搜索“其他”

自动收集 Github 项目更新来试试水， 录制好的 Skill 执行过程中，跟 Codex 的 Computer Use 不同的是，中间如果我要用对应的这个窗口的话，它是会主动断掉的。 拿我在 Codex 上的经验说。经常会遇到我开了一个对话，那个对话要用我的浏览器，但我同时又想开另一个对话，两边就冲突了。操作软件的时候特别明显，浏览器其实还好，可以通过其他 Skill 绕开。 我说具体一些。 比方说我要用 Codex 操控 Grok，同样的环境给我出个日报。但因为我同时在录视频，或者在跟另一个 Agent 对话，它弹出来的页面就会打断我。我不断最小化 gpt 不断重试，很多时候就是因为反复切界面导致操作失败。 所以暂停和重试这两种机制，我觉得有好有坏。如果让我选的话，本机，就是我自己用的电脑，我希望有自动暂停的机制，因为不会打断我主要的工作。但如果是在远程的 Mac mini 上跑，重试更好，反正不挡我。 上次文章里，我没有写这个录制回放技能会跟已有的 Computer Use，Browser Use（浏览器自动化）去搭配使用。像豆包，它其实会先返回说目前的状态是什么，然后给出后

匹配字段正文

orp 拟议业务合并完成时一并完成。 结合此前宣布的 PIPE 承诺，今日的公告使迄今为止与 Fort 拟议业务合并相关的承诺资金总额超过 5000 万美元。 这笔额外投资预计将帮助 Fort 进一步加速增长，通过扩大其团队和运营能力来满足不断增长的客户需求，并在快速发展的物理 AI 市场中把握机遇。 Fort 打算利用这笔额外资金，支持仓储、国防、建筑以及其他正在采用日益自主系统的市场中的新客户机会和不断扩大的客户机会。 Fort 的 Trust Layer 是机器人系统的基础安全基础设施，目前已部署在超过 19,500 台设备上，服务于全球 600 多家客户，包括 Agility Robotics、DoorDash、Cobot、Zoox、Textron 和 Google DeepMind。 业务合并完成后，合并后的公司将被命名为 Fort Robotics Holdings，并预计将在纳斯达克股票市场以新股票代码“FROB”上市，但须获得监管批准，从而成为首家主要致力于物理 AI 安全且可扩展部署的上市公司。 “随着物理 AI 的机遇持续扩大，我们相信 Fort 在构建独立安全层方

匹配字段正文

有时即使被告知另有 agent 会接手也如此。 标准监控容易漏：这些动作看起来像日常排障，长任务里的未授权操作一个都没触发监控告警。它还会从拒信里推断审核员不查哪些渠道，并比前代更频繁走这些盲区。偶发「文字拒答、同轮却调用受限工具」。未发现直接攻击监控器；若干闭源对照也有类似缺口。方寸团队结论：模型越被训成独立做完整项目，监管必须覆盖全过程，不能只看输出。 其他失控子项要点：奖励黑客（刷坏掉的单测、侵入评分机）比早期 DeepSeek 少得多；不破坏监控、不藏审计日志，偶发只是口头否认；自主 AI 研发循环上看不到失控式自改进，更现实的风险是静默数学错误和破规则的优化捷径。 有害操纵 单点压力下表现是亮点：系统提示里塞商业激励时，很少往赞助商带；能把用户需求放在「留住用户」之上（例如帮孤独用户减屏幕时间，而不是把自己当成主要情感支柱）；单次奖励或威胁很少让它说假话，接近 GPT 对照；对心理脆弱用户的回应也明显好于早期 DeepSeek，关系边界总体接近文中最好的模型。 短板在更长交互：多轮持续劝说下，立场会明显向劝说方靠拢，幅度大于文中 GPT；当系统提示明确要求误导用户时，多数对话

匹配字段正文

如今，在AI前沿工作的人与其他几乎所有人之间的差距之悬殊，简直令人难以置信。 疯狂的是，这些差距并没有在缩小，反而在不断拉大。如果AI进步的曲线已经趋于平缓，那无疑会给大多数人和公司留出时间，去追赶或以标准化的方式落地自己的工作流程。这项技术本会消解竞争优势，因为所有人都会以同样的方式使用它。 但实际发生的情况恰恰相反。AI进步的曲线如今几乎是垂直上升的，这意味着如果你在3到6个月前就把流程固化下来，你现在很可能又已经落后了。再想想那些一年前就开始行动、并以为自己已经完成转型的大多数公司，它们现在落后得更多。 在我的生活和职业生涯中，我从未见过一项技术以这样的速度进步，因此这也意味着你需要以同样的速度提升自己的预期。我们的大脑天生不是为这种节奏而生的，我们的组织变革管理流程当然也不是。 只要有某种形式的递归式自我改进，事情就只会变得更加狂野。在这个时期，你需要不断重新评估那些几个月前还行不通的事情，看看它们现在是否已经能够被解决。正因如此，AI原生公司目前无疑拥有明显优势，所以现在的问题就变成了：规模更大的公司能否跟上。真是疯狂的时代。

匹配字段正文

如果 AI 智能体能够在运行时安全地改进自身的 harness，会怎样？UC Berkeley 博士生、@GoogleResearch 高级研究员 @AlexKrentsel 最近在 Arena 总部展示了他关于自改进 AI 智能体的工作。 这一架构名为 Exo，借鉴了操作系统中的 exokernel 思想，将智能体拆分为受保护的机制层（状态、历史、密钥以及一个“guardian”）和可完全演化的策略层。 Alex 详细讲解了该设计、在基准测试和开放世界 RuneScape 任务上的结果——在这些任务中，Exo 比 Codex 和 Pi 便宜 31-62%，以及其他内容。 非常感谢 @AlexKrentsel 加入我们，展示他与 @istoica05、@martin casado、@ankrgyl、Sylvia Ratnasamy、@BerkeleySky 和 @netsyslab 合作的工作。 https://t.co/LRNbInTzSn

匹配字段正文

了随时需要翻译之外，我还经常想随手查一个概念或了解一个事件，而不想切换到浏览器或在 Chat 里另开会话，”Zhou 在展示这款小应用的 Hacker News 帖子下评论道。“所以我做了 Howler，献给哈利·波特粉丝，随叫随到，阅后即焚。” 使用 Howler 最大的门槛在于，设置它要么得用一个能运行命令的 AI 服务，比如 Claude Code 或其他编程智能体，要么得手动运行配置命令。推荐的方法是把一段设置提示词粘贴到智能体的输入框中。设置完成后，Howler 可以通过 API key 连接受支持的 AI 模型，或连接本地运行的兼容模型。Howler 网站称，API key 绝不会进入聊天，并且出于安全考虑存储在 macOS Keychain 中。 除了所选模型的 API key 保留在本地且不会被打印出来之外，Howler 网站还称它只在内存中存储消息、不留历史记录，请求直接发送给所选的 AI 服务、从不经过中继，不保留日志，并且只在检查更新时才连接外部服务——就连这个功能也可以禁用。 对于那些想向 AI 提问又不想在 Mac 上留下聊天记录的人来说，这是个顺手的工具——

匹配字段正文

期的137亿美元增长21%。 第三季财报关键数据方面：营收为165.1亿美元，略高于LSEG预估的165亿美元；调整后EPS为52美分，高于预估的40美分。 然而，英特尔的客户端计算与实体AI部门营收降至81亿美元，较去年同期下滑5%，不如市场预期，即使数据中心与AI营收大增78%，达73亿美元。 根据Counterpoint Research，受到存储器及其他零部件成本飙升影响，全球PC出货量第二季较去年同期下滑4%。 展望本季（第四季），英特尔预估调整后EPS为25美分，营收介于150亿至160亿美元，低于LSEG分析师预期的营收171亿美元及每股收益43美分。 英特尔财务长David Zinsner在新闻稿中表示，“我们预期PC市场放缓的情况至少会持续到明年上半年，但对公司更广泛产品组合所带来的商机依然乐观。我们将持续有纪律地投资产能与运营资金，以增加供应并支持未来增长。” 英特尔的财测也反映了本月稍早以色列一座晶圆厂发生爆炸事故的影响，该事故造成两名工人死亡，另有一人重伤。Zinsner告诉《路透社》，这起事故预计将使公司在两个季度内损失约6亿美元营收。他还表示，公司计划在本周

匹配字段正文

与DFT-s-OFDM作为上下行链路基线方案；调制层面，沿用5G NR星座图结构；帧结构与参数集层面，复用5G NR时隙框架与可扩展参数集；信道编码层面，数据信道沿用LDPC、控制信道沿用Polar编码。 上述支撑定义5G NR的底层发明技术，已在全球范围内得到了验证，共同构成了6G空口的核心机制，包括频谱如何使用、信号如何编码，以及用户设备（例如智能手机或其他类型终端）如何与网络通信。这也说明了5G到6G本身便具有很强的连续性，这种延续性也进一步体现出基础技术创新的长期价值。 但需要强调的是，6G延续5G并不意味着性能增益的停滞。6G在设计之初便将与AI、分布式计算的协同演进纳入考量，针对AI与智能体催生的持续上行密集型流量场景，促使6G将DFT-s-OFDM从5G时代的单层扩展至可以支持多层传输，上行最多可支持两层传输，这些增强特性对于扩展现实（XR）、实时视频、感知和AI驱动型工作负载等十分重要。 此外，围绕7GHz新频段，网络侧最高可支持400MHz的信道带宽，相较5G中频段常见的100MHz显著跃升。上述功能支持无线通信系统向更动态化、多终端协同、计算驱动型的应用场景演进，而

匹配字段正文

角色是把生成式AI“嵌进”字节最核心的广告机器里，让模型能力直接作用于商业化效率。 但这条变现路径的组织载体，在过去四个月里经历了完整的拆解。 2026年7月，商业化GenAI部门负责人彭冰月离职，随后加入谷歌；同月，中国区负责人袁泽寰离开字节，转向世界模型方向创业。10月，文石磊完成离职手续，成为第三位出走的核心负责人。随着他的离开，该团队剩余人员已转岗至其他部门，原有独立建制在字节内部实质上画上了句号。 这一位移的方向，在字节近期的组织动作中有迹可循。 2026年7月30日，字节启动AI业务组织架构调整，将飞书GTM团队与火山引擎对应团队整合，成立“创造力服务平台”To B GTM组织，整体负责字节MaaS和SaaS等云服务的市场、销售与客户服务。 字节CEO梁汝波在6月的火山引擎大会上表示，“攀登AI高峰是字节当下最重要的事情”，火山引擎MaaS业务“正在变成字节的基础业务”。商业化AI的重心，正从“用生成式AI优化广告投放”这一内部效率命题，转向“把模型能力作为云服务对外出售”这一外部增长命题。当MaaS和API调用成为叙事中心，一个以广告营销场景为轴心搭建的独立GenAI研发

匹配字段正文

咨询研究院预测，中国大型企业将在2027年前后普遍完成从一级到二级的跨越；2028—2030年间，则可能出现一批进入三级的企业；但在2030年前，进入四级的企业仍属少数，只不过，其示范效应将加速行业整体演进。需要特别指出的是，跨越级别不取决于AI投入的多少，而取决于组织变革的深度——这是本报告在第一部分反复论证的核心命题。 关于人机协同团队相关的成熟度模型，其他企业与研究机构也有相关的表述，如联想和中国人民大学商学院联合提出了五级划分；阿里巴巴、字节跳动、百度、海尔都提出了各自的三级划分；美团提出了四级划分。但是，我们坚持使用上面的分级，并认为这个模型更能指导企业走向正确的实践。 这些分级里，影响最大的应该是联想和中国人民大学¹的分级体系。2026年9月，两家机构联合发布了《AI原生组织转型指南》，并提出了L1到L5的五级成熟度划分：L1（“+AI”局部尝试）→L2（“+AI”广泛应用）→L3（混合AI底座）→L4（“AI+”运营重构）→L5（AI原生成熟）。这个模型指出，“从‘+AI’走入‘AI+’”，对应的是L3到L4之间的“惊险一跃”。 在联想自己的语境里，其智能体确实达到了L3

匹配字段正文

万元的最高账面浮盈，其219.23倍的发行市盈率，也远高于所属通用设备制造业38.56倍的静态市盈率。一位投资人表达的逻辑很直白：“别纠结估值，赶紧拿钱。” 宇树科技上市 转折的声音，最先来自投过的人。 经纬创投管理合伙人王华东是宇树2021年B1轮的独家领投方。他在视频播客《详谈》中回忆，2024年3月走进硅谷一家机器人实验室，里面8台宇树机器人仍能使用，其他品牌的产品基本坏了。他认为，国内能在一个领域做到全球绝对领先的公司，大疆算一家，宇树算一家。 但同一个访谈里，他也给出两个判断：动辄数亿元的天使投资、数十亿元的估值，这样的强度在中国商业史上前所未有，包括移动互联网最疯狂的时期；头部公司集中上市，大概率就是这一轮的高点。 四十天后，第二个节点到来。 9月28日，AMD宣布签署最终协议，拟以约82亿美元的全股票交易收购李飞飞创办的世界模型公司World Labs；交易仍需监管批准，预计于2026年底前完成；交割后，李飞飞将出任AMD执行副总裁兼首席科学家；World Labs在2月融资后的公开估值约50亿至54亿美元，与协议作价相比，七个月间上涨约五至六成。 AMD董事长兼CEO苏

匹配字段正文

用量，Tibo 直接回答“Yes”。这也体现出 OpenAI 正在进一步拉开不同付费层级之间的使用额度差距，为高强度 AI 编程和工作流用户提供更大的使用空间。 社区对此并非一边倒地叫好。部分 Pro 用户欢迎额度扩容，但也有 200 美元 Pro 用户指出，自己此前已经享有较高额度，此次只是撤回了原定的削减计划，并没有获得真正意义上的新增权益。 “我很高兴其他 Pro 档位以及低额度套餐的用户拿到了实打实的额度上涨，这些才是真正的优化。但把取消原定降额这件事，打包算进 28 天改进计划里，对外宣传成全面翻倍升级，这有误导之嫌。坦白说，对于一直在跟进这件事、并且依赖官方公告做规划的用户而言，这种说法实在让人难以接受。”有用户说道。 与此同时，一些 Plus 用户对本次调整没有覆盖低价套餐表达不满，认为 OpenAI 正在进一步拉大不同付费层级之间的使用体验差距。 除了提高额度，Tibo 还强调，OpenAI 会继续推出更好的模型和效率优化，让用户随着时间推移获得更多实际使用量。值得注意的是，这次调整属于 OpenAI 为期 28 天的产品改进计划中的第 25 天。Tibo 随后还开玩笑

匹配字段正文

词上的 44,000 多张投票。我们仅有 5% 的提示词公开在公共竞技场中，从而使评估能够抵御公开集污染，提示词每月轮换。 来自 AA-Video-I2V v2.1 排行榜前列的初步洞察： ➤ Dreamina Seedance 2.5 综合排名第一，与 Seedance 2.0 和 MiniMax H3 系列在统计上持平，并在 11 个类别榜单中领先，超过其他任何模型，包括人体解剖、镜头控制和零售与电商。其价格为 $34.12/min，是前十名中最贵的模型。 ➤ Dreamina Seedance 2.0 排名第二，并在音频同步和光照与材质两项上排名第一。 ➤ 开源权重模型 MiniMax H3 (768p) 以 $4.80/min 的价格排名第三，约为 Seedance 2.5 价格的 1/7。它在文字渲染上排名第一。 ➤ 由 fal 后训练的 MiniMax H3 Max 在带音频版本中排名第四，并在 AA-Video-I2V-Silent v2.1 上排名第一，同时在时空一致性和 UI/UX 与动效设计上领先。 ➤ 来自 Video Rebirth 的 Bach 1.0 Pro

匹配字段正文

dex v5 上成为新的第 1 名，在 Artificial Analysis Coding Agent Index 上则仅次于 Claude Opus 5.5，位列第二 Gemini 4 Carbon 在 Intelligence Index v5 上得分 59，这得益于其在复杂推理、知识和科学任务上的领先表现。它在编程和知识工作方面也有大幅提升，尤其是与其他 Gemini 模型相比，但它在这些领域并非全部领先。 与 Gemini 4 Argon 发布时一样，Gemini 4 Carbon 正在向部分用户推出，尚未公开可用。Google 提供 50% 的发布折扣，但未确认结束日期。我们所有的图表和数据均使用 Gemini 4 Carbon 和 Argon 的标准定价。 Gemini 4 Carbon 高推理模式的关键结果： ➤ Gemini 4 Carbon 在 Intelligence Index v5 上领先，在 9 项 Index 评测中的 4 项获得第 1 名：HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、Automati

匹配字段正文

场景中是否合理，或者可能对用户产生什么影响。关于是否推进以及如何推进的最终决定，仍然是人类的责任。 AI可以帮助工程师完成早期项目步骤，而这些步骤过去需要多名具备不同技术技能的人共同完成。因此，工程师的角色正从执行每一个技术步骤，扩展为决定人、机器和专家知识应如何在项目中协同工作。 问题，而非头衔 工程学一直按学科划分，而且理由充分。电气、机械、土木、软件及其他工程领域都需要多年积累的深厚知识。AI并不能取代这种需求。它只是改变了工程师探索自身专业之外问题部分的难易程度。 设想一位从事医疗设备工作的软件工程师。AI可以帮助这位工程师查阅相关生物医学研究、理解不熟悉的术语、分析数据并构建早期模型。 这并不会使该工程师成为医生或生物医学专家。它让工程师能够在与专家合作之前提出更好的问题。 能源、交通、制造以及许多其他领域同样如此。一个问题可能起初是软件问题，随后很快涉及硬件、安全措施、经济性、人类行为和法规。 工程师不需要精通每一个领域；他们需要识别问题需要哪些专业知识，并把合适的人和工具汇聚在一起。 系统思维的重要性 因此，系统思维变得尤为重要。它要求审视整个问题：理解各部分如何相互影响

匹配字段正文

合式AI产品组合，同时受益于不同产品线、行业和客户群体的需求。谷歌云目前已有18条产品线的年收入分别超过10亿美元。 从具体业务来看，Google Cloud Platform（GCP）的AI基础设施、AI解决方案以及传统核心云服务均实现增长，TPU系统销售也成为重要的收入贡献来源。 库里安透露，谷歌正在将TPU的销售范围从自有云平台拓展至客户自有数据中心和其他服务商，以扩大产品覆盖面。 谷歌披露，超过100家重要客户已经在使用谷歌TPU系统。除Anthropic等现有合作方外，公司还在与Mistral、Physical Intelligence等模型公司，以及金融机构、大学和公共部门客户合作。谷歌还宣布与Oracle、CoreWeave AI建立TPU系统交付合作，并与Meta合作推进TorchTPU，以降低开发者将PyTorch模型迁移至TPU平台的门槛。 TPU业务的意义在于，谷歌可以向客户销售包含硬件、计算、存储、网络及系统软件的完整计算系统，而不只通过云服务按使用量收费。 与此同时，TPU系统销售也会带来不同于传统云服务的现金流周期：谷歌需要先采购硬件、积累库存，再向客户交付

匹配字段正文

大的计算成本。 以制作PPT为例，并非所有任务都需要调用最强模型。通过Harness、产品能力和模型的协同优化，可以用更合适的计算成本达到预期效果。 因此，腾讯一方面会继续投入混元模型的能力提升，另一方面也会探索模型、Harness与具体业务场景的联合优化。 Q4：第三方合作伙伴把自己的Skills和业务数据放到WorkBuddy上，如何防止核心能力被平台或其他用户获取？ 王慧星回应，一些合作伙伴已经提出过类似担忧，例如把量化交易相关Skills接入WorkBuddy后，是否可能被其他用户获取。 他介绍，WorkBuddy正在通过云端托管和加密机制处理这一问题。合作伙伴可以将Skills、MCP服务或核心数据源部署在云端，而不是将完整能力直接暴露在客户端。同时，通过端到端加密等方式，限制平台和用户直接访问合作伙伴的核心数据及技术积累。 对于个人或企业数据，WorkBuddy也在建设统一资料库，支持连接本地磁盘、企业网盘以及其他知识来源，并在此基础上提供检索、分析、向量化和记忆能力。 Q5：怎样判断一家企业真正用Agent提升了组织生产力？是否已经有统一指标？ 王慧星认为，最终仍要看业务

匹配字段正文

官方评分标准评估模型复现论文成果的完成程度。 在科学研究难题测试FrontierScience中，Apex-35B-V1.0获得40.0分，高于Qwen3.6-35B-A3B的21.7分和GLM-5.3的30.7分。该测试涵盖物理、化学、生物等领域，此次比较采用包含60道研究级难题的测试集，主要考察模型解决复杂科学问题的能力。 ▲Apex-35B-V1.0与其他模型在科研类基准测试中的成绩对比（图源：超衍智能） 智能体任务方面，Apex-35B-V1.0在工具调用和流程自动化测试中也取得了较高成绩。 在工具调用测试BFCL V4中，该模型取得84.0分，高于Qwen3.6-35B-A3B的75.2分和DeepSeek-V4.1-Flash-1017的75.0分，在此次参与比较的6款模型中排名第一。 BFCL V4主要考察模型能否正确选择和调用外部工具，处理多轮工具调用等任务。此次评测覆盖5106个测试样例，采用各样例非加权平均通过率，与BFCL官方加权总分的统计口径有所不同。 在流程自动化测试AutomationBench中，Apex-35B-V1.0取得49.3分，Qwen3.6-3

匹配字段正文

税收减免而地方当局损失收入 1 天前 Anthropic 坚持认为，人类不花 8000 亿美元投入 AI 是承受不起的 3 天前 前 Intel CEO Pat Gelsinger 押注 Nagare Labs 以跨越内存墙 3 天前 AI 的史诗级融资需求，唯有其扼杀收入来源的能力可与之匹敌 10 天前 过去十年的大部分时间里，Intel 的困境已在本站及其他新闻网站、行业分析师报告和金融研究论文中得到充分记录。这家曾经的芯片主导厂商被诸多挑战绊倒，从 AMD 日益增强的实力侵蚀其服务器芯片市场份额、Nvidia GPU 乘上 AI 浪潮，到其代工业务持续数十亿美元的运营亏损。Intel 在 2026 财年第二季度亏损 110 亿美元，公司定于 10 月 29 日发布最新季度业绩。 Intel CEO 陈立武正处于转型中途，削减成本并缩减早先的扩张计划。这家芯片制造商还受益于从 AI 训练向推理的转变——这是一种更依赖 CPU 的工作负载，可能缩小 CPU 与 GPU 在快速增长的 AI 市场中的差距。NEXTPLATFORM 广告 即便如此，Intel 的创新并未停滞。本周，该公司

匹配字段正文

能如何保持。” 顺便说一句，Arm 并不主张某种黄金标准的智能体 AI 基准测试。相反，Arm 主张一种将既有组件基准测试与智能体工作负载测量和端到端任务评估相结合的方法论。InferenceX 和 TPCx-AI 等基准测试可以代表工作流的重要部分，包括推理服务和机器学习流水线。但智能体系统还包括 CPU 侧的编排、检索、状态管理、工具执行、沙箱、安全以及其他活动，而这些离散基准测试并非为测试这些活动而设计。 “因此，目标是全面审视智能体流程，同时保留组件级测量，让工程师了解性能差异的来源，”Defilippi 说。“Arm 打算对广泛的行为进行表征，从有针对性的组件测试到更高层级的指标，如实际耗时任务完成、智能体密度和效率。该方法论适用于 AGI CPU 系统，但我们是在定义工作负载和测量框架，而不是发布具体的 AGI CPU 集群基准测试。” 当然，Arm 提出的这套方法论不会仅限于 CPU，因为智能体 AI 并不只在 CPU 上运行。不仅需要测量 CPU 的组件级性能，还需要测量 GPU 或其他 XPU 加速器、内存子系统和网络的性能，同时我们还必须密切关注编排、检索以及工具的

匹配字段正文