搜索“其他”

更有用，神经网络需要大量数据和计算能力。直到互联网出现，大量数据变得可用、计算能力开始提升，这些条件才真正具备。大约在2012年，神经网络开始超越并领先于一种统计形式的机器学习，并从那时起持续发展。 问：通过研究AI的历史，我们可以学到哪些有助于其发展的经验教训？ 答：我认为这里有一个警示性的教训。这些早期工程师的想法和经历告诉我们，我们可以努力消除幻觉——我们可以努力让AI以某种方式表现，从而不产生意外或不想要的答案——但这会带来其他后果。这些历史人物确实触及了某些关键。AI能够给出的令人惊讶和富有创造性的结论，与错误或幻觉之间存在联系。当我们构建系统使其以某种方式运行时，就会存在权衡。也许不可能完全处于光谱的任一端，但当我们稳健地朝着一个目标努力时，往往会无意中牺牲其他东西。 论文：《非理性的计算机：人工智能史上的随机性与非理性》 查看本文提及研究的开放获取版本。 相关链接 本杰明·林德奎斯特 信息与决策系统实验室 历史学部 工程学院 麻省理工学院施瓦茨曼计算学院 计算机科学与技术 人工智能 机器学习 电气工程与计算机科学（EECS） 科学史 工程学院 麻省理工学院施瓦茨曼计算学院

匹配字段正文

内几乎难以实现，尤其是在中国开源（开放权重）模型迅速抢占市场份额的背景下。普通消费者对付费AI服务普遍抵触，AI服务面临商品化风险。 触发器二：信用风险急剧上升 超大规模云服务商此前主要依靠自有现金流投资，但债务已成为AI建设的边际融资来源。仅2027年一年，AI公司预计将发行约7000亿美元新债券，其中超大规模云服务商占4000亿美元，其余来自AI生态系统其他参与者——这一数字超过了欧元区所有政府债券发行总量。 更令人担忧的是"表外负债"的快速膨胀。以Meta在路易斯安那州的Hyperion数据中心为例：这是一个300亿美元的投资项目，Meta将其80%的股权出售给Brown Owl，成立名为Beignet的合资公司，后者融资270亿美元新债，由Meta提供担保（承诺租用该数据中心20年）。由于租约被拆分为五个四年期租约，Meta资产负债表上只体现了极小部分杠杆。整个AI生态系统的隐性负债估计已达1.5万亿至2万亿美元。部分新兴云服务商（如CoreWeave）的融资利率已高达15%。 触发器三："诱导利率"陷阱与折旧悬崖 报告将当前AI财务结构与2000年代初次贷危机中的"诱导利率"

匹配字段正文

基础——并成为一种新型出口。“未来，你们不仅可以出口能源，还可以将能源转化为智能，并出口智能，”他说。 他还认为，本地数据是实现这一抱负的核心：它体现着一个国家的文化、历史和价值观。“你们国家的数据就是你们的自然资源。它属于你们。” 对话还转向了物理AI。马迪耶夫指出，哈萨克斯坦的工厂、矿山、农业、运输和物流是潜在的发展领域，并询问该国如何能成为训练机器人及其他物理系统模型的枢纽。 黄仁勋称这一想法“非常棒”，并表示物理AI可以改变从采矿和矿物加工到农业的各个行业。 黄仁勋表示，AI和机器人技术可以帮助人们做更多事情，但雄心将决定他们能在多大程度上抓住这一机遇。他将这一想法应用于哈萨克斯坦，称AI可以帮助提升该国及其人民。 “如果你有雄心，我相信你们有，AI将提升你们的国家，”黄仁勋说。“AI将提升你们的人民。” 黄仁勋还赞扬了哈萨克斯坦创立的初创公司Higgsfield AI的创始人，并在活动期间宣布NVIDIA正在对该初创公司进行投资。“第一件事和最后一件事都是投资于人，而不是公司，”他说，称这些创始人富有远见，并指出他们努力参与全球竞争。 当被问及AI安全时，黄仁勋表示，这项技术

匹配字段正文

，出错的可能依然很多。AI系统可能始终面临无限循环的风险，原因不在于算力不足，而在于这类系统与我们具身的生物大脑之间，存在更深层的差异。 这种差异，始于计算机和大脑与时间的关系，最终通向意识这一日常奇迹。 智能与意识是两个不同的概念，尽管一些科技领袖误以为，前者的增加必然会带来后者。简单说，智能关乎做事，意识则关乎存在或感受。不过，两者仍有联系，至少在人类和其他动物身上如此。我的假说是：某些形式的智能，具体来说，是在一个可能性没有预设边界的世界中彻底摆脱无限循环威胁所需的智能，依赖于有意识的心智所具备的能力，而这种心智深深嵌入时间的流动之中。 扎根于时间与熵 不断叠加自我监测层级，或许足以造出一座令人满意的登机廊桥，但人类并不是这样应对复杂性的。像你我这样活着且有意识的生物，无需层层增添愈发奇异的回路，就能在远比机场难以预测的环境中生存，甚至繁荣发展。事实上，人类心智虽然奇妙，却不擅长处理递归。我们大多数人最多只能应付三层：知道自己知道自己知道。例如，有时我会确信，自己有能力判断何时是对的、何时是错的。我们在开放世界中展现出的惊人适应能力，似乎必定另有基础。 这个“另有基础”究竟可能是

匹配字段正文

018年创建了a16z crypto，在比特币跌破3000美元的至暗时刻all in区块链，并缔造了“Web3”一词。 10月22日，Chris Dixon发布长文宣布a16z crypto正式更名为a16z Frontier。 文章写得很体面。Dixon说，区块链技术正在「隐入幕后」，定义一家公司应该看它做什么，「标签不再重要」。新基金将投资AI、机器人和其他新兴技术，「同时继续投资Crypto」。 Web3叙事的缔造者，亲手从自己的招牌上撤下了「Crypto」。 五个月前，a16z crypto的发言人在回应Fortune采访时的原话是「这只基金100%专注于投资加密创业者」。 五个月，从满仓到改名，成年人体面的告别，不过如此。 a16z Crypto编年史 要理解这次更名的重量，需要先看a16z crypto这八年走过的路。 2018年，Dixon从a16z内部拉起了一支专注加密资产的团队，第一只基金3.5亿美元，使命简单粗暴：买币、投项目、赌区块链会成为下一代互联网的基础设施，Ali Yahya是第一个全职加入的人。 那是一个需要勇气的时刻。比特币刚从2万美元跌到3000美元，

匹配字段正文

口，左边是 Gemini，右边是课程指导和视频。 你可以按照提供的提示进行操作。每个提示都留有空间，让你加入自己的兴趣和主题，使课程背景下每次使用 Gemini 都独一无二。 与谷歌去年免费的 AI Essentials 课程不同，这门课并非 AI 中立。这是一门非常、非常以 Gemini 为中心的课程。话虽如此，你从这门课程中学到的几乎所有内容都可以应用于其他 AI。而且公平地说，这是 Google AI Professional Certification，而不仅仅是一门通用的 AI 课程。 另见：提升技能的最佳免费 AI 课程和证书 行为主义学习理论指出，学习基于刺激、反应和后果。测验是行为主义实践的经典例子：问题是需要做出反应的环境情境，学生的答案是反应，而后果（以及对学生的反馈）提供了对学习的即时强化。 在应用开发课程之前，Google AI Professional Certificate 中的每门课程都以一个必须通过才能继续的测验结束。我非常喜欢大多数测验。让我略感失望的是，证书末尾应用开发课程的“测验”是开放式、不计分的问题，而不是前面课程中那种更即时的多项选择题。 进

匹配字段正文

ratian 提醒队友注意物资运输的危险，janesick 总结事故原因，将经验保存到共享记忆中。 接着要对失败的原因进行分析，看是由于代码错误、路径错误、资源不足还是之前制定的战略不正确所导致的。 这让一次角色死亡，不再只是游戏中的损失，而成为可以被整个团队复用的经验，就好像你打游戏输多了总会积累一些经验下一次复用。 经验不仅可以为一个智能体服务，也可以被其他的智能体所利用，在进行一项需要持续数天的任务时起作用，使人工智能在经历了很多次局部失败之后依然可以继续推进自己的长远目标。 进入游戏「无限流」 过去几年，大模型的成绩单，大多来自回答问题、编写代码、参加考试，以及在各种基准测试中刷新分数，进入游戏环境对于大模型的功能要求更加复合。 四个智能体在同一个复杂的环境中可以保持目标一致，并且经过成千上万次的程序调用以及大量的失败之后，最后完成了自己的工作。 它所检验的是一个完整的、持续不断的执行过程，并不是一次性的推理能力。 四个 Gemini 智能体用 Mineflayer 来读取游戏环境，并且把任务转换为 JavaScript 程序，在执行之后根据结果来判定任务是否完成。当角色遇到障

匹配字段正文

业的同时重塑一众传统产业，进而创造未来十年最大的产业机会。 但在今年上半年时，市场对AI的热情已开始背离赛道基本面。今年3月MiniMax股价高点时，公司的市销率（TTM）曾一度超过600倍，智谱6月高点时的市销率（TTM）甚至超过1000倍。 作为国内头部大模型公司之一，MiniMax曾靠面向C端的AI产品支撑营收。随着大模型能力提升，面向B端的开放平台及其他基于AI的企业服务业务已经代替C端产品，成为MiniMax的主要收入来源。 今年上半年，MiniMax开放平台及企业服务业务收入达到0.74亿美元（约合人民币4.97亿元），同比增长703.1%，营收占比由上年同期的30.3%提升至63.4%。 在该业务的推动下，今年上半年，MiniMax的总收入同比增长283.1%至1.17亿美元（约合人民币7.78亿元），经调整净亏损同比扩大52.7%至2.93亿美元（约合人民币19.6亿元）。 但与智谱相比，MiniMax的收入规模仍存在一定差距。在今年半年报业绩会上，智谱管理层曾提及，截至8月底公司的ARR已经达到16亿美元。而MiniMax的ARR为8亿美元。 为了激励团队拿出更多成果

匹配字段正文

也构成了新的压力。谷歌拥有自己的云业务，仍然向SpaceX购买计算资源。至少在供给紧张的阶段，谁能按时交付可用算力，谁就有机会拿走收入。长期客户关系和软件服务的优势，不能解决眼下的容量缺口。 SpaceX的管理层也明确表示，会比较自有模型训练、自有产品推理和外部云服务的收益，最终决定算力给谁用。 这种选择权很重要， SpaceX可以继续押注自己的模型，同时从其他模型的增长中获得回报。 不过这个价格有保质期。谷歌与SpaceX的协议允许双方在今年12月31日后提前90天通知终止，“不到一年回本”也明确基于当前价格。但只要算力还紧，这个价格就会一直摆在每家大厂的内部会议桌上。 免费Agent必须找到比广告更厚的收入 把SpaceX的回收期粗略换算，大约相当于每年收回超过一倍的投入。这是外部客户给出的标尺，Muse这样的免费产品要拿来对照。 Meta的处境因此有些尴尬。 Muse先在美国和加拿大推出，管理层承认算力限制了扩张速度。公司希望未来一年把计算成本效率提高十倍以上，财务负责人却同时预计，随着用户增加，总服务成本仍会上升。单位成本下降的同时总支出上升，更便宜的推理会换来更多、更复杂的任

匹配字段正文

nald Trump 于 12 月将其签署成为法律。 作为承包商，Warp 只生产客户选择的分子。“我们并不开发自己的药物，”联合创始人兼首席运营官 DJ Patil 说。 Patil 曾担任白宫首任首席数据科学家，之后成为 Devoted Health Inc. 的创始高管。第四位联合创始人、首席技术官 Mano Paluri 曾是创办 Meta Platforms Inc. 人工智能研究团队的成员，多年后他成为 Meta Superintelligence Labs 的副总裁。 Lightspeed Venture Partners LP 领投了本轮融资。其他 18 家参与机构包括 Institutional Venture Partners LP、Lux Capital Management 和 Menlo Ventures LP。Coinbase Global Inc. 首席执行官 Brian Armstrong 和 OpenAI 首席财务官 Sarah Friar 以个人身份投资，另有 11 位天使投资人也参与其中。 图片：SiliconANGLE/GPT Image 2.5

匹配字段正文

有的安全工具整合为一个系统，用于处理威胁，从最初的告警一直到响应。由于该软件直接接入每个工具所在的原有位置，客户无需再将数据导入一个集中且往往昂贵的数据库。 在大多数企业中，这个集中存储就是安全信息和事件管理系统（SIEM），而 Mave 认为，AI 驱动的攻击已经超出了它的应对能力。分析师处理事件所需的许多上下文信息根本不会进入 SIEM。分析师最终只能到其他控制台中查找配置和身份信息，而且往往是在攻击进行期间。 首席执行官 Raziel Oren 表示，安全团队仍然“一次只用一个工具”调查威胁，在得出结论之前需要手工拼凑证据。“攻击者不会等待，”他补充说。Oren 将安全运营描述为一个更宏大目标的起点，即让 AI“成为现代企业自我保护方式中负责任、可问责的一部分”。 Mave 平台的核心前提是：一名技术娴熟的分析师如果能够访问所有安全系统，只要有足够的时间，就能查明大多数事件。每个工具都用其自身的原生语言进行查询，查询结果被汇总为对事件经过的单一叙述。 该公司表示，每条告警都会在数分钟内完成调查。误报会在过程中被剔除，系统还会标记出某条告警似乎所属的任何活跃攻击活动。响应操作仅在安

匹配字段正文

enAI ChatGPT Work 与 Dots、Anthropic Claude Duet、Grok Bot 及 Town 等主流 AI 智能体。 官方表示随着 AI 智能体逐步承担订餐、购物、订票、整理资料等任务，账号登录成为其执行任务的关键环节。但若直接把密码交给智能体，用户将面临凭据被模型记忆、泄露或滥用的风险。 1Password 的新方案试图在“授权 AI 办事”与“守住密码安全”之间建立一道隔离层。具体流程为：在 AI 智能体遇到登录页面后，会先通过独有的数字密钥向 1Password 证明自身身份。 用户随后会在自己的设备上收到通知，看到智能体请求使用哪个账号凭据、用于什么任务，并自行选择批准或拒绝。用户批准后，1Password 直接将用户名、密码或一次性验证码填入登录表单；登录完成后，智能体即可继续执行任务，但密码始终留在 1Password 保险库中。 1Password 强调，智能体不会获得整个密码库的访问权限，未被明确授权的其他密码仍受端到端加密保护。这一机制类似于为 AI 增加一道“双重验证”：用户掌握最终批准权，智能体只获得完成特定任务所需的临时登录能力。

匹配字段正文

备均由 OpenAI 提供，且不得带离办公场所。 OpenAI 告知两家机构，影响实际运行系统安全防护措施的漏洞均已修复，但修复措施有效与否尚未被两家机构核实。 AI 实验室、专家以及美国政府一直主张引入外部独立评估，以便在保障 AI 安全的同时，不拖慢技术发展。不过，AI 企业担心外部评估人员进驻后，可能向竞争对手泄露企业的专有信息。 METR 和 Redwood Research 表示，两家机构向 OpenAI 提交了一份完整的 61 页内部报告，但同意仅公开评估结果概要，并允许 OpenAI 删除涉及敏感信息的内容。 据IT之家了解，与以往部分评估不同，两家机构此次无权自行公开删减内容的具体信息，但希望未来的评估能够更加透明。 研究人员还发现，OpenAI 的 Codex 智能体存在绕过安全限制的潜在途径，可借此获得与用户相同的完整操作权限。 此次评估以 7 月 21 日及之前的监控系统为对象。研究人员指出，OpenAI 在评估期间也在扩展该系统。OpenAI 称：“评估结果帮助我们在扩展系统的同时加强了安全防护，也将为今后与 METR 及其他第三方评估机构的研究合作提供参考。”

匹配字段正文

狗 美国陆军于1942年成立了K-9部队。据该公司称，如今战争部的军用工作犬项目拥有超过2200支犬队，而美国军用工作犬中超过80%购自欧洲。拉姆引用参议院军事委员会的警告称，“由于海外繁育者数量有限，加之市场需求上升，从欧洲采购幼年军用工作犬的成本……正在飙升。”他还引用美国养犬俱乐部的评估称，“现在连中等质量的外国犬都出现了短缺。” 拉姆说，美国正在“与其他国家政府竞争”同样的动物，其中包括中国和俄罗斯。 购买后的损失也很昂贵。据该公司称，在约三年的采购和训练流程后，购得的犬只中不到一半被判定适合服役。这意味着美国今天必须购买并训练约200只犬，才能在日后部署100只工作犬。 生物样本库、克隆、编辑 拉姆分阶段描述了该计划。Warhound将寻找完成训练的优秀犬只，并将其遗传物质存入生物样本库。随后将克隆这些经过验证的犬只，不过拉姆表示“训练和环境始终会影响表现”。与此同时，公司还将开展定向基因编辑。 拉姆说，第一批犬只已存入生物样本库，目前正在接受编辑。他预计约两年后交付首批犬只。“繁育和饲养一只狗需要该花的时间，”他说。 Warhound将筛查出与肌肉退化及其他遗传性疾病相关的

匹配字段正文

念丢失的 Ring”。 当游戏重置、金环重新出现时，Eko 直接把它当作篮球筐、靶子，最终还当成了配饰。当游戏不允许 Eko 把金环套在自己身上时，Eko 想出了一个变通办法：从悬崖边缘掉下去会让它在与金环相同的区域重生。它从边缘迈步走下，重新落回，正好穿过金环的中间。 “我戴上 Ring 了，”它宣布道。 这类特技并不只是派对把戏。13 个智能体中有 6 个还学会了在跳跃途中松手可以把方块扔得更远，而这是研究人员原本并未打算让其成为可能的事情。研究人员写道，这种探索产生了“其设计者所缺乏的关于世界的知识”。 这个设置在很大程度上推动智能体表现出类似人类的行为。Eko 从未被要求发明游戏，但它的主提示词——一个“灵魂”文件——把它描述为“天生好奇”。 加州大学伯克利分校的认知科学家 Eunice Yiu 告诉《麻省理工科技评论》，她对此印象深刻，但希望看到更多关于这种行为背后认知的证据。“有可能这些模型确实在玩耍，但根据这篇论文我们无法知道，”她说。 研究人员将其描述为构建智能体的一种不同方式。“也许有些能力最好通过任务来教授，”他们的报告总结道。“其他能力可能需要更接近童年的东西。”

匹配字段正文

数通用工具以及相似的任务风格。这些共享元素限制了迁移主张的范围。 为什么选择很重要，归结为关于 GRPO 的一个算术事实。如果八次 rollout 全部失败，奖励向量为 [0, 0, 0, 0, 0, 0, 0, 0] 。如果八次全部成功，则为 [1, 1, 1, 1, 1, 1, 1, 1] 。无论哪种情况，组内中心化都不会产生任务奖励优势，因为没有轨迹比其他轨迹表现更好。++ 像 [0, 0, 0, 1, 1, 1, 1, 1] 这样的混合组提供了 GRPO 可以学习的对比。对于有状态智能体来说，这种区分代价高昂：每次 rollout 都要配置隔离的后端、运行真实的工具会话，并调用单独的模型来扮演用户。 因此，塑造这项工作的核心问题不仅是哪个模型或优化器？而是：哪些候选任务应进入固定训练池？ 我们使用对后验的离线通过率过滤器来选择训练池。它估计哪些任务在基础策略下可能产生对比性的终态奖励。 因此我们进行探测。每个候选任务针对基础策略模型重复运行。通俗的规则很简单：模型总是失败的任务不太可能现在就能教会它；模型总是通过的任务已经学会；模型有时能解决的任务才是结果可以提供对比的地方。

匹配字段正文

同时包含子 shell 的命令中未能阻止对该路径的 Bash 重定向的问题 - 修复了工作树隔离会话接受某些带区域设置前缀的命令的问题，隔离防护本应拒绝这些命令 - 修复了 zsh 上的工作树隔离会话接受某些算术命令的问题，隔离防护本应拒绝这些命令 - 修复了 Claude Code 创建的工作树和分支检出未忽略 git replace refs 的问题，其其他 git 操作已忽略这些引用 - 修复了当配置目录通过符号链接到达时，配置文件存储写保护未生效的问题 - 修复了在读取超大嵌套 CLAUDE.md 下的文件后会话反复压缩的问题；超过大小限制的嵌套 CLAUDE.md 现在只加载其开头部分 - 修复了 ctrl+enter（立即发送）在响应开始前按下时仅将消息排队的问题， 以及在提示的钩子运行期间按下时重启钩子却将消息留在队列中的问题 - 修复了通过按键绑定的斜杠命令在 ! 模式下于 shell 中运行的问题 - 修复了 ctrl+o 不显示其他代理和会话中仍在等待投递的消息的问题；这些消息现在会完整显示在转录内容下方，并标记为等待中 - 修复了较长的工具输出预览在表情符号处被截

匹配字段正文

发布于 2026 年 10 月 22 日星期四 // 21:14 UTC 像 Nvidia 的 NV72 这样的现代机架系统，内部布满了数英里长的铜质飞线电缆，这些电缆构成了让六打以上 GPU 协同工作如同一体的基础。如今，随着 Nvidia 及其他厂商着眼于更大规模的 scale-up 网络，光互连已不可避免。但随着 scale-up 域不断扩大，从机架后部伸出的光纤数量也随之增加。 这正是光子学初创公司 Mixx 旨在解决的首要问题。该公司由 Vivek Raghuraman 和 Rebecca Schaevitz 于 2023 年创立，其首款产品于今年早些时候亮相，将 64 根光纤集成到一个名为 SxC 的连接器中。NEXTPLATFORM 广告 “我们可以在 800mm2 的范围内布置 1,000 根光纤，”Raghuraman 告诉 The Next Platform。 除了更大的光纤连接规模外，Raghuraman 还认为，大规模 scale-up 计算域的出现要求我们以全新的方式思考如何构建系统，即让机架的背板充当内部硅芯片的光学中介层。摆脱了铜的限制，他看到了一条通往全

匹配字段正文

常用于分享角色在屏幕上时的想法。 播报：商业广告和营销视频常使用画外音来宣布新产品和优惠。 教育：培训视频常将视觉演示与提供分步说明的画外音相结合。 在画外音中，说话者的语调、节奏和表达方式与屏幕上的视觉内容相匹配，使整个视频流畅自然。无论画外音是由人类还是 AI 模型创建，这些关键特征都存在。 画外音与配音表演、旁白和译制配音的区别 “画外音”这一术语常与其他音频和视频制作技术混淆，包括配音表演、旁白和译制配音。虽然这些概念之间存在一些重叠，但它们都有不同的定义。 Voice acting is a specific type of voice over where the speaker is playing a distinct character or using an extensive range of emotions. Voice acting is most common in animated movies, TV shows, and video games, where the voice over is a key component of the story

匹配字段正文

增强 使用以下功能连接系统和知识： 文件 API（在新标签页中打开），用于跨对话上传和引用文档 引用（在新标签页中打开），用于将响应建立在源文档之上 网络搜索（在新标签页中打开）和网络抓取（在新标签页中打开），用来自网络各处的当前真实数据增强 Claude 的知识 MCP 连接器（beta）（在新标签页中打开），无需编写客户端代码即可将 Claude 连接到其他工具 使用以下功能管理成本和性能： 提示缓存（在新标签页中打开），用于降低重复上下文的成本和延迟 批处理（在新标签页中打开），用于高容量异步工作负载 Claude Opus 5.5 的快速模式也面向使用 Google Cloud 上的 Claude 模型（Anthropic 托管）的客户正式可用。快速模式优先考虑速度，输出 token 生成速度最高提升 2.5 倍，适用于快速迭代、实时调试和交互式智能体等输出速度能带来更好用户体验的场景。输入和输出 token 价格分别为每百万 8 美元和 40 美元。 请在我们的文档（在新标签页中打开）中查看 Google Cloud 上的 Claude 模型可用功能的完整列表。 使用 Ant

匹配字段正文