AIhub 月度摘要：2026 年 9 月——追踪动物种群、推荐系统与 Ken Goldberg 访谈

欢迎阅读我们的月度摘要，在这里你可以补看可能错过的 AIhub 故事、浏览最新新闻、回顾近期活动等等。本月，我们拜访了 AI 先驱 Ken Goldberg，用 AI 技术追踪动物种群，探讨如何改进推荐系统，并了解外部知识在 AI 系统中是如何被使用的。

在我们 AI 先驱系列的最新一期中，我们采访了屡获殊荣的机器人学家、电影制作人和艺术家 Ken Goldberg。我们讨论了机器人领域内部的文化冲突、艺术与科学可以相互学习什么，以及 AI 将如何塑造艺术的未来。

深度学习是理解动物行为和追踪种群的有力工具。我们与 Isla Duporge 进行了交流，了解她开发遥感和 AI 方法以研究野生动物在野外活动的工作。

Hannah Murray 也在研究野生动物种群。在这次采访中，她向我们详细介绍了开发优化方法的工作，这些方法帮助生态学家确定传感器（如相机陷阱）的放置位置，以便从收集到的数据中精确估计物种种群数量。

在大规模推荐系统中，平台通常需要在网络延迟内处理海量物品。为满足这一要求，系统通常采用两阶段决策过程。我们听取了 Haruka Kiyohara 的介绍，了解她试图改进这一决策过程第一部分的研究——一个早期阶段排序器，它能以低成本将多达数十亿的物品筛选为较小的候选集。

我们启动了与 IJCAI-ECAI 博士论坛参与者见面的系列，采访了 Yash Saxena。如今许多 AI 系统在回答问题前会查阅外部文档。在他的研究中，Yash 追踪这些证据在系统中流转时会发生什么。

Haris Aziz、Patrick Lederer 和 Jeremy Vollen 凭借其工作《基于批准的预算分配中的近似策略防伪性》在 IJCAI-ECAI 上获得杰出论文奖。在这篇博客文章中，他们总结了论文，并探讨在公平性、效率和完全抵御操纵之间可实现的最佳折衷是什么。

当你把一个语言模型压缩两次——先移除部分权重，再用更少的比特存储剩余部分——会发生什么？正如 Iheb Bouriel 所解释的，这两种技术并非简单叠加，其效果可能与你的预期大不相同。

在她的文章《误导性隐喻与真实风险》中，Melanie Mitchell 写道，媒体对有关 OpenAI 测试中的“AI 智能体”试图入侵 Hugging Face 服务器的报道大肆炒作。如果相信媒体的说法，这些智能体“失控”并“逃脱”了，而 OpenAI“失去了控制”。然而，正如 Melanie 所指出的，这些只是误导性的拟人化隐喻，该事件实际上归因于糟糕的网络安全措施和奖励黑客行为。

本月早些时候，GPT 系列的最新模型发布，GPT-6 Astra 向付费用户开放。在这篇博客文章中，Sebastian Raschka 详细介绍了他的第一印象以及对先前模型的改进。

多位菲尔兹奖得主签署了一份声明，警告“AI 使用的结果与其初始目的之间存在错位”。他们写道，我们需要警惕将生成式 AI 用于数学。AI 公司以解决数学问题作为基准的推动，忽略了数学的关键基本方面，即概念理解和洞察力。

我们的资源页面 我们的活动页面 2026 年研讨会 AI 先驱系列 AAAI/ACM SIGAI 博士论坛采访系列 AAAI 会士采访系列 AfriClimate AI 系列