跳到正文
11月4日周三
  1. Simon Willison41

    AI 正在摧毁我的计算机科学学位

    Simon Willison 撰文指出,AI 明显要求教育者改变教学与评估学生的方式,但有效利用这些工具的教学方法仍极不明确。评估周期以年计,今天尝试的新教学机制要等当前学生在 3-6 年后毕业才能得到可靠结论,学生因此沦为未经检验的新学习方式的实验对象。

11月3日周二
  1. Simon Willison12

    Simon Willison 发出 10 月赞助者专属月度通讯

    Simon Willison 于 11 月 3 日发出 10 月版赞助者专属月度通讯,赞助者可立即阅读,付费 $10/月可比免费版提前一个月获取。本期内容包括 vibe game development 的 10 月转折点、漏洞危机升温、LLM 发布、$100+/月订阅的 API credits、当前在用工具与软件发布。9 月通讯已作为预览开放查看。

  2. The Decoder43

    AI 精英或像重商主义者囤积黄金一样囤积智能

    工程师 Venkatesh Rao 在其博客 "Contraptions" 撰文,将 AI 恐惧比作重商主义,认为许多 AI 精英把智能视为稀缺危险资源,主张开放获取 AI 而非保护传统知识型工作。Rao 称 AI 可能像早期资本主义让人们自愿多工作一样激发更多思考,AI 智能体也能自主开展项目、创造新的智能需求。

11月2日周一
  1. TechCrunch · AI44

    AI 能让科技 CEO 的生活更轻松,普通人呢?

    TechCrunch 播客 Equity 讨论了 Marissa Mayer、Sam Altman、Mark Zuckerberg 等科技 CEO 鼓吹 AI 用法却显得与普通人脱节的现象。Amanda Silberling 认为这既是营销问题也是产品问题,行业正把基本的人际互动"优化"掉。她强调人与人直接交流对社会是净正收益。

11月1日周日
10月31日周六
  1. TechCrunch · AI12

    给科技迷的万圣节临时装扮指南

    TechCrunch 为没来得及准备万圣节装扮的科技爱好者提供了一批临时创意,包括扮演"递归自我改进"(拿《Atomic Habits》和瑜伽垫)、伪装成可爱的 AI agent(模仿 ChatGPT Dot 索取 Gmail 读写权限)、Claude token 用量耗尽通知、上周刚被 AI 发现的 PHP 漏洞(T恤写 PHP 并向朋友倾诉脆弱)。

  2. The Verge · AI51

    Sam Altman 称 RAM 放在数据中心比放在个人电脑更好

    OpenAI CEO Sam Altman 在 Cheeky Pint 播客访谈中表示,把 RAM 装在个人电脑里而不是数据中心是件很糟糕的事。他指出,许多人期待用本地推理和开源模型在自己电脑上运行,但从全球资源分配角度看,让每个人占用有限的 DRAM 供应却只在 5% 的时间里使用并不合理,供应受限环境下应追求云端的最大化利用率。

10月30日周五
10月29日周四
  1. Simon Willison25

    Ted Sanders 解释 OpenAI 模型命名规则

    OpenAI 的 Ted Sanders 解释了模型命名与排序逻辑:模型按规模排序为 Luna < Terra < Sol < Astra,规模越大性能与可靠性越强、每 token 成本越高、冷门知识召回越好。版本号同时表示发布顺序、与其他版本的关系和改进幅度,如 6.1 晚于 5.6 发布、与同代 6.1 模型共享训练数据与个性,改进幅度不足以用 7. 表示。

10月28日周三
  1. TechCrunch · AI38

    数据中心热潮的意外之喜:为美国电网带来创新

    在 TechCrunch Disrupt 上,WeaveGrid、Veir 和 Rewiring America 的高管认为 AI 数据中心带来的电力需求激增正推动美国电网现代化。Veir 的超导电缆可将电力传输距离延长 5 倍、所需空间减少 20 倍,本月刚完成 $110 million 的 Series C 融资;WeaveGrid 则通过软件帮助电网公司优化负载编排、降低用户电费。

10月27日周二
  1. The Decoder56

    OpenAI 的 Ted Sanders 解释 GPT-6.1 系列命名逻辑与选型建议

    The Decoder 报道 OpenAI 的 Ted Sanders 对 GPT-6.1 Terra 的定位说明,以及 OpenAI 如何为语言模型命名。Sanders 表示模型性能是多维度的,擅长数学的模型未必擅长写笑话,但多数性能差距可归因于模型规模;同时规模也不能解释一切,更新更小的模型可能凭借更好的训练数据或架构超越更早更大的模型。

10月26日周一