Hugging Face Blog:模型路由远不止分类问题,成本、复杂度、延迟各有陷阱
Hugging Face Blog 与 IBM Research 撰文指出,在 agentic 系统中做模型路由远不止分类问题,而是系统优化问题。
Hugging Face Blog 与 IBM Research 撰文指出,在 agentic 系统中做模型路由远不止分类问题,而是系统优化问题。
Berkeley AI Research 发布观点文章,指出随着 GPT-4 级能力成本从每百万 token 约 $30 降至 $1 以下、部分提供商已低于 $0.10。
本期 Import AI 周刊报道 Fable 在 KernelBench-Mega 上提交首个真正的 megakernel,在 RTX PRO 6000 Blackwell 上用 Cuda 代码实现 18.71X 加速。
本期 Import AI 介绍了 NVIDIA 的 ENPIRE 系统,让编码智能体驱动实体机器人完成自主试验与自我改进闭环,在 PushT 等灵巧操作任务上达到 99% 成功率,同时指出多机器人并行时资源利用率下降的挑战。
Import AI 462 本期汇总四条线索:牛津大学等机构研究显示,在4项实验、18,978次对话、6,923名参与者中,AI在文本说服上稳定超过专家人类,Opus 4.1 和 Opus 4.6 表现最强。
OpenAI 发布名为 "Built to benefit everyone: our plan" 的计划,阐述其围绕可及性、安全性和共同繁荣的 AI 未来愿景,目标是确保 AGI 惠及所有人。原文仅给出这一愿景框架,未披露具体模型、参数、价格或时间表。
IBM Research 在 Hugging Face 博客撰文提出,企业工作流动态长周期、API 众多且受政策法规约束,仅靠前沿 LLM 难以支撑规模化落地,需要在 agent 层引入知识图谱、程序分析库等 agent logic 来收窄上下文。
Jack Clark 在牛津大学 HAI Lab 的 2026 Cosmos 讲座演讲整理成文,提出面对 AI 快速进步,人们面临探索未来或退回现在的选择。他回顾 AI 进展曲线与个人使用 AI 的经历,称已把十年 newsletter 积累做成可复用的 skill,让 AI 在几分钟内完成原本需数周的图表分析工作。
Jack Clark 的 Import AI 457 期周刊汇总四条内容:SentinelOne 拆解约 20 年前的 fast16.sys 病毒,其针对 LS-DYNA 970。
Import AI 456 介绍了 Institute for Law & AI 提出的 "radical optionality" AI 监管思路,主张政府现在就投资建设未来可能需要的工具,包括透明度与报告要求、吹哨人保护、模型权重安全加固,并增加 AISI(UK)和 CAISI(US)的经费。
Import AI 作者 Jack Clark 认为,有 60% 以上的可能到 2028 年底出现无需人类参与的 AI 研发,即前沿模型能自主训练自己的后继版本;若要押注 2027 年,他认为概率约 30%。
Sam Altman 分享了指导 OpenAI 工作的五项原则,其使命是确保 AGI 惠及全人类。原文仅点出原则数量与使命,未展开各项原则的具体内容。
Hugging Face 撰文指出,Mythos 等系统证明 AI 已能自主发现并修补软件漏洞,但关键在于系统配方而非单一模型,小模型配合深度安全专长也能以更低成本实现类似效果。
OpenAI 公开介绍了 Model Spec,这是其用于规范模型行为的公开框架,旨在随着 AI 系统发展,在安全性、用户自由与问责之间取得平衡。
Google Research 在 The Check Up 活动上介绍了其医疗 AI 最新进展,涵盖个性化健康、临床协作、开发者生态、公共卫生与生物医学发现多个方向。
Demis Hassabis 撰文回顾 AlphaGo 十年前击败世界冠军李世石的里程碑,以及 Move 37 展示的超越模仿、发现全新策略的能力。文章梳理了 AlphaGo Zero、AlphaZero 的自对弈演进,以及其方法在 AlphaFold 2、AlphaProof、AlphaEvolve 和 AI co-scientist 等科学项目中的延伸应用。
OpenAI 宣布不再评测 SWE-bench Verified,称该基准日益受到数据污染,无法准确衡量前沿编码能力进展。其分析发现该基准存在测试用例缺陷与训练数据泄漏问题。OpenAI 建议改用 SWE-bench Pro。
Google DeepMind 发文回顾 AlphaFold 自 2020 年以来五年的影响:AlphaFold 2 在 CASP 14 上以高精度预测蛋白结构。
OpenAI 发文指出 AI 正在快速进步,我们有机会塑造其发展方向,使其朝着科学发现、安全以及更美好的未来迈进。文章未给出具体模型、数据或产品细节,仅表达这一总体立场与建议方向。
Chime CMO Vineet Mehra 分享 AI 如何将营销重塑为智能体驱动的模式,以及为何重视 AI 素养和审慎采用的领导者将推动增长。
MiniMax M2 后训练中负责智能体对齐的作者复盘了训练过程中的关键结论:智能体需要 Interleaved Thinking,即思考可以发生在任务任意时刻而非仅开头,以维持长上下文任务的连贯并应对外部工具输出的扰动。
DoorDash 首席人力官 Mariana Garavaglia 分享了公司如何扩大 AI 应用,帮助员工更快地构建、学习和创新。
OpenAI Executive Function 系列中,Model ML CEO Chaz Englander 讨论 AI 原生基础设施与自主智能体如何改造金融服务工作流。内容聚焦 AI-native 基础设施和 autonomous agents 对金融业务流程的重塑方式。
OpenAI 发文称 AI 将为比历史上任何技术都多的人解锁更多机会,若发展得当,AI 能赋予每个人前所未有的力量。作者自述是务实的技术爱好者,看重技术对人们生活的直接影响,认为这正是这份工作令人兴奋的原因。
OpenAI 表示 ChatGPT 的设计目标是有用、可信且可适配,让用户可以把它变成自己的工具。原文仅以一句话概括这一设计理念,未给出具体功能、参数或评测数据。
Expedia Group 首席营销官 Jochen Koedijk 分享了公司如何用 AI 推进营销演进。文章以对话形式呈现,围绕 Expedia 在营销中应用 AI 的实践展开。
Lowe's 数据、AI 与创新高级副总裁 Chandhu Nair 分享了该公司如何利用 AI 赋能家居建材零售业务。
Speak 正在用 AI 打造个性化的语言学习体验,其 CEO 与联合创始人 Connor Zwick 分享了这一方向的思路与实践。
LaunchDarkly 首席产品官 Claire Vo 分享了产品经理角色的变化、她的反待办清单(anti-to-do list)以及如何组建 AI 原生团队。这是一篇围绕 AI 时代产品管理实践的对话式内容。
Wayfair 首席技术官 Fiona Tan 分享了该公司如何用 AI 塑造零售业的未来。
Hugging Face 官方博客发文梳理 AI 智能体的定义、能力谱系与伦理权衡,建议不要开发完全自主的 AI 智能体,因为用户让渡的控制越多风险越大,能自行编写并执行代码的智能体将获得凌驾于人类控制之上的能力。
Hugging Face 发布伦理与社会通讯 #5,汇总其今夏在 E.U.、U.K.、U.S. 的 AI 监管参与,包括 CEO Clem 向美国国会作证、在参议院 AI Insight Forum 发言、就 E.U. AI Act 提供建议,以及首席伦理科学家 Meg 向民主党党团提交意见。
Hugging Face 与 Writer 联合创始人兼 CTO Waseem Alshikh 对谈,回顾 Writer 从 Hugging Face 用户、客户到开源模型贡献者的历程。
OpenAI 提出现在是开始思考超级智能治理的合适时机,超级智能指未来能力远超 AGI 的 AI 系统。
OpenAI 发布《Planning for AGI and beyond》,阐述其使命是确保通用人工智能(AGI)——即总体上比人类更聪明的 AI 系统——造福全人类。文章围绕 AGI 的规划与更长远的未来展开讨论。
OpenAI 应用 AI 研究团队的 Lilian Weng 探讨了持续学习的价值。文章指出,让模型在部署后继续从新数据和反馈中学习,可使系统随时间不断改进,而非停留在训练完成时的静态能力。
Hugging Face 机器学习总监洞察系列第四期,汇集 Mercado Libre 的 Javier Mansilla、MasterPeace Solutions 的 Shaun Gittens、Samuel Franklin 和 Evan Castle 四位机器学习总监,分享 ML 对各自行业的影响。
Hugging Face 支持 RAIL Initiative 推出 OpenRAIL 许可框架,包含 Open(免版税访问、灵活下游使用与再分发)和 Responsible(在特定关键场景嵌入使用限制条款)两大特征,并要求下游再分发和衍生版本继承这些使用限制。
OpenAI 正在提升 AI 系统从人类反馈中学习的能力,并帮助人类评估 AI,目标是构建一个足够对齐的 AI 系统,以协助解决其他所有对齐问题。
Hugging Face 发布机器学习总监洞察系列第三期(金融篇),汇集来自 U.S. Bank、加拿大皇家银行(RBC)、Moody's Analytics 及前 Bloomberg AI 研究科学家的访谈。