AI 情报文章归档

Mark Cuban 的方法：用 AI 打造商业模拟器来检验假设。 创始人现在可以生成草案计划、成本结构、供应商名单和专利大纲。 这缩短了灵感与首次严肃可行性测试之间的距离。 ---- 来自 "Alex Kantrowitz" YouTube 频道，（链接见评论）

Claude Code 推出 claude plugin eval 功能，用于评估插件或技能带来的实际价值。用户可以创建测试用例、运行插件并为其表现评分，再关闭插件重复运行同一用例，对比两者的差异，判断插件是否需要继续改进。

If you've tried to point a local model — Qwen, a quantized Llama, whatever fits on your GPU — at a...

据 Bloomberg 报道，月之暗面（Moonshot AI）目标在年底达到 20 亿美元年化营收，是 8 月营收运行率的两倍，得益于今夏发布的 K3 模型。

新墨西哥州最高法院以直接藐视法庭处置律师 Stephen Aarons，他使用 ChatGPT（o3 模型）生成的上诉状包含完全虚构证人的假证词和对真实判例的错误描述。Aarons 承认提交前未核实内容也未告知当事人，被罚款 5，000 美元、移交纪律委员会调查，期间禁止在该州最高法院出庭；法院还指定公设辩护人为被告重新撰写状子。

In 2026, AI agents have become the default paradigm for automating complex workflows: DevOps...

美国环保署计划废除要求各州在批准工业设施空气污染许可前公开告知并征求公众意见的规定，涵盖 AI 数据中心及其配套电厂，并另行提议允许开发商在许可获批前动工。近 200 个倡导组织和十余个两党主导的州反对，农村南部黑人社区面临健康风险、电费上涨和房价一年涨 80% 等冲击；环保署称此举将加快审批，预计一年内定稿。

Claude Code v2.1.269 新增 `claude plugin eval`，可对插件 eval 套件跑出带评分的可复现结果（JSON + HTML 报告），并加入 `/output-style 【name】` 用于列出和切换输出风格，支持 Remote Control、云端及 headless 会话。

如今仅凭通过/失败分数基本无法解读评测结果 我在基准测试中看到的许多失败，都源于过于严格的隐藏测试，某些情况下模型的答案比预期的评测结果更合理

Musk 回复称 Grok 4.7 还需几天继续打磨，可能因为在 RL 中对回复长度惩罚过重，模型仍会过早放弃其实能完成的困难任务，检查自身工作也不够严谨。TestingCatalog 补充称 9 月下半月 Meta 和 OpenAI 将在 OpenAI DevDay、Meta Connect 等活动前后发布模型，Grok 4.7 面临较高竞争门槛。

今天 Fields Medal 那封信的一些笔记（https://mathandai.org/） 大致是说，AI 模型翻找着解决这些问题，只给出 1 bit 的信号，却扼杀了数学家们在与这些问题搏斗中本可提取出的另外 99 bits 的概念性理解

比尔·盖茨预测，AI将在两年内对白领工作造成重大冲击，而可靠性是当前阻碍AI取代许多岗位的最后一道主要障碍。他表示，未来几年，实施者与模型能力的提升将彻底消除这一不可靠性障碍。

陶哲轩宣布与 24 位菲尔兹奖得主共同签署声明，称 LLM 数学能力虽大幅提升，但 AI 公司以解题为基准与数学社区目标严重错位，仓促公布的解题结果会损害概念理解、署名规范与数学思想的传承链条。声明视为更广泛的对齐问题的一部分，开放进一步签名，并有 The Economist 相关报道。

我们带着更多软件工厂 alpha 内容回归 🦄 AI That Works 节目--@vaibcode 和我联手 - @tbrownio--讨论了他们在工厂中如何运行 discuss/do/compound 循环，以 @linear 作为前端，所有 agent 会话都跑在 mac mini 上--@colemurray 分享了将 OSS OpenInspect 工厂推广到多达 500 名工程师的企业团队的一线经验 超级好玩--每周太平洋时间上午 10：15 在 X 和 h…

Hello, I'm Shrijith Venkatramana, and I'm building LiveReview — a blast-radius aware AI code review...

I can make almost any agent change look good with one carefully chosen prompt. Run it once. Watch...

一篇好文。我对 AI 实验室推进进步的方式也有类似感受--直接推进，而不去培育科学社区与直觉。数学研究界经历这一转变最快，所以感受最深。其他领域会是下一个。

Elon 发布 Grok 4.7 发布进展更新，还需再等几天。 @farzyness Grok 4.7 还需要几天才能"出锅"。 我们在 RL 中可能对回复长度惩罚过度了（或者别的什么原因），因为它仍然过早放弃困难任务（而它明明能做！），并且在检查自身工作方面还不够严谨。

我很乐意看到任何一个千禧年大奖难题被解决，尤其是以优雅的方式，除了 P = NP 如果那个问题有了优雅的解法，我得躺下来缓一缓

Altimeter Capital 创始人兼 CEO Brad Gerstner 在 CNBC 上援引《经济学人》本周报道称，尽管"末日论者"曾预言 10% 的工作岗位会消失，AI 实际已在美国创造 100 万个新工作岗位。他质疑针对数据中心的"灾难化"叙事可能有中共支持，并呼吁调查这些负面舆论背后是谁、是否有组织、资金来自何处。

TechCrunch 的 Equity 播客讨论一名 Anthropic 研究员本周辞职并在 X 上警告公司正冲向自我改进的超级智能、拿我们的生命做赌注，该公司对齐负责人还联名签署了这条消息。

OpenAI 推出 ChatGPT Sites 多项更新，该功能三个月前发布，用户已创建超 500 万个站点。更新包括邀请 teammates 协作编辑保存发布、向指定人员私密分享不公开、提示词到部署时间缩短一半、让 ChatGPT 检查站点数据库（编辑者也可查看），以及支持添加自定义域名。

OpenAI 开发者账号发布建议，提示开发者通过重新审视 skills、AGENTS.md 和任务提示词来更好地使用 GPT-6 Astra。具体做法包括让 skill 触发条件更具体、在相关时才加载指引、以及定义任务完成的标准，详情见 developers.openai.com 博客。

"我们不能直接把它断电，因为它可能正在把自己复制到其他计算机上。" Jacob 只是在编造可能发生的故事。我实在没法把他当回事。作为一名科学家，他应该拿出证据，而不是编造幻想故事。 但荒谬的是，他又编了更多故事。https://x.com/rohanpaul_ai/status/2098309927370633539/video/1

ComicForge 推出了一款 Web 应用，可以把文字故事变成一本完整的漫画书！ 该平台能绘制每一页、设计封面，并用 29 种语言撰写整本书。 > 用户可以从八种艺术风格中选择，从欧洲漫画风格到日式漫画。 > 照片能让人物面孔在整本书中保持一致。 > 完成的漫画书为 2 到 40 页，可导出为 PDF 或 CBZ 文件。 提示词生成漫画 👀

Databricks 发文指出，健康保险计划的 BI 报表只能显示 MLR（医疗赔付率）发生变动，却无法解释变动原因。文章探讨如何用 AI 从数据中定位 MLR 波动的驱动因素，弥补传统 BI 在归因分析上的不足。

GitHub 日韩地区营销负责人 Tomoko Tanaka 分享如何不写代码，把活动运营交给 GitHub Copilot 自动化。

Artificial Analysis 评测显示，OpenAI 新发布的 GPT Image 2.5 Flare 和 Sunburst 包揽其 Image Arena 前两名，在低于 GPT Image 2 一半时间内生成更高质量图像，价格保持不变。

OpenAI CFO Sarah Friar 分享了她用 AI 加速日常工作流的方式：每天早上 AI 智能体自动审阅她的收件箱、Slack、文档和表格，梳理出优先事项并给出下一步建议。她还用 AI 把华尔街分析师的邮件和报告转成个性化 5 分钟播客，在晨间准备时收听。

LinkedIn 论文研究一个模型继承另一个模型创建的记忆时会发生什么。固定 schema 的记忆在两个测试模型间几乎不变（KG-fixed 仅 ±0.0004），自由格式笔记可靠性差，一个方向准确率下降 13.28 点；RAG 中新旧嵌入混用索引只恢复 4.96 / 11.90 点增益。

使用AI模型就是用数学来做数学 我认为AI团队不应再为用数学解决这些问题、让数学变得不那么"纯粹"而感到羞耻 这就像为使用计算器或mathematica而感到羞耻一样 我们尽己所能打造最好的工具来解决一切 这就是人类

"我们现在离构建 AGI 近得多了，而在这个过程中，我们并没有学到任何关于智能的根本性新东西"--@RichardMCNgo

I released mohdel 1.0.0 this week. It is a self-hosted LLM gateway and SDK for Node, MIT licensed,...

一项研究用 GloGEM、OGGM、PyGEM 三个全球冰川模型结合多种大气环流模型和 +1.5°C 至 +4.0°C 排放情景，预测全球单条冰川的灭绝年份。冰川面积低于 0.01 km2 或剩余体积不足初始值 1% 即视为消失，结果以中位灭绝年份及 Q25/Q75 区间呈现在交互地图上。

Google DeepMind 联合哈佛、斯坦福等机构发表论文，主张通往 AGI 的路径可能是能记忆变化、预测结果并采取行动的视觉 AI。论文认为视觉系统应直接从图像、视频、3D 结构和交互中学习，理解存在什么、变化了什么、隐藏了什么及下一步可能发生什么，而非仅将视觉输入语言模型。作者呼吁停止主要用图像问答、字幕或逼真视频来评判视觉 AI。

Databricks 发文介绍如何用 Lakeflow Connect 统一营销数据，这是该系列的第一篇文章。正文未披露具体连接器、数据源、性能数字或可用性信息。

Compositional generalisation has been divided into lexical and structural generalisation. Previous work has found that structural generalisation is harder than lexical for Transformers. We propose that this difference is not inherent to Tr…

Post-training attention sparsification reduces the quadratic cumulative attention cost of pretrained Transformers by selecting a small set of context units (tokens or blocks) for each query. Existing trainable methods usually use a lightwe…

前 Google DeepMind 研究副总裁 Oriol Vinyals 在 Agentic AI Summit 2026 上表示，AI 递归自我改进不可避免但进程缓慢，不会出现突然的智能爆炸。