METR 报告显示 Anthropic 的 AI 能力进展已加速约一倍,作者推算研究员获约 10 倍效率提升
作者解读 METR 关于 Anthropic AI 研发加速的公开报告,认为 Anthropic 负责任扩展政策中“AI 带来戏剧性加速”的阈值可能已被跨过。
首页已经看过的不重复列。下面从更早的内容继续,可以一直往下滚。
作者解读 METR 关于 Anthropic AI 研发加速的公开报告,认为 Anthropic 负责任扩展政策中“AI 带来戏剧性加速”的阈值可能已被跨过。
Arena 公布 thinkymachines 的 Inkling 2 Small 进入 Code Arena: WebDev 榜单,以 1648 分在实验室中排名第 8,权重发布后将成为美国开源模型第 1。
OpenAI 与 Frontier Model Forum(FMF)及其成员公司合作推出新框架,用于判断绕过 AI 系统安全防护何时可能造成严重网络危害,并据此优先加强防护。OpenAI 国家安全政策负责人 Sasha Baker 称,该框架是评估和比较网络越狱严重程度(包括其解锁的能力及可用性)的共同方法论的重要一步。
前 OpenAI 工程师 Abdulrahman Alfozan 对在公司高管会议室安装窃听设备的指控当庭表示不认罪,其律师于周五提交抗辩,此前大陪审团已以一项非法截取口头通信的重罪罪名起诉他。他自 10 月 9 日被捕后一直被羁押,法官认定其与沙特的联系构成潜逃风险。起诉未指控窃取商业机密或为外国政府工作,公司也表示未发现他带走模型权重或源代码的迹象。
Anthropic 科学博客发文介绍 AI 正开始改变科学建模流程。科学家目前仍主要手工编写模型,且往往需在多个互相竞争的解释版本间权衡;AI 通过以代码形式编写、运行、拟合和修订科学模型,可探索大量可能的模型结构,并找出数据支持的解释。该文为 Jakob Macke、Daniel Gedon 和 Stefan Wahl 的客座文章。
AI 芯片设计公司 Ricursive Intelligence 发布开源模型 Ripple-65B Preview,预训练使用 12 万亿 token,在 TerminalBench 2.1 上得 80.52 分,称其为美国开源模型中最佳。
@thinkymachines - 排行榜:https://arcprize.org/leaderboard - 复现公开结果:https://github.com/arcprize/arc-agi-benchmarking - 测试政策:https://arcprize.org/policy - Inkling 2 Small…
ARC Prize 对比 Thinky Machines 的 Inkling 2 Small 与 7 月 30 日发布的初代 Inkling Small 在 ARC-AGI-2 上的表现,semi-private 得分从 40.14% 翻倍以上至 81.67%。图表还显示 public 得分从 39.31% 升至 84.17%。
ARC Prize 公布 Thinking Machines 的 Inkling 2 Small 在 ARC-AGI (Verified) 的成绩:ARC-AGI-2 得分 81.7%,每任务成本 $0.27;ARC-AGI-1 得分 96.5%,每任务成本 $0.08。
OpenAI 首席财务官 Sarah Friar 表示,中期业绩并未显著改变公司的计划,因为其投资必须跟上客户需求,资金来自超大规模厂商合作与新增资本。 OpenAI 昨日回应了外界批评:承诺征求社区意见、公布建设计划、不与公职人员签署保密协议,并全额承担电力成本——这些仅适用于其自有并运营的数据中心。
Bloomberg 报道,Microsoft 未续签 2023 年围绕 Bing 签订的合同,正在关停从 Oracle 租用的 AI 服务器。原因之一是 Oracle 硬件运行旧一代 Nvidia 芯片,与 Microsoft 的规格不再匹配。
OpenAI 与酶设计生物技术公司 Ligo 联合推出 BioBasicsBench,用于衡量 AI 智能体处理湿实验室常规分析的能力。该基准基于 100 个来自真实实验的任务,测试智能体能否解读原始实验数据、识别错误,并判断证据是否足以支持结论。OpenAI 表示该基准可显示模型待改进之处,并追踪这些进步对科学进展、生物安全和生物安保的意义。
Spaces 来了。描述一个规划器、追踪器、游戏,或任何你需要的东西,Muse 会直接把它构建到应用里。把它固定到你的标签页,随时回来,它都已经是最新的。
MIT 团队开发的 CheMeleon 通过预训练百万分子、约 1600 个分子描述符,在数据稀缺时预测分子性质优于现有方法,并在 58 个测试案例中排名第一。该开源模型基于 ChemProp,可下载微调;在 OpenADMET 竞赛前 20 名中有 9 个参赛方案使用了它,已有制药公司将其列为建模默认起点。
用 GPT Image 2.6 生成 GIF,现已在 fal 上线。 可将任意提示词或图片转为动态 GIF,自定义单帧并创建无缝循环。
美国国会三个委员会的主席致函 NVIDIA CEO 黄仁勋,要求就其与新加坡数据中心公司 Megaspeed 高管 Alice Huang 的接触作闭门简报,此前的报道称美国情报机构认定她向北京传递信息。
网络安全公司 Censys 发现超过 800 个开源自主渗透测试工具 Artex 的部署实例无需密码即可从互联网访问。Artex 是一款中国制造的开源 AI 黑客工具,自 7 月公开发布以来已被关联到多起攻击,包括 9 月针对韩国金融行业和 10 月针对 ConnectWise 的攻击;CrowdStrike 将前者归因于一名使用 Artex 的中文黑客。
Meta 为其 Muse 智能体推出新功能 Spaces,用户可在侧边栏按主题建立独立对话空间,Muse 会围绕特定目标代为推进,如度假规划、礼物追踪或婚礼策划。
Ramp 最新数据显示企业 Token 消耗激增 65%但支出仅增 1.5%,AI 价格下跌及企业自律支出成为主要因素,AIPO 估值从 2 万亿降至 1.2-1.3 万亿美元。
提供一套由 AI Agent 执行的 Pull Request Merge 工作流 Prompt 模版,涵盖冲突检查、CI 处理、Issue 搜索与评论、以及知识沉淀等环节。
Meta 推出用 Muse Wonder 训练的专项模型,接入 Muse 和 Meta AI,包含 Active Memory 和 Active Focus 两项能力。在 Muse 中,关键信息遗忘减少 2.4x,约束变化时摆脱卡壳的改善为 67%;Meta AI 则能更好地拆解复杂问题、提出更精准的追问并适应用户改变方向。
Meta 为 Muse AI 助手推出名为 spaces 的新功能,用户可通过描述生成购物中心、学校看板、音乐追踪、问答游戏等类应用体验并直接在应用内交互。将 space 连接相关应用后,Muse 会在后台更新价格、日期等信息;用户可勾选、加笔记和编辑,把它加入侧边栏、移入主标签页或按时间安排显示。
Mark Zuckerberg 宣布为 Muse 和 Meta AI 升级模型,将 Muse Wonder 中的 Active Memory 和 Active Focus 带给所有用户。官方称新专用模型遗忘关键信息的概率降低 2.4 倍,自我纠错和完成日常任务的能力提升 67%,减少重复输入和卡死情况,详情见 research.meta.ai 博客。
新模型上线不该意味着要等 OpenClaw 发新版本 @obviyus 深入讲解他在模型目录、基于账号的发现机制以及 Codex 版本管理方面的工作 来自我们的工程系列:https://openclaw.ai/blog/use-new-models-in-openclaw-without-an-update
Fulcra 推出多人模式,让用户自己的 agent 直接给任何人的 agent 发消息,如 Claude 可与同事的 ChatGPT 协作,开源 agent Hermes 和 OpenClaw 也能互通。
Meta 推出 spaces,一种在 Muse 内通过描述想法构建个性化体验的交互方式,例如节日礼物追踪、每日文字游戏或 DIY 规划板。
TechCrunch Equity 播客讨论本周美国中期选举民主党胜选对科技业的影响:周二 41 项数据中心相关公投中除一项外多数投票支持收紧数据中心开发限制。节目还谈及 Google 首个卫星数据中心、Marvell 1150 亿美元收购 Lumentum、CrowdStrike 收购两家 AI 安全初创公司等话题。
Meta 在遭遇数周反弹后宣布无限期推迟商业条款更新,不再要求 Meta Business 账号用户允许 Meta 对 Facebook 上链接的外部网站内容进行大规模 AI 训练抓取,现行条款继续有效。
Zyphra 开源了 ZYFA,一套面向 AMD Instinct MI355X 的 FP8/BF16 prefill 注意力 kernel,采用 Apache 2.0 许可。
TechCrunch 的 Equity 播客讨论本周美国中期选举结果对科技业的影响。本期节目中,选民本周就 41 项数据中心相关公投投票,除一项外多数都支持对数据中心开发施加更多限制;新当选的民主党州长和国会议员可能支持额外监管,节目还讨论了政府对 Big Tech 的审查加强,并提到 OpenAI 已在尝试为数据中心重新命名。