人口老龄化下的养老金难题：长期通胀是阻力最小的出路，参考日本
面对人口老龄化和负增长带来的养老金缺口，作者认为通胀是阻力最小、最公平的解决办法——加税或削减养老金都行不通，而通胀能在不违约的前提下减轻养老负担。未来大概率是银行利率长期低于通胀的"收缩型通胀"：财政赤字补贴养老金推高物价，老龄化导致投资不足压低利率。对国家而言需从监管和税收堵死资金外流；对个人而言，只要不当赌徒，钱放在股市长期看是赢家，日本深度老龄化加经济下滑股市照样大涨就是例证。
全部 AI·财经动态
雪球·DAVID自由之路AI 评分2222
Berkeley AI ResearchAI 评分3939 从 CUDA 到 MLX：K-Search 如何将数十年内核经验带到 Apple Silicon
Berkeley Sky Lab 团队扩展了进化式内核搜索框架 K-Search，新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，可将现有 CUDA 内核作为知识库自动适配为 Apple Silicon 上的高质量 GPU 内核。
Berkeley AI ResearchAI 评分4242 Berkeley AI Research 提出 ABBEL：用信念状态替代递归摘要，提升 LLM 长程交互效率
Berkeley AI Research 提出 ABBEL 框架，将摘要的信息内容隔离并以自然语言"信念状态"（belief states）形式进行监督，用信念替代完整交互历史作为智能体的工作上下文，并通过信念评分提升性能。该方法针对递归摘要（即上下文压缩）在长程任务中性能损失显著的问题，尤其适用于协作代码生成等高质量数据稀缺的人类辅助场景。
Berkeley AI ResearchAI 评分3838 智能免费时代，数据系统如何为智能体、由智能体、属于智能体而建？
随着推理成本快速下降，GPT-4 级能力从 2023 年初的约 $30/百万 token 降至如今不到 $1，部分厂商甚至低于 $0.10，基准测试中推理价格年降幅在 9x 到 900x 之间，中位数约 50x。
Berkeley AI ResearchAI 评分1212 2026 届 BAIR 博士毕业生展示：LLM 推理、机器人视觉与 AI 安全等方向
伯克利人工智能研究实验室（BAIR）公布 2026 届博士毕业生名单，研究方向覆盖机器人、具身智能、大语言模型与推理、计算机视觉、生成建模、AI 安全、人机交互及 AI for science 与医疗。毕业生将进入高校教职、博士后岗位、产业研究实验室或自创初创公司，部分人仍在探索下一步去向。
Berkeley AI ResearchAI 评分3838 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。
Berkeley AI ResearchAI 评分3636 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 提出 GRASP，一种面向学习动力学（世界模型）的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接加入随机性以探索、并重塑梯度让动作获得清晰信号，同时避开高维视觉模型中脆弱的“状态-输入”梯度，使长时程规划更实用、更稳健。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 交互关系
Berkeley AI Research 提出 SPEX 和 ProxySPEX 算法，用于在大规模 LLM 中识别关键交互关系。方法以消融为核心，通过移除输入提示词的特定片段并测量预测变化来实现特征归因。随着特征、训练数据和模型组件数量增长，潜在交互数量呈指数级上升，穷举分析在计算上不可行。
Berkeley AI ResearchAI 评分2222 伯克利提出信息驱动成像系统设计框架，NeurIPS 2025 论文验证四大成像领域
伯克利 AI 研究团队提出一种基于信息量的成像系统评估与优化框架，仅用含噪测量和噪声模型即可量化测量对物体的区分能力。该框架在四个成像领域预测系统性能，优化后的设计可媲美端到端 SOTA 方法，且内存和算力需求更低，无需任务专用解码器设计。相关成果发表于 NeurIPS 2025。