师所承受的压力。

  2. Latent Space25

    Moshi CEO Anekha Sokhal 谈为大宗商品交易员打造推荐引擎

    Moshi 正在为大宗商品交易员构建推荐引擎,把市场信息与交易员持仓组合真正相关的部分连接起来。CEO Anekha Sokhal 称 Moshi 像是 Bloomberg、Claude 和 Netflix 的结合体:市场数据、操作界面,以及为交易员量身定制的推荐。她还在 AI Engineer New York 谈及可信信源、文档提取与自建还是采购模型的取舍。

10月21日周三
  1. TechCrunch · AI18

    前英伟达高管、现投资人 Amulya Vishwanath:物理 AI 正处于“乐高时代”

    前英伟达产品营销人员、现 Techable Ventures 创始人兼管理合伙人 Amulya Vishwanath 表示,物理 AI 目前仍处于“乐高时代”,而非外界期待的机器人“ChatGPT 时刻”。她认为机器人手、执行器等基础软件与构件正被重新设计,通用与专用机器人同时在推进,规模化创新尚需时间。她还强调人才是美国市场的关键壁垒,并称自己的人脉网络可帮助创始人对接顶尖人才。

  2. Latent Space47

    SF Compute CEO Evan Conrad 谈可编程数据中心与算力交易市场

    SF Compute 正把 GPU 算力做成可交易市场,不仅支持买卖当前与未来的 GPU 小时,还能以编程方式控制从网络到内存的整栈资源。CEO Evan Conrad 称公司已从转租集群扩展到自建云运营能力,以实现"物理交割"——买家拿到可用算力而非现金结算。他认为 NVIDIA 因缺乏中立性无法自建此类交易所,而 SF Compute 通过匹配不同约束条件的订单在技术迭代期维持交易可行。

  3. Microsoft Research15

    Microsoft Research 播客:Chris White 谈从阿富汗到打击人口贩运的技术之路

    Microsoft Research Catalyst Lab 负责人 Chris White 在播客中讲述其从哈佛博士后借调 DARPA、赴阿富汗领导先进技术行动,到开发暗网搜索工具协助打击人口贩运的经历。他因相关工作获得 2016 年美国总统打击人口贩运杰出贡献奖。对话还讨论了问题选择在创新中的作用,以及目睹人性阴暗面后如何保持希望。

10月20日周二
  1. MIT Technology Review · AI22

    各行业 AI 采用率差异揭示了其他行业可借鉴的经验

    TripleTen 2026 年调查显示,科技行业领跑 AI 采用,金融紧随其后:48% 的金融从业者被要求使用 AI 聊天机器人,32% 被要求自动化部分工作流程;医疗为 18%、教育为 25%。79% 的受访者被要求学习至少一项新技能,但仅 30% 的管理者认为判断 AI 输出对错是必备能力。科技从业者年均自费培训 $1,758,医疗与教育分别仅 $990 和 $883。

  2. Simon Willison22

    Simon Willison 为编程写下讣告:coding agents 夺走了程序员的解谜乐趣

    Simon Willison 撰文回应 Jeremy Scheff 的观点,称 coding agents 让热爱解谜的程序员失去了编程中最核心的乐趣。Scheff 认为编程曾是高薪的逻辑解谜工作,策略、时间线和可行性都由程序员决定;对只想构建可用系统的人,LLM 是持续馈赠,而对享受直接解题的人,这种损失非常真实。

  3. TechCrunch · AI38

    Hugging Face 政策负责人:嵌入式 AI 评估器并非易事

    Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示,嵌入式 AI 评估器并非简单解法,评估结果的可复现性依赖开放权重,而当前评估方法之间难以有效比较且失效较快。她指出智能体评估既困难又昂贵,行业对 harness 的评估远少于对模型的评估,评估者资质标准也亟需统一。

10月19日周一
  1. The Verge · AI34

    民主党人认为严管 AI 或能带来选举优势

    民主党有望在中期选举中夺回国会至少一院,从而掌握委员会主导权,对 AI 公司展开更严格审查。关键委员会高层已表示将就数据中心税收抵免和近期黑客事件施压,并可传唤 CEO 作证。与 Karthik Ganapathy 共同创立超级 PAC「Tomorrow Together」的 Rob Flaherty 上周在众议院选战投入 400 万美元广告,抨击共和党候选人在 AI 议题上脱节。

10月17日周六
  1. Simon Willison38

    Claude Code 团队如何做代码审查:人类读代码不再是关键问题

    Claude Code 团队认为"人类是否读过代码"是判断风险的粗略代理指标,真正该问的是"这次改动可能出什么问题、该由哪种检查(自动或人工)来发现"。审查因此从 PR 末尾的关卡变成持续进行,类似写作时的拼写检查,多数改动在人工查看前已被 Claude 至少审查并修复一次。

10月16日周五
10月15日周四
10月14日周三
10月13日周二
  1. MIT Technology Review · AI38

    开放模型确有实际好处,但它们能抵消风险吗?

    Anthropic 发布报告称,Z.ai 于 8 月发布的开放模型 GLM-5.3 可被任何人自由下载和修改,构成重大网络攻击风险。开放权重模型支持本地运行、重训、微调与内部结构研究,且通常比闭源模型成本更低;但截至发稿,Artificial Analysis LLM 排行榜前八名仍全部为闭源模型。争论核心在于安全与权力分散之间的取舍。

10月9日周五
  1. MIT Technology Review · AI38

    我们是否过度相信 AI 说“不”的能力

    Anthropic 2021 年提出大语言模型应“有用、诚实、无害”,如今拒绝回答已成为 AI 安全的核心机制,企业通过奖励拒答有害提示、惩罚过度拒答来训练模型。但拒绝机制是概率性的,既可能被恶意用户突破,也可能被用来压制合法言论,OpenAI 董事会成员 Zico Kolter 称“界限画在哪里是个大问题”。

10月8日周四
  1. MIT Technology Review · AI18

    AVEVA 首席技术官谈如何构建更安全的自主工业 AI 路径

    AVEVA 首席技术官 Arti Garg 提出,工业 AI 正从预测分析转向基础模型、physical AI 与 agentic AI,部署须以安全、可靠和人类监督为前提。她主张 AI 应增强而非取代关键决策中的人,并以护栏界定自动化边界;一项研究显示工业领域 AI 采用率两年内增长约 78%。她还参与 IEEE 工作组制定衡量 AI 电力、水、碳等环境足迹的标准方法。

10月7日周三
  1. Microsoft Research22

    Microsoft 研究员 Jennifer Neville 谈 AI 评测与“意外失败”的启示

    Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统突破传统 benchmark 的性能边界,以及模型在超出常规测试时出现的“意外失败”。她结合自身从数学、物理、认知科学转向计算机科学的经历,分享使用当前 AI 系统的实用建议,并强调结果偏离预期时应仔细检查数据。

9月25日周五
7月7日周二
5月8日周五
  1. Berkeley AI Research36

    自适应并行推理:高效推理扩展的下一个范式

    自适应并行推理让模型自行决定何时分解并并行化子任务、开启多少并发线程以及如何协调。现有方法如 self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild! Inference 的并行结构多由模型外部设定,不随问题难度调整。文章梳理该领域进展,指出不同问题需要不同并行度。