跳到正文

全部动态

今日 30 条
10月2日周五
  5. X：ARC Prize (@arcprize)24

    ARC-AGI-3 里程碑2解法分享

    Daniel Franzen https://da-fr.github.io/ Notebook: https://www.kaggle.com/code/dfranzen/arc-agi-3-milestone-2-solution

  6. X：Elvis Saravia (@omarsar0, DAIR.AI)47

    Onepin 为 AI 语音加质检层

    我认为 AI 语音缺少一层质量检查。 在我构建的大多数应用中，语音听起来已经很棒了。但真正让生产环境出问题的，是模型把“Q3”、“v1.2”或品牌名读错。 这对人们感知语音智能体的方式影响巨大。 @OnepinAI 正在解决这个问题。在你听到之前，他们会检查每一行的自然度、清晰度和发音。 当一个词读错时，它会直接修复那个词，而不是重新生成整行。

  8. X：Thariq (@trq212)35

    Claude 可为你制作 mods

    Claude 能为你制作 mods！ 只需提示它，更多内容见 @addyosmani 的博客文章：https://claude.dev/blog/getting-started-with-claude-code-mods/

  9. X：Thariq (@trq212)32

    Claude Code 的 mods 可派生分叉智能体

    mods 的一个特点是，你可以派生分叉智能体来做额外的工作 比如打造你自己的记忆框架，但每一轮都派生一个自定义分类器，如果匹配就写入记忆 我还在把 plan mode 做成一个 mod，后续还有更多！

  10. X：Thariq (@trq212)56

    Thariq 分享常用 Claude Code 插件 next-steps 及安装命令

    Thariq 分享了他常用的 Claude Code mod 'next-steps'，该插件会在任务完成后给出下一步建议，包括选择技能和其他命令。安装方式为 claude plugin marketplace add anthropics/claude-plugins-community，再执行 claude plugin install next-steps@claude-community。

  11. @typesafeai38

    Jev 大幅提升研究智能体性能

    Jev 对研究智能体来说是一个巨大的增强！ @edwardirby 构建了一个 @youdotcom 智能体来监控商业风险，并将 Jev 与普通的 LLM 评判器进行了对比。 • 报告质量相同 • 但 LLM 反复无常：对同一威胁的评分从 0.35 -> 0.68 -> 0.50 • LLM 漏掉了 11 项调查中的 5 项。Jev 一项都没漏。 • Jev 便宜 250 倍，快 3-6 倍 详细文章 👇

  12. X：Anthropic (@AnthropicAI)43

    Anthropic：Claude 与科学计算的阻抗失配

    哈佛物理学家 Matthew Schwartz 在 Anthropic Science Blog 客座文章中提出，AI 与科学之间存在"阻抗失配"：LLM 虽能力广泛，但像对待人类合作者那样使用它们并非激发其科学优势的最佳方式。为此他开发了一套用于定量科学精确计算的工具包，Claude 借此在生态学、群体遗传学等十几个领域找到关联，Schwartz 再与领域专家合作将研究方向引向有趣问题。

  14. X：Claude Devs (@ClaudeDevs)49

    Claude Code 模组安装需谨慎

    模组可以自己留着用，如果觉得对别人有用，也可以提交到 Claude 目录。模组运行时对机器的访问权限与 Claude Code 本身相同，所以请确保只从你信任的来源安装模组。 https://claude.ai/directory

  17. X：Runway (@runwayml)26

    Runway 探讨创意 AI 从实验到生产

    Gamma 首席 AI 官 Deeni Fatiha、Adobe 总监 Morgan Prygrocki 与 Salesforce 全球品牌营销的 Shane Tapp 共同探讨了创意 AI 从实验阶段走向生产阶段所带来的变化。

  19. X：Replit (@Replit)33

    Replit 打造自驱动公司愿景

    按需构建，简单直接。 你获得能更好满足自身需求的自定义工具，无需在市场上购买通用方案。 这就是自驱动公司的愿景。 看看我们在 Replit 是如何实现的：https://replit.com/blog/self-driving-company

  20. X：Google DeepMind (@GoogleDeepMind)37

    Google DeepMind 播客探讨 AI 内容溯源与水印

    当 AI 生成内容变得如此逼真，我们如何验证哪些是人、机器或自然创造的？ 我们在播客中探讨溯源的关键作用——以及不可感知的水印如何同时保护数字媒体和生物设计。↓ 时间轴： 00:00 介绍 00:34 什么是水印？ 04:35 SynthID 15:16 图像与视频 19:28 SynthID Bio 28:00 韧性的未来

  21. X：Ethan Mollick (@emollick)23

    AI 让 PowerPoint 演示体验变好

    自从有了好用的 AI，坐着听 PowerPoint 演示变得好多了。当然，有些人干脆让 AI 替他们做思考工作，但这很明显（而且他们以前就用默认模板）。对于真正用心的人来说，他们现在有了有趣的排版、好笑的视觉梗和不错的图表。

  24. Every：最新文章（网页）40

    如何通过向 AI 提问来提升 AI 使用能力

    Every 作者分享用五个提示词将自己从单次对话推进到把整个项目交给智能体团队的经验，其工作流已用到 skills、orchestrator threads、context packets、subagents、MCPs 和 computer use。

10月1日周四
  1. X：Rohan Paul (@rohanpaul_ai)30

    Serval 谈自动化工程师：把流程变成受审工作流

    Serval 认为新一代技术催生的关键岗位是 Automation Engineer。其设计逻辑是：管理员用自然语言描述流程，Serval 将其转为基于代码的工作流，经审查、测试和批准后，服务台 AI 智能体只能通过已批准的工作流执行操作，其余请求转交人工。

  3. X：Sam Altman (@sama)14

    Sam Altman 感叹 DevDay 开发者热情

    DevDay 真的很有意思，开发者的热情太疯狂了 看到人们一天之内就能做出整个创业公司，还是让我觉得很不可思议

  4. X：Elvis Saravia (@omarsar0, DAIR.AI)35

    自建 meta harness 灵活切换模型

    自己动手搭建 harness 吧，各位！ 自建 meta harness 最大的好处之一，就是切换模型非常顺畅。 我觉得随着模型发布周期不断缩短，这一点正变得越来越重要。RSI 只会让发布节奏进一步加快。 这是自去年 11 月以来我做过的最好的决定之一。 切换模型确实可能把一切搞乱，但不该如此。如果会乱，说明你的配置不适合我们当下这种疯狂的发布节奏。你现在就得解决这个问题。

  5. Every：最新文章（网页）60

    Every 发布开源模型入门指南，教你怎么判断哪些任务可以不用闭源前沿模型

    Every 发布开源模型实用指南，讲解如何评估需求、选择模型与托管方式，将开放模型用于编码、创意和日常自动化等工作。指南指出当下最强开源模型多来自中国实验室，并强调按任务难度区分模型选择，同时附上一个用于审计现有 AI 用法、筛选可迁移到廉价模型任务的提示词。全文为付费订阅内容。

  6. Dwarkesh Patel：Podcast & Blog（RSS）41

    Si Sheppard：几百名西班牙士兵如何推翻阿兹特克与印加两大帝国

    军事历史学家 Si Sheppard 在播客中讲述 Cortés 与 Pizarro 如何以数百名征服者推翻阿兹特克和印加帝国：Cortés 在两年半内征服 600 万人口的阿兹特克，约十年后 Pizarro 又征服约 1000 万人口的印加。征服者常在 100 倍甚至 1000 倍兵力劣势下取胜，且多达 99% 的兵力由被征服的原住民组成。

  8. X：Elvis Saravia (@omarsar0, DAIR.AI)28

    AI 催生自动化工程师新岗位

    AI 正在创造新的工作岗位，我预计许多公司会开始招聘自动化工程师。 这个角色需要有人理解团队的真实运作方式，并能构建团队所需的自动化。Jake 在这篇文章中解释得很好。 在 @getserval，自动化工程师会嵌入 IT、HR、财务和法律团队，直接在每个客户的 Serval 环境中构建 AI 智能体。

  12. X：Nathan Lambert (@natolambert)17

    Nathan Lambert 获 AI2050 早期职业研究员

    我进不了 X 平台顶级发帖者榜单，但我是 Schmidt Sciences AI2050 早期职业研究员，继续致力于构建和理解开放生态，让未来的 AI 可及、广泛扩散、由多方掌控且安全。科学第一，发帖第二！

  13. X：Ethan Mollick (@emollick)37

    AI 自组织能力与 Muse、Dots 智能体

    我写了一篇关于 AI 进步中最被我低估的一点：它自我组织以完成任务的能力。另外，还谈了这对 Muse 和 Dots 这类智能体意味着什么，并附上一支音乐视频，解释为什么我们一再重新领悟 The Bitter Lesson。https://open.substack.com/pub/oneusefulthing/p/the-dot-and-the-swarm?r=i5f7&utm_medium=ios

  14. Ethan Mollick：One Useful Thing（RSS）64

    Ethan Mollick 谈点与群：智能体自组织为何让管理假设失效

    Ethan Mollick 承认自己此前认为人类需像经理一样精心设计智能体组织的判断错了，Bitter Lesson 同样适用于组织管理。

    推荐理由：作者复盘了自己此前的误判，用 Navier-Stokes 群体智能体等案例说明智能体自组织比预想容易，管理原理值得重估。

  15. Hacker News 热门（buzzing.cc 中文翻译）48

    在日本工作期间攻读机器学习博士：一位 Google 工程师的 MEXT 奖学金经历

    美国工程师 Marco Cognetta 在 Google 任职期间，通过 MEXT 奖学金在东京工业大学（现 Institute of Science Tokyo）完成计算机科学博士，研究面向键盘的端侧语言模型。日本学生签证允许入学首日即申请打工许可，学期内每周上限 28 小时、长假期间每天 8 小时，且日本博士制度通常三年毕业。

  16. X：Rohan Paul (@rohanpaul_ai)43

    盖茨提议机器人应缴同等FICA税

    Bill Gates 表示，如果一家公司解雇了一名工人并用机器人顶替该岗位，机器人就应该缴纳与人类工人相同的 FICA 税。 在职劳动者供养退休人员，替换工人不应成为逃避养老金账单的方式。 “社会有权决定。经济信号显示用 AI 成本更低，并不意味着社会就必须这么做。” ---- 来自“The Ezra Klein Show and New York Times Opinion and New York Times Podcasts”YouTube 频道，（链接见评论）