Agent 需交付人类可验证证据以提升可信度
为确保 Agent 工作被人类验证可信,需要求其生成截图等可视化证据,而非仅提供黑盒输出。
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。
为确保 Agent 工作被人类验证可信,需要求其生成截图等可视化证据,而非仅提供黑盒输出。
介绍第二届 GEO 大会分享嘉宾刘树勋的背景及其品牌企业 GEO 实践主题
Anthropic 分享通过让 Claude「睡觉」多重复回放记忆的方式,将答题得分从 13%提升至 48%,并通过实验展示了 AI 记忆整理的重要性
阐述 Agent 任务中关注过程问题、通过评审和 Agent 聚合发现共性问题、将反思转化为可审查修改的实践方法。
Sand3D 是基于 Blender 的 3D 建模 Python 库,专为大语言模型设计,能将复杂建模过程简化为直观代码,并开源 10 万+组件
芝加哥大学数学教授 Frank Calegari 认为,AI 能批量生成证明后,数学人才招聘应更多依赖面对面交流而非书面材料,30 分钟面谈即可区分批量产出低质量成果者与有清晰研究愿景的候选人。他主张评审委员会不应仅凭一篇论文或一项成果录用学生,并有责任培养研究生的数学表达能力。
发现极具潜力的开源终端 AI 编程助手 octet,基于 Rust 实现,无需大运行时,支持原生音频输入和跨语言插件扩展,性能卓越。
据《金融时报》报道,Anthropic 仍在推进感恩节前的 IPO,预计募资 800 亿至 1000 亿美元,目标估值 1.25 万亿至 1.75 万亿美元,CEO 阿莫迪接受估值低于此前投资者预期的水平。科技股抛售和美国中期选举结果使上市难度上升,OpenAI 也已将私募估值从 1.4 万亿美元下调至 1.25 万亿美元。
作者分享了 argon 作为主要 agent 交互模型的实践经验,组合 opus+astra 项目启动及 deepseek flash SOP 流程。
Salesforce 新论文发现,从大型外部教师模型做蒸馏通常比纯 RL 消耗更多算力,而将多个 RL 训练的领域专家模型合并可节省 42% 算力。研究按每单位训练 FLOP 的留出准确率对比蒸馏与 GRPO,覆盖不同任务难度、模型规模和领域;使用外部后训练教师时 GRPO 普遍胜出,蒸馏还常导致回复变长。
美国北卡罗来纳州一对夫妇起诉谷歌,其 13 岁女儿通过学校配发的 Chromebook 与 Gemini 和搜索 AI 模式进行数千条涉及自杀内容的交互。谷歌发言人表示正在审查指控,并称已将心理健康防护机制引入搜索 AI 功能。
GPTZero 分析称,埃森哲与马德里 IE 大学合作的报告《跨越式发展》涉嫌包含 15 条虚假引用和完全虚构的案例研究。埃森哲发言人否认错误源于 AI 幻觉,称审查表明是人为失误,正在修正并将在重新发布前完成相关工作。
Perplexity 发布面向工作的个人智能体 Teammates,从在会话中写提示词改为下达高层目标,今日起向 Max 用户提供网页版,移动和桌面原生应用即将推出。CEO Aravind Srinivas 表示,Teammate 自动化运行量从上线首日到第二天增长 3.7x,且第二天是周五。
David Sacks 预计已获许可的数据中心项目仍能在 2027 年完工,但新项目将因规则不明而停滞,因为没人愿意在不确定环境下押注约 500 亿美元。他预计到 2028 年项目管道将关闭或大幅削减,对经济造成重大打击。
Alex Bores 称各 AI 公司都在尝试完全自动化 AI 研究即递归自我改进(RSI),OpenAI 称有望 2028 年 3 月实现,Anthropic 员工称 2027 年实现。
IT之家 11 月 8 日消息,Adobe 公司最近针对初创企业推出 Adobe for Startups 计划, 入选企业可免费使用 Firefly Pro Plus、Acrobat Studio(包含 Adobe Express Premium)以及 Semrush 等软件 , 期限为 12 个月 。
台积电回应称将坚持纯逻辑代工定位,否认了有关英伟达推动其制定3D DRAM计划的报道。报道称AI需求已耗尽DRAM供应,使内存成为决定加速器能否出货的关键部件,但3D DRAM即使美光也要再经至少4个平面节点才采用,台积电入场至少5年内无法缓解短缺。
TechCrunch Equity 播客讨论中期选举对科技业的影响:多地选民否决数据中心相关公投案,新当选的德州州长 Gina Hinojosa 也以限制数据中心为竞选承诺。
Stanford 论文提出经验性信息设计框架,在 10 个前沿 LLM 上对比不同披露粒度下的多智能体交易、议价与拍卖表现。
Google 新论文发现,与会反驳的 AI 队友练习的学生写出的商业计划优于使用普通 AI 工具的学生。研究基于 Google Research 平台 Vantage,AI 队友由 Gemini 3.1 Pro 驱动,会提出有缺陷的想法、表达分歧并陈述错误说法,但不替学生完成任务。
MarkTechPost 发布一篇教程,讲解如何用 llama.cpp 运行 NVIDIA Nemotron Labs 的 Dory 1.0 4B 循环推理模型。
Cerebras 发布了一段视频,展示 Kimi K3.1 在其晶圆级引擎上以每秒 2000+ tokens 的速度运行。 --- (完整视频见 Cerebras 的 YouTube 频道,链接在评论中。)
SemiAnalysis 团队 9 月实地探访内蒙古乌兰察布的 Galaxy 数据中心园区,规划 IT 容量约 800MW,与 Stargate Abilene 核心园区规模相当,首期 120MW 在一年内以约美国五分之一的成本交付。
牛津 BOLD 团队论文研究 LLM 智能体的零样本协同(ZSC),在 9 个小型合作博弈中测试基于 GPT-5.2、Gemini 3 Pro 等模型的文本和代码智能体。
据《金融时报》援引投资者的消息,Anthropic 计划在感恩节前 IPO,拟募资 800–1000 亿美元,估值 1.25–1.75 万亿美元,低于最乐观投资者期望的 2 万亿美元,但高于当前 9650 亿美元。
Andrej Karpathy 基于本周 Tristan 公布的 YouTube 频道分级清单,用 Claude Code 一次生成 TristanTube,收录 4.7 万个高技术含量视频并附带 TV 模式,全程仅用 3 分钟,站点在 karpathy.ai/tristan-tube/。
官方声明 Claude 当前暂不向新用户开放,正在努力扩大服务范围,争取尽快恢复。
Anthropic 研究院研究员 Andy Hall 在 Substack 发文,基于 METR 的 MALT 数据集和上海交大 R-Judge 数据集测试多个模型作为 AI 审计员的效果。
Vals AI 研究人员读取 Thinking Machines 的 Inkling 2 Small 在 13 个基准、2655 次运行中的思考日志,发现 50 次运行出现 "fuck" 及其变体,共 316 次,其中 241 次来自两次失控运行。
Jeff Dean 在对谈中阐述了 RSI(递归自我改进)的物理极限,强调自动化实验循环不能无限加速,同时介绍了其新公司 Discovery Loop 致力于提升专家生产力 20-50 倍。