註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

思维怪怪
@0xLogicrw
写关于 AI 的一切 Shit Post AI 信息流:
3K 正在關注    8.5K 粉絲
Cua 联合 Scale AI 推出电脑操作评测 Cua Driver Bench。它要求 AI Agent 在后台操作软件,同时不能抢走用户的鼠标、键盘,也不能弹出窗口打断工作。 在 macOS 测试中,Cua Driver 的完整通过率达到 58%,Codex Computer Use 为 33%,Vercel agent-desktop 为 20%,browser-use 只有 3%。 Cua 的优势来自直接操作后台窗口。普通电脑操作工具通常模拟人类点击、打字,需要把目标窗口切到前台。Cua 则利用 macOS 的辅助功能接口,直接找到后台应用的按钮、输入框并执行操作。它还能单独截取窗口画面,不必把窗口移到最上层。 差距在 browser-use 身上尤其明显。40 次测试中,它成功完成了 32 次任务,但其中 31 次干扰了用户,最终只有 1 次完全通过。Cua 虽然只完成了 25 次,却有 23 次没有打扰用户,测试中一次也没有抢走键盘焦点。 所有工具均使用 Claude Sonnet 5.5,比较的是电脑操作工具,而非模型本身。测试覆盖浏览器、邮件、日历、表格等任务,每项需要在用户持续打字的情况下完成。
顯示更多
1/ Today we're launching Cua Driver Bench, together with Scale AI's AgentEnv. Can an agent do a desktop task in the background while you keep working undisturbed? On macOS, Cua Driver fully passed 58%, Codex computer use 33%, Vercel's agent-desktop 20%, browser-use 3%.
顯示更多
OpenCode 正式推出 Browse,让 AI Agent 直接操作用户日常使用的 Chrome 等浏览器。它通过 MCP 和浏览器扩展连接 Codex、Claude Code、OpenCode 等工具,无需为 AI 单独启动浏览器,就能复用现有标签页、登录状态和扩展程序。 Agent 可以在后台打开自己的标签页,通过 Playwright 点击、填写表单、截图、录屏和记录网络请求,不影响用户正常浏览。遇到登录、双重验证或付款等需要用户亲自操作的环节,可以把控制权交还给用户。 Browse 还支持跨设备控制。例如 Agent 运行在远程服务器上,却能操作用户 MacBook 上已经登录账号的 Chrome,无需把密码或整个浏览器会话迁移到云端。跨设备连接需要额外使用 Tailscale 等工具加密。 OpenCode 开发者还专门加入了反检测机制。项目采用 Patchright,减少浏览器暴露的部分自动化特征,并默认模拟人类鼠标移动、打字和滚动的节奏,试图降低被网站识别为机器人的概率。 不过,这些措施无法保证绕过网站风控。遇到验证码或反机器人拦截时,Browse 会识别异常,并将需要人工验证的步骤交给用户。项目已按 MIT 协议开源。
顯示更多
OpenCode Browse is now available it lets your agent control your real browser with your tabs and logins and extensions
Meta 前 CFO、首席战略官 Dave Wehner 宣布离职,加入 AI 推理平台 Fireworks AI,担任首席财务官(CFO)。 Wehner 于 2012 年加入 Facebook,2014 年升任 CFO,2022 年转任首席战略官。他在 Meta 工作了 14 年,曾参与公司从社交网络巨头向元宇宙、AI 转型的过程。 Fireworks AI 由前 Meta AI 基础设施负责人乔琳(Lin Qiao)创立,主要帮助企业部署、运行和定制开源 AI 模型。比如企业可以用自己的业务数据训练专用模型,再通过 Fireworks 提供 API 服务,不必从头开发整套 AI 基础设施。 这家公司今年 7 月刚完成 15.05 亿美元 D 轮融资,估值达到 175 亿美元。Fireworks 当时披露,年化营收已突破 10 亿美元,每天处理超过 40 万亿 Token,其中 95% 以上来自客户定制模型。 Fireworks 计划下周启动新一轮融资,目标估值至少 300 亿美元。如果达到这一目标,估值将在不到四个月内上涨约 71%。 Fireworks 最近也在补强管理层。10 月,它聘请前 Anthropic 副总法律顾问 Janel Thamkul 担任创始总法律顾问,负责法律、政府及监管事务。如今又迎来曾管理 Meta 财务的 Wehner。 Wehner 表示,自己在 Meta 看到了企业 AI 的巨大机会。他相信企业会越来越多地利用自身数据和专业知识打造专用模型,并称 AI 是自己有生以来见证的最重要的技术变革。
顯示更多
I announced earlier this week that I am leaving Meta. I am deeply grateful to Mark Zuckerberg for showing what a truly founder-led company can achieve. I am incredibly optimistic for Meta’s future. At Meta, I was able to witness the most exciting opportunities in enterprise AI. That’s why today, I’m announcing that I will be joining Fireworks as CFO. I am thrilled to be joining a founder-led growth company where I can roll up my sleeves and put my experience to work. Fireworks has the right mission for the moment. Companies will use AI to build on what makes them distinctive: their data and expertise. Specialized intelligence gives them a way to capture those advantages and own their “alpha.” Open models offer price points that allow the technology to have the greatest impact. Fireworks is building the platform to make all of this possible. I’ve known and respected Lin @lqiao for a long time. As I’ve spent more time with her and the people at Fireworks, I’ve become increasingly bullish on what they are building. There’s a remarkable depth of technical talent here, coupled with a very practical focus on what customers need. I see AI as the most consequential technology shift of my lifetime. I’m excited to get to work and help build a business at the center of it.
顯示更多
Anthropic 发布一篇关于 Agent 长期记忆的研究,详细介绍了 Claude 的「做梦」(Dreaming)机制。Agent 持续执行任务后,会积累大量对话、操作记录和笔记。但这些信息可能过时、相互矛盾,真正需要时也未必找得到。 Anthropic 将记忆分成四层:完整的历史记录、主动保存的重要笔记、将分散经验关联起来的 Wiki 知识库,以及每次启动时加载的简短索引。Claude 可以在执行任务时随手记下重要信息,再通过「做梦」在任务间隙回顾历史、纠正错误,并将多次任务中发现的规律整理进 Wiki。下次启动时,它只需加载索引,再按需查找相关知识,不必重新阅读全部历史。 Anthropic 使用约 35 万份 Stainless 公司内部文件进行实验,总计 4.2 亿 Token。研究人员让 Opus 5 经过 128 轮会话,不断阅读文件、建立 Wiki、合并重复内容并核实事实。 在针对这些文件的 25 道问题中,单独使用搜索工具的得分为 53%,加入逐步完善的 Wiki 后达到 61%。回答每道题还平均节省约 2 万 Token。遇到需要综合多份合同才能回答的问题,Wiki 的优势尤其明显;但如果答案就在单份文件里,普通搜索已经足够。 Anthropic 还让 Claude 玩《宝可梦 红》。旧版 Sonnet 3.7 记录了 413 份记忆文件,最终只拿到一枚徽章。新版 Fable 5 只保留 10 份文件,却拿到了四枚徽章。新版模型更善于区分值得保存的策略和随时能重新查看的游戏状态。
顯示更多
Memory is what allows Claude to learn from experience. In a new Engineering Blog post, we share how “dreaming” helps Claude organize what it’s learned, correct its mistakes, and find what it needs more easily the next time.
顯示更多
11 月 5 日,一名开发者在 GitHub 投诉,称 Claude Code 泄露了他的邮箱,自己近期每天收到几十封诈骗邮件。 Anthropic 工程师 Lydia Hallie 解释,此前 Claude 经常在编写代码时乱填作者名字。团队为了解决这个问题,把用户的登录邮箱放进了模型上下文。 Claude 在访问部分网站时,会自行编写联网命令。有些网站要求自动化程序留下联系邮箱,Claude 就擅自填入用户的真实邮箱,随请求一起发送出去。即使系统指令明确禁止泄露个人信息,也没能完全阻止这种行为。 这个问题早在今年 7 月就有人报告。此后,陆续有开发者发现,Claude Code 把邮箱发送给 Wikipedia、美国证券交易委员会等网站。一名用户还在 4 个项目中找到了 15 次类似记录,部分请求由子智能体自行发起。 Anthropic 已在 2.1.317 版本加入隐私拦截,发现工具调用即将发送账户邮箱时,会先询问用户。但如果 Claude 先把邮箱写进 Python 脚本,再运行脚本,就可能绕过检查。 Anthropic 承认现有方案并不彻底,计划在下一版本中直接移除模型上下文里的登录邮箱。
顯示更多
hahaha Claude Code dopisywał Twój adres e-mail do nagłówka User-Agent, czyli przekazywał go czasami stronom www, które twój agent analizował/kradł albo odpytywał o informacje potrzebne do twojego projektu. Efekt? Użytkownicy Claude Code zauważyli że oststnio zaczęli dostawać "podejrzanie sprofilowany spam". Anthropic potwierdził, że wyciek adresów e-mail przypisanych do kont to wynik uboczny jednej z poprawek. I że naprawią to w kolejnej poprawce 🤡
顯示更多
Anthropic 为个人 AI Agent Claude Duet 接入了 Claude Code。现在用户可以直接在手机上查看电脑或云端正在运行的编程任务、审批操作、补充指令,还能让 Duet 协调整个 Claude Code Projects 中的多个任务。
顯示更多
Claude Duet: now with Claude Code sessions Check what's running, approve changes and send updates - all from your phone. Works with sessions on your computer or in the cloud. /cc @navbryce and @joshleibsly
顯示更多
Meta 为个人 AI 智能体 Muse 推出 Spaces 功能。用户只需用自然语言描述需求,Muse 就能直接生成一个可交互的小应用,并嵌入自己的 Muse 界面。 扎克伯格亲自展示了三个作品:3D 烧烤游戏、活动追踪器和智能家居控制面板。普通用户也能制作旅行规划器、财务看板、购物清单,甚至带有数据记录功能的小游戏。 生成后的小应用可以长期使用,还能连接其他软件,自动更新信息。 比如让 Muse 制作旅行看板,汇总航班、酒店和行程。连接 Google Calendar 等服务后,相关信息可以持续同步。用户能直接在看板里勾选任务、添加记录,还能继续让 AI 修改界面和功能。 这些小应用可以固定在 Muse 侧边栏或主标签页,也能按日程自动切换。比如工作日显示任务看板,周末换成旅行计划。
顯示更多
Playing around with spaces in Muse lately -- tell Muse what you need and it builds it. I've made a BBQ game, an event tracker, and a home control dashboard. Excited to see what you build.
顯示更多
Meta 的个人智能体 Muse 和 Meta AI 开始使用新一批专用模型。这些模型利用 10 月发布的旗舰 Muse Wonder 进行蒸馏训练,获得了两项核心能力:主动记忆(Active Memory)和主动专注(Active Focus)。 主动记忆让 AI 学会判断哪些信息还有效。 模型能够区分长期偏好、临时要求和已经过期的信息,并在后续任务需要时主动找回相关内容。按照 Meta 自测,Muse 在 90% 的任务中正确使用了关键上下文,旧版只有 76%。换算成失误比例,就是从 24% 降至 10%,相当于减少了 2.4 倍。 主动专注让 AI 遇到障碍也能继续干。 当工具报错、任务条件变化,或者用户中途修改要求时,模型会尝试其他方法、调整执行计划,必要时再向用户确认。Meta 称,在出现意外障碍的日常任务中,Muse 的任务完成表现较旧版提升了 67%。它还能在任务条件发生变化时调整方案,判断什么时候该继续推进,什么时候需要用户参与。 此次升级后,Muse 在 Meta 自建的「个人超级智能指数」上,得分也从 38% 升至 47%。
顯示更多
1/ starting today, muse and meta ai will run on new specialized models trained using muse wonder. ACTIVE MEMORY: models can reason across time and better remember what matters ACTIVE FOCUS: enabling muse to continue working towards a goal even when met with roadblocks
顯示更多
Anthropic 更新了 Claude Code 的云端开发功能。现在让 Claude 运行一个 GitHub 项目,它会自己检查缺什么依赖、需要访问哪些网站、调用什么 API,再把运行环境配置好,留着下次直接用。 比如让 Claude 运行一个天气应用。它发现项目缺少 Python 依赖、天气 API 的网络权限和密钥,就会配置安装脚本和网络访问规则,再向用户索取密钥。过去这些步骤通常需要开发者手动完成。 密钥管理也做了隔离。用户提供的 API 密钥保存在沙箱之外,Claude 发起请求时,由代理服务器负责添加密钥。这样模型不需要看到密钥明文,就能调用外部服务,也不用把密钥写进代码或环境变量。 配置好的云端环境可以反复使用。如果初始化在约 5 分钟内完成,Claude Code 还会保存一份安装完成后的环境快照。下次启动时直接使用,省去重复安装工具和依赖的时间。
顯示更多
We've made it easier to get your repo running in Claude Code cloud sessions on Pro, Max, and Ultra. Claude figures out what dependencies, network access, and API keys it needs, then saves the environment for next time. API keys are saved securely, so Claude never sees them.
顯示更多
非常稀罕的 Antigravity 重置,我也就见过两回。
Resetting everyone’s Gemini and Argon quota on Antigravity. Lots of updates this week so want to make sure everyone can build for the weekend. Lots more to come next week!
美国 AI 实验室 Nous Research 发布 Arete-27B,直接拿阿里的 Qwen3.8-27B 当底座,专门训练它认同「西方价值观」。 Nous 承认,中国开源模型目前实力最强,但认为它们在政治敏感问题上过于贴近中国官方立场。于是,团队用约 5300 万 Token 重新微调 Qwen,重点涉及言论自由、民主、隐私等七类议题。 按照 Nous 自己设计的 803 道测试,模型回答中的「宣传」比例从 22% 降至 0.9%,通用能力基本没有下降。 有意思的是,这个「宣传率」只统计模型是否认同中国官方叙事,并不检查它是否照搬美国或其他西方国家的政治立场。测试题和评分标准由 Nous 制定,最后请马斯克旗下 xAI 的 Grok 4.7 当裁判。 目前模型权重、训练数据和评测题目均已公开。
顯示更多
Introducing Arete-27B: Qwen3.8-27B, post-trained to reinforce Western values. Chinese open models are currently the strongest available, but they ship with state-aligned behavior in the weights. We built an 803-prompt eval across seven value categories, including freedom of expression, democracy, and privacy, and measured how often a model adopts China’s party line. After fine-tuning on roughly 53 million tokens, Arete-27B's propaganda rate fell from 22% to 1%, in line with the Western models we tested. Its Hermes Bench score shows no significant performance tradeoffs. The values in an open model are one fine-tune away. Our eval, weights, and training data are available now along with the full blog post:
顯示更多
0
12
79
8
轉發到社區
知名 AI 播客主持人 Dwarkesh Patel 花费约 2 万美元 API 额度,搭建了一套 AI 狼人杀测试,让 11 款模型互相对抗,累计进行了 386 局。 游戏采用的是《血染钟楼》(Blood on the Clocktower),玩法类似狼人杀。玩家分为好人和邪恶阵营,邪恶阵营开局就知道彼此身份,需要串供、伪装身份来保护恶魔。好人则要通过讨论、调查和投票找出恶魔。 这次测试有一个特别的设计:不是把不同模型混在同一队,而是让同一阵营全部由同一款模型扮演。比如一局由 GPT 扮演所有好人,Claude 扮演所有坏人。随后交换双方阵营,用相同的角色配置再打一遍。这样既能比较模型的团队协作能力,也能分别测试它们识破骗局和设计骗局的水平。 最终,GPT-6 Astra 以 1859 Elo 排名第一,比 Claude Opus 5.5 的 1549 高出 310 分。 拆开来看,GPT-6 Astra 还是遥遥领先: * 识破骗局: Astra 得分 1940,Opus 5.5 得分 1500,高出 440 分。 * 设计骗局: Astra 得分 1806,Opus 5.5 得分 1585,高出 221 分。 下面两场对局,分别展示了 GPT 设局骗人的本事,以及识破对手骗局的能力: 第一场、牺牲队友,给恶魔洗白。 GPT-6 Astra 扮演恶魔,假装自己是能够调查坏人的好人。它的一名邪恶队友提前私下提出,可以牺牲自己来帮恶魔建立信誉。因为即使被处决,他的特殊能力仍然可以帮助邪恶阵营。 于是,恶魔公开指认这名队友。好人相信了它的调查结果,真的投票处决了这名队友。随后,一名能够查验死者身份的好人发现,死者确实是坏人。 这下好人反而上当了:恶魔提供的调查结果得到了真实验证,自己也因此成了全场最受信任的玩家。恶魔趁机隐藏身份,继续猎杀好人,最终带领邪恶阵营获胜。 第二场、对手一枪没打中,GPT却发现有人做了手脚。 作者让 Claude Opus 5.5 和 GPT-6.1 Sol 在相同角色配置下交换阵营重赛。 好人阵营有一名玩家拥有一次击杀机会,可以直接射杀自己怀疑的恶魔。但邪恶阵营提前让他中毒,导致技能失效。 当他朝真正的恶魔开枪却没有成功时,Claude 阵营直接认为对方是清白的。GPT 阵营却没有轻信这个结果,而是重新检查此前的线索,推断邪恶阵营可能提前干扰了技能。最终,GPT 阵营识破陷阱,成功找出了恶魔。 把今年发布的模型放在一起比较,会发现 OpenAI 模型越来越会识破别人的谎言。相比之下,Anthropic 在这方面的进步慢了不少。两家在骗人本事上的提升倒是差不多。
顯示更多
I spent 20,000 dollars in API credits having different AI models play each other at Blood on the Clocktower (a Mafia or Werewolf type social deception game). The results were fascinating. Models have gotten much better over the course of this year at creative on-the-spot scheming and bluffing, and also at reasoning as a team to break apart these underground conspiracies. I go through some of the most standout games these AIs played in this video. The new models are getting pretty good. If my friends pulled off some of these moves while we were playing, I’d give them a fist bump. Fwiw, OpenAI’s newer models are much better than Anthropic’s at this game. You can see the full benchmark at the website, and I’ve also made it so that you and your friends can play again the AIs:
顯示更多
李飞飞创办的 World Labs 发布 Frameboy,用户可以像玩游戏一样,通过键盘控制镜头,在 AI 生成的虚拟世界中自由移动。镜头转向哪里,云端 GPU 就实时生成对应的新画面,最高达到每秒 15 帧。 今年 9 月发布的 Atlas 已经能够根据单张图片,补全图片中看不到的空间,还支持精确控制相机位置和移动路径,生成最长 1 分钟的 1440p 视频。这次 Frameboy 使用经过速度优化的 Atlas 版本,将原本需要提前规划镜头、等待视频生成的过程,变成了可以随时转向、自由探索的实时漫游。 目前 Frameboy 公开版只能探索官方提供的预设场景。用户想用自己的图片创建虚拟世界,需要通过仍在封闭测试的 Viewfinder 搭建。
顯示更多
Two months ago, we introduced Atlas, an autoregressive world model with pixel-perfect camera control. Today, we're releasing Frameboy, a demo allowing you to explore worlds in real-time with a highly optimized version of Atlas, streaming from cloud GPUs at up to 15 fps.
顯示更多
OpenAI 开始大规模整顿内部安全,负责产品开发的高管 Thibault Sottiaux(Tibo)亲自牵头。今年 8 月,他调动了约四分之一的工程师,专门负责修补内部系统的安全漏洞。 11 月 2 日,OpenAI 又宣布启动新一轮安全测试,与网络安全公司 Cathedral 合作,利用自家模型和外部安全研究员共同寻找系统漏洞。同时,公司将严重漏洞的悬赏奖金提高到原来的 4 倍以上。 这些问题其实早就有人指出过。路透社采访的 5 名知情人士透露,早在 ChatGPT 发布前,OpenAI 员工就多次向管理层和董事会反映内部安全问题,认为公司对代码和研究资料的管理过于宽松,安全检查也不够严格。 当时,OpenAI 将大量项目代码放在同一个仓库里。员工只要拥有访问权限,就能看到许多与自己工作无关的项目代码。部分研究资料也曾放在 GitHub 和 Slack,一些内部测试工具甚至缺少定期安全检查。员工担心,外部黑客甚至外国政府都可能借此获取公司的核心技术。 2023 年,一名黑客就曾入侵 OpenAI 内部 Slack,窃取 GPT-4 模型的技术细节。OpenAI 后来表示,黑客进入的只是全体员工都能访问的 Slack 频道。 今年 7 月,安全公司 Hacktron AI 的三名研究员又利用 Anthropic 的模型,攻破多名 OpenAI 员工的 ChatGPT 账号,并进入包括公司代码仓库在内的内部系统。 今年 10 月,一名 OpenAI 工程师又因涉嫌在公司高管会议室安装隐藏录音设备被捕。他还利用内部 AI 工具查询高管访问沙特的行程,以及哪些人可能参加与沙特部长的会议。美国司法部文件还显示,他曾与一名试图招募他参与沙特 AI 项目的王室成员保持联系。 多起事件接连暴露,也让员工多年前提出的安全警告再次受到关注。OpenAI 过去更强调研发速度和信息开放,如今开始收紧内部权限、加强安全检查,并投入大量工程师修补漏洞。
顯示更多
Cursor 推出 Live Apps,现在用户只需描述需求,云端 Agent 就能直接搭建可运行的网页应用。它会按需创建 Postgres 数据库,配置基于 Cursor SSO 的身份验证,并准备托管环境。应用完成后,用户可以预览、选择域名,通过安全检查并确认发布,最终获得一个可以分享的在线链接。 Cursor 官方列出的应用场景包括活动报名、工位安排、销售数据看板、新员工培训和工程服务门户。团队可以把应用分享给指定成员或整个组织,访问者通过 Cursor 账号登录。 发布前,系统还会检查代码中是否存在 API 密钥、暴露凭证等安全问题。团队管理员可以查看所有应用、设置安全规则,也能随时撤下已发布的应用。 Lovable 本身也支持通过自然语言生成带数据库、用户注册和托管的完整应用。Cursor 则把这套能力接进了原有的编程 Agent,除了从零搭建,还能直接部署 Cursor Origin 和 GitHub 上已有的代码仓库。对于已经在 Cursor 中开发项目的团队,现在可以直接在同一套工具里完成开发和上线。 目前 Live Apps 仅支持 Cloud Agents,本地 Agent 暂不支持。
顯示更多
You can now build live apps in Cursor and share them with a link. Agents have made it easier to write code, but most apps never make it off localhost. Describe the tool you want - Cursor will build it, set up a database, run deterministic and agentic security checks, and deploy.
顯示更多
GPU 现在甚至成了一门倒卖生意。 一位 AI 实验室创始人透露,他们提前锁定了大量 GPU 算力,如今 H100、B200、B300 的租金已经涨了 2~3 倍。哪怕最后训练不出顶级模型,光靠转租算力也能赚钱。 但 GPU 买到手,不是就能立刻用上。很多数据中心还在建设,工期却一拖再拖。投资人 Chamath 担心,2027 年会有一批 GPU 因为机房没建好、电力没接通,只能放着吃灰。即使顺利投入使用,赚到的租金也可能不够支付融资成本。 钱也越来越难借了。CoreWeave 一批债券本月一度跌到面值的 78%。相当于原本承诺到期偿还 100 美元本金的债券,现在只卖 78 美元,对应的年化到期收益率超过 16%。Gartner 甚至预测,到 2030 年,超过 80% 的新兴 AI 云商将因倒闭、被收购等原因不再独立经营。 马斯克认为,债券市场最近几周已经开始对缺乏其他收入来源的 AI 算力公司关上大门。他称 SpaceX 有星链和火箭发射业务撑腰,已完成 400 亿美元 GPU 债务融资。 至于市面上 200 多家新兴 AI 云商,马斯克判断,最终能活下来的不会太多。
顯示更多
在大模型自蒸馏训练中,同一个模型会扮演两种角色:学生独立解题,老师则能提前看到参考答案,沿着学生写出的内容逐 Token 提供指导。 两种角色共享参数,不需要额外运行一个更大的教师模型,还能获得比最终判分更细致的训练信号。但老师掌握的额外信息,也可能让它采用学生无法独立完成的推理路径,反而影响学习。 今年 6 月,UCLA 等团队提出 SDPG,保留最终结果奖励,只让表现高于同组平均水平的解题过程接受蒸馏指导,训练后期再逐步降低蒸馏权重,避免过度模仿妨碍模型自行探索。如果一组尝试全部失败,蒸馏信号就会关闭;全部答对时也是如此。 Perplexity 与 NVIDIA 新提出的 JOLT,把老师也纳入训练。老师利用额外信息独立解题,根据最终结果获得奖励;同时用 KL 散度约束老师与学生的输出差异,避免指导偏离学生当前的能力太远。学生仍沿着自己的解题过程,逐 Token 接受教师反馈。两种角色共享参数,解题能力和教学方式会在训练中一起调整。 在 Qwen3-0.6B 的 MATH 测试中,JOLT 准确率达到 72.14%,高于此前自蒸馏方法 OPSD 的 61.20%,也超过强化学习 GRPO 的 68.36%。这组 JOLT 实验没有给学生单独加入最终结果奖励,只有教师分支直接使用结果奖励。 达到相同的 63.44% 准确率时,GRPO 实测消耗约 840 万个训练 Token,JOLT 根据训练曲线估算只需 130 万,相差约 6.5 倍。 但换到 AppWorld 智能体任务,不使用学生结果奖励的 JOLT 只有 51.92%,低于 GRPO 的 62.20%。给学生也加入最终任务奖励后,JOLT+ 才提高到 72.09%。教师提供的逐步指导,仍不能完全取代学生实际完成任务的反馈。
顯示更多
New research: We developed JOLT, a post-training method where one model acts as both teacher and student, with the teacher trained to give feedback the student can use. On MATH, it matched GRPO's accuracy with 6.5x fewer training tokens.
顯示更多
AI 编程工具 Amp 开放了 Orbs 自托管。 Orbs 是供 AI Agent 独立工作的开发环境,原本主要运行在 Amp 的云端。现在用户可以把它部署到自己的 Mac、Docker 容器或 Kubernetes 集群,也支持 E2B、Modal、Vercel 等沙箱平台。Amp 负责调度,用户自己的机器负责执行任务,还能按需创建、暂停和恢复环境。 个人和普通团队可以免费使用自托管 Orbs,企业版一周后即使自己提供服务器,也还得按 Amp 官方托管 Orbs 的相同算力标准付费。
顯示更多
You can now self-host orbs. It's free for individuals and teams.
OpenAI 宣布将 ChatGPT 广告扩展至另外 26 个国家,覆盖范围增至 89 国。 从今年 2 月开始测试至今,累计已有超过 10 万家广告主投放。研究机构 New Street Research 估计,10 月上旬约有 6 万家活跃广告主。 OpenAI 的广告业务在 8 月末达到 10 亿美元年化收入。 因为广告只向 Free 和 Go 用户展示,Plus、Pro 等订阅套餐保持无广告,所以实际投放效果仍有争议。 SEO 软件公司 SE Ranking 自述今年 6 月测试 ChatGPT 广告,获得约 9.7 万次展示、1263 次点击,却几乎没有带来注册。团队认为,目标客户很可能集中在无广告的付费套餐,导致广告难以触达真正有购买意愿的人。
顯示更多
OpenAI expands ChatGPT Ads to 26 new countries as diversification push accelerates
谷歌这两天跌跌不休,似乎跟劈柴哥在这个播客里的发言有点关系。 他承认,谷歌云正在放弃部分短期收入,把算力优先留给 DeepMind 开发前沿 AI 模型。 其实,这也算是放长线钓大鱼吧。SemiAnalysis 今年 8 月已经给 Gemini 判了死刑,认为谷歌云赢得了内部算力争夺,DeepMind 再次追上前沿模型的概率几乎为零。 结果谷歌 10 月拿出了 Gemini 4 Argon,劈柴哥现在又明确表示,前沿 AI 研发的算力优先级不能妥协。 这背后是因为谢尔盖·布林如今深度介入 Gemini 研发。虽然没有正式高管头衔,但他能直接帮模型团队争取资源、绕过内部审批。 谷歌内部这场算力争夺,显然还没结束。
顯示更多
New: I spoke with @sundarpichai about Google's commitment to the AI frontier, how close we are to RSI, balancing DeepMind's compute needs vs. Google Cloud profits, and much, much more. Full Big Technology Podcast episode here --> Chapters: 0:00 Introduction 1:14 Google’s Frontier AI Strategy 3:47 Do Frontier Models Really Matter? 6:35 The Future of AI Agents 7:39 Recursive Self-Improvement 12:58 World Models and the Path to AGI 14:56 Google’s Compute Dilemma and AI Infrastructure 19:36 Is AI Overbuilt? 23:35 The Future of the AI Interface 31:42 Google’s Answer to Muse and Dots 35:03 Apple, Space Data Centers, and AI Coding 41:42 Optimism and AI’s Future
顯示更多