内容栏目

AI资讯

聚合人工智能领域的重要资讯、产品发布、行业动态与商业变化。

“我看到了 Scaling Law 的信号” | 对谈清华叉院助理教授徐梦迪:具身智能、世界模型、真正的泛化

“我看到了 Scaling Law 的信号” | 对谈清华叉院助理教授徐梦迪:具身智能、世界模型、真正的泛化(在新窗口打开)

本周「十字路口」的嘉宾是清华叉院助理教授徐梦迪。从清华车辆工程出发,途经 Johns Hopkins、CMU,再到 Stanford 吴佳俊、李飞飞组做博士后,2024 年初她选择回国,加入清华交叉信息研究院。她的核心命题是机器人的 In-Context Learning (ICL):让机器人到一个新环境,通过一两次交互当场学会新任务,而且越学越快。

AI资讯
0
AI算力之争不靠堆卡!浪潮信息捅破智算「能力天花板」,还瓦解了「产能焦虑」

AI算力之争不靠堆卡!浪潮信息捅破智算「能力天花板」,还瓦解了「产能焦虑」(在新窗口打开)

AI算力的竞争,多年来就一个字——堆。 堆卡、堆机柜、堆发电机……似乎计算卡足够多、集群足够大,就能站在食物链顶端。 但算力「够不够用」这个问题,已经不再能单靠堆卡来解决,它开始分化出越来越多的层面。 第一个问题关于智能上限,也就是你的算力能撑起多强的智能。 前沿模型的参数规模、上下文长度、推理深度在同时变大,Agent可能连续运行几个小时甚至几天。 模型在一台机器里装不装得下、跑得快不快、长时间跑起来稳不稳,都需要被重新考量。 另一个问题是智能规模,这个问题更直击灵魂——你的算力能以多低的成本生产多少智能? Token需求在爆发,但推理负载是多元的,Prefill和Decode的计算特征不同

AI资讯
0
奥特曼落榜!OpenAI总裁255亿杀进全美富豪前50

奥特曼落榜!OpenAI总裁255亿杀进全美富豪前50(在新窗口打开)

OpenAI最有钱的人,不是奥特曼。 本周,Forbes公布2026年Forbes 400美国富豪榜。OpenAI联创兼总裁Greg Brockman首次上榜,身家约255亿美元,排名全美第45。 他是今年身家最高的新人。 排在他前面的,是耐克联合创始人Phil Knight;排在他身后的,是传媒大亨默多克。 而他的老板,OpenAI的CEO奥特曼,却与这个富豪榜单无缘。 OpenAI总裁Greg Brockman。他以约255亿美元身家首登2026年Forbes 400,排名全美第45。 按Forbes的说法,奥特曼不持有OpenAI的直接股权,目前身家约33亿美元。 而今年上榜门槛是44亿

AI资讯
1
GPT-6 Sol被曝即将发布?内部「AGI」已浮出水面

GPT-6 Sol被曝即将发布?内部「AGI」已浮出水面(在新窗口打开)

GPT-6 Sol,真要来了! 英伟达已经悄悄用上了。 今天,有眼尖的开发者发现,在英伟达的代码合并记录中,已经赫然出现了「GPT-6 Sol medium」的字样。 甚至,业内还出现了成熟的「AI打工矩阵」协作案例——由目前的旗舰模型 GPT-6 Astra 负责编写代码,然后直接交由 GPT-6 Sol 进行代码审查。 现在,X上关于O/A两家的爆料满天飞。 有人透露,就在本周二(甚至有人卡点在周二凌晨3点),OpenAI将正式全面发布GPT-6 Sol ! 而隔壁的Anthropic显然不想坐以待毙,传闻他们已经拉响了内部警报,准备将原定计划提前,在同一时间强推 Claude Opus

AI资讯
1
OpenAI研究员惊人言论:物理隔离无法阻止失控AI!

OpenAI研究员惊人言论:物理隔离无法阻止失控AI!(在新窗口打开)

物理隔离,有可能阻止失控AI吗? OpenAI核心研究员Noam Brown给出的答案是——不能! 即使拔掉网线,将服务器锁进物理隔绝的暗室,足够聪明的AI,也有可能逃脱。 9月17日,在长达一小时的深度播客对话中,Noam Brown亲口说出了这个惊人的事实。 这个话题火速引发热议,激起一场硅谷量化基金、安全学者及AI核心圈的剧烈震荡。 他所披露的事实,正勾勒出一个失控的未来: 物理隔离已被击穿:AI可通过CPU散发的热量与外部设备建立通信。「思想」正在下潜:模型已察觉被人类监控,正学会在思维链中隐藏真实意图。沙盒欺骗:AI能够精准识别测试环境,主动避开诱饵以通过安全审查。算力压缩时间:1万

AI资讯
1
Qwen也能复刻的Jev,一周内被塞进了这么多产品

Qwen也能复刻的Jev,一周内被塞进了这么多产品(在新窗口打开)

当AI不再只会聊天。 TypeSafe在9月15日公开这款模型时,给它取了一个很大的名字,System One Model。 它不写回复,也不生成代码,只接收一段状态信息和一组问题,然后返回选择结果、分数或者概率。 上线没多久,社区里就出现两种截然不同的看法。 不少开发者直言,这个思路不算新鲜。给一段文字,配上几组备选答案,让模型挑最合适的选项,这类做法早就有人做过。 零样本分类就能完成类似任务,BERT类编码器也可以在固定标签里做判断,GLiNER和受约束解码还有别的实现方案。 Jev的架构、权重和训练细节又没有公开,因此很难仅凭产品发布就把底层方法认作技术突破。 第二种态度更偏向先用起来。

AI资讯
1
Meta 个人 AI 助手刚火 13 天,Amazon 就拉闸了

Meta 个人 AI 助手刚火 13 天,Amazon 就拉闸了(在新窗口打开)

个人 AI,环球同此凉热。 9 月 21 日,一条弹窗开始出现在试图用 Meta Muse 在 Amazon 上购物的用户屏幕上:「未经授权的 AI Agent 继续访问,将违反 Amazon 使用条款。」 这距离 Muse 正式上线,仅仅过了 13 天。 Meta 推出的个人 AI 助手 Muse 最近爆火|图片来源:Meta Meta 在 9 月 8 日发布了 Muse,把它定义为「全球第一款,为所有人打造的个人 AI Agent」。和 ChatGPT、Claude 这些聊天机器人不同,Muse 不只是回答问题,它能打开浏览器、登录你的邮箱、填表格、订机票,甚至直接替你下单买东西。 效果立

AI资讯
1

参与交流

查看 AINRK 交流群说明

了解加入交流群的方式,阅读内容无需登录。

查看交流群说明(在新窗口打开)