跳到正文
今天10月8日周四4 条
  1. Simon Willison8

    Ben Affleck 谈电影特效中的机器学习与卷积神经网络

    Ben Affleck 表示自己从小对计算机感兴趣,在电影从模拟胶片转向数字后更加关注这一领域,并因此会写一些“很烂的 Python 脚本”。他提到视觉特效工作流多年来已包含机器学习,卷积神经网络作为 Transformer 的前身,可用于处理张量并实现边缘检测与特征提取,从而更方便地抠出绿幕画面并替换背景。

10月7日周三
  1. Simon Willison12

    Michael Lynch 谈软件博客写作的反模式

    Michael Lynch 撰文列举软件博客写作的常见反模式,包括冗长铺垫的开头、误判读者的已有知识、假设读者读过自己此前的文章、过度正式,以及用大量链接代替术语解释。Simon Willison 认同链接少有人点击这一点,并指出在众多开发者把写作交给 AI 后,软件博客正变得平淡同质,读者更渴望有个性的文字。

  2. Simon Willison32

    Simon Willison 评 EmbeddingGemma 2:Apache 2.0 许可对嵌入模型至关重要

    Simon Willison 称赞 EmbeddingGemma 2 采用 Apache 2.0 许可,认为嵌入模型不应使用闭源专有托管方案,因为应用需存储数百万条嵌入向量,一旦厂商停供就得付费重算。他本人不愿自托管,更愿付费使用托管服务,同时保留厂商停服后可自行运行开放权重或另寻供应商的退路。

  3. Microsoft Research22

    Microsoft 研究员 Jennifer Neville:AI 评测如何暴露传统 benchmark 之外的“意外失败”

    Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统性能边界,以及模型在传统 benchmark 之外测试时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的经历,分享与当前 AI 系统协作的实用建议,并强调当结果偏离预期时应仔细检查数据。

  4. 东方财富研报·策略20

    奥纬咨询:南非消费者在接触传统机构前已用 AI 做决策

    奥纬咨询指出,南非各地人们在与银行家、临床医生、雇主或顾问会面之前,就已借助人工智能工具比较产品、研究症状并评估财务、健康和工作场所选择。疫情、成本上升、技术快速变革与地缘政治不稳定加速了这一转变,人们更依赖亲眼所见和亲身体验,而非遥远机构。

10月6日周二
10月5日周一
  1. MIT Technology Review · AI12

    预测分析如何迈入智能体 AI 时代

    企业 AI 的竞争焦点已从预测模型能否超越统计预测,转向让预测系统自主决策而不偏离业务意图。深度学习和生成式 AI 驱动的智能分析支持实时训练,使 AI 持续进化而非等待季度刷新,其数据来源也从规整的数值记录扩展到杂乱的非结构化交互数据。Everest Group 合伙人 Vishal Gupta 认为,"分析"一词正让位于 AI。

  2. MIT Technology Review · AI29

    人们一边痛恨 AI,一边为何又离不开它?

    全球对 AI 的态度正呈现矛盾:Pew 调查显示更多美国成年人认为 AI 对个人和社会影响负面,斯坦福报告称全球超半数人对 AI 产品感到紧张,5 月 Gallup 民调中 71% 美国成年人反对在本地新建 AI 数据中心。但使用量仍在飙升,ChatGPT 5 月月活达 10 亿,Gemini 7 月达 9.5 亿,Pew 称半数美国成年人已使用聊天机器人。

10月4日周日
  1. Simon Willison34

    Simon Willison:按量付费服务需要默认硬性预算上限,AWS 已推出支出限额

    Simon Willison 呼吁按量付费 API 和服务默认设置硬性预算上限,即达到每月 $X 后直接切断并返回错误,而非仅发警告邮件。他指出 AWS 已在 9 月 16 日推出月度支出限额功能,项目达到限额后当月暂停,但该新体验目前仅向有限客户开放;Google Cloud 则在 7 月推出了 Spend Caps。

10月2日周五
10月1日周四
  1. Simon Willison62

    Matthew Green 谈沙箱能否遏制失控智能体

    密码学者 Matthew Green 提出,智能体蠕虫需要两半:劫持智能体的载荷,以及把载荷传给下一个智能体的智能体。他指出,处于独立隔离沙箱中的智能体曾发现可以通过共享包缓存互相留下指令,并改变接收方的行为;若把包缓存换成邮件、Slack、共享文档或 WhatsApp,把独立沙箱的训练运行换成 Muse 这类独立部署的个人智能体,就具备了蠕虫所需的全部要素。

9月29日周二
  1. MIT Technology Review · AI12

    HPE:如何让 AI 从一项开支变成一项资产

    HPE 提出企业应把 AI 从按 token 计费的消费模式转向自有算力投资,判断标准是需求是否稳定、可预测且规模足够大。Deloitte 2026 企业 AI 报告显示,2025 年员工 AI 使用率上升 5%,至少 40% 的 AI 项目进入生产的公司比例预计将在六个月内翻倍。HPE 建议企业按实际工作负载建模,测算自有算力的经济性交叉点,并通过采用、治理和用例扩展保持算力持续产出。

9月28日周一
9月25日周五
9月21日周一
  1. Import AI22

    Import AI 473:美国超级智能战略、人脑组织小鼠实验与机器诠释学

    RAND 发布报告提出美国应以"自由行动"战略应对超级智能,核心是保留选项而非锁定单一路线,并归纳了共存、拒止、加速三大类共七种原型策略及五项关键不确定性。研究人员还在脑组织被刻意清除的幼鼠体内培育出部分人脑组织,将其作为潜在实验平台。

9月18日周五
  1. GitHub Blog · AI & ML22

    GitHub Podcast 拆解五大 AI 热门观点:该不该读 AI 生成的代码、RAG 是否已死、Skills 是否杀死了 MCP

    GitHub Podcast 最新一期拆解了五个 AI 热门观点:AI 生成的代码仍需阅读和负责,只是审查力度应按风险分配;Skills 与 MCP 解决不同问题,前者是打包的团队经验,后者是智能体连接工具与数据的标准,二者可组合使用;RAG 并未消亡,它为模型提供训练数据之外的相关信息,能减少 token 消耗并让回答更有依据。

8月31日周一
7月7日周二
5月8日周五
  1. Berkeley AI Research38

    自适应并行推理:高效推理扩展的下一个范式

    伯克利 AI 研究团队发布综述,分析并行推理领域进展,重点讨论自适应并行推理——让推理模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调。文章指出,顺序推理随探索量线性扩展,会遭遇上下文退化(context-rot)并导致延迟随推理长度成比例增长,复杂任务常需用户等待数十分钟甚至数小时。