跳到正文

X

关注 AI 研究者、开发者与机构的动态

当前显示全部 AI 相关新闻
按账号或来源筛选(541)
全部X新闻X:Rohan Paul2042 条X:Kim1539 条X:阿易 AI Notes1239 条X:Testing Catalog620 条X:阿里云 / Alibaba Cloud583 条X:cb_doge539 条X:Elvis Saravia495 条X:Alexandr Wang(Scale AI 创始人/Meta 首席 AI 官)494 条X:OpenRouter454 条X:Elon Musk444 条X:Artificial Analysis439 条X:Ethan Mollick401 条X:PixVerse372 条X:SemiAnalysis340 条X:OpenAI Developers294 条X:ZHO284 条X:Replit272 条X:小北218 条X:Dex Horthy(HumanLayer)196 条X:AI Safety Memes188 条X:Tibo180 条X:Gemini175 条X:swyx171 条X:Emad Mostaque167 条X:MiniMax160 条X:OpenAI151 条X:X.PIN144 条X:Epoch AI140 条X:Runway133 条X:Nathan Lambert128 条X:赵纯想126 条X:Claude Devs125 条X:Aravind Srinivas(Perplexity CEO)124 条X:Thomas Wolf(Hugging Face 联创/CSO)122 条X:洪明119 条X:蚂蚁百灵119 条X:Jason Liu118 条X:马东锡 NLP114 条X:Gabriel112 条X:Frank Wang 玉伯111 条X:Perplexity108 条X:Google AI for Developers104 条X:fofr103 条X:Yuchen Jin102 条X:面壁智能 OpenBMB101 条X:阑夕100 条X:Claude99 条X:Luma AI98 条X:Peter Steinberger98 条X:Sam Altman93 条X:Tencent WorkBuddy86 条X:Thariq84 条X:Cohere79 条X:Eric Zakariasson77 条X:Krea AI77 条X:Francois Chollet75 条X:opencode75 条X:Clément Delangue(Hugging Face CEO)71 条X:Suno69 条X:OpenClaw65 条X:Greg Brockman64 条X:Deedy Das63 条X:karminski61 条X:腾讯混元58 条X:通义千问 / Qwen57 条X:Microsoft Research56 条X:Anthropic54 条X:AK51 条X:Google DeepMind47 条X:商汤 SenseTime (@SenseTime_AI)43 条X:Charlie Holtz43 条X:Peter McCrory(Anthropic 首席经济学家)42 条X:Boris Cherny41 条X:Google AI41 条X:可灵 Kling AI37 条X:Viggle AI33 条X:百度 Baidu32 条X:AI at Meta32 条X:Aidan Gomez(Cohere CEO)28 条X:Josh Woodward28 条X:Logan Kilpatrick28 条X:Mustafa Suleyman(Microsoft AI CEO)26 条X:Noam Brown24 条X:SpaceXAI24 条X:Andrew Milich22 条X:Odyssey22 条X:李继刚21 条X:Tianyi Cui20 条X:华为云19 条X:硅基流动 SiliconFlow18 条X:Mark Zuckerberg18 条X:Arena (@arena)17 条X:DeepSeek16 条X:fal (@fal)16 条X:DAIR.AI (@dair_ai)15 条X:Karina Nguyen14 条X:Mistral AI14 条X:PixVerse (@PixVerse)14 条X:Sundar Pichai14 条X:ARC Prize (@arcprize)13 条X:Demis Hassabis13 条X:Noah Zweben13 条X:智谱 Z.ai12 条X:ElevenLabs (@elevenlabs)12 条X:Lee Robinson12 条X:Philipp Schmid(Google DeepMind 开发者体验) (@_philschmid)12 条X:卡兹克 (@Khazix0918)11 条X:Eric Mitchell11 条X:Georgi Gerganov(llama.cpp) (@ggerganov)11 条X:Jensen Huang11 条Tripo(官方 X)10 条X:唐杰10 条X:Ammaar Reshi10 条X:Andrew Ng(DeepLearning.AI 创始人)10 条X:Arthur Mensch(Mistral CEO) (@arthurmensch)10 条X:Barret 李靖10 条X:Cursor (@cursor_ai)10 条X:Hao AI Lab10 条X:Kimi.ai10 条X:Cognition (@cognition)9 条X:Fei-Fei Li9 条X:Manus (@ManusAI)9 条X:Figure AI (@Figure_robot)8 条X:Gemini Notebook (@Gemini_Notebook)8 条X:Higgsfield AI (@higgsfield)8 条X:Jeff Dean8 条X:Jim Fan8 条X:Lisa Su(AMD CEO) (@LisaSu)8 条X:Meshy (@MeshyAI)8 条X:MiniMax Design (H3) (@Hailuo_AI)8 条X:谢赛宁7 条X:Michael Truell7 条X:張小珺 Xiaojùn6 条X:NotebookLM0 条@berryxia · 历史来源430 条@vista8 · 历史来源262 条@op7418 · 历史来源231 条@google · 历史来源30 条@getsuperintel · 历史来源9 条@latentspacepod · 历史来源9 条@android · 历史来源8 条@dreamlabla · 历史来源8 条@mannybernabe · 历史来源8 条@karpathy · 历史来源7 条@alexatallah · 历史来源6 条@ryanleeminimax · 历史来源5 条@theo · 历史来源5 条@aidotengineer · 历史来源4 条@dkundel · 历史来源4 条@reach_vb · 历史来源4 条@dotey · 历史来源3 条@eliebakouch · 历史来源3 条@googlechrome · 历史来源3 条@kilocode · 历史来源3 条@maxforai · 历史来源3 条@newsfromgoogle · 历史来源3 条@richardssutton · 历史来源3 条@skylermiao7 · 历史来源3 条@victorsuortiz · 历史来源3 条@ajambrosino · 历史来源2 条@akashi203 · 历史来源2 条@anatolikopadze · 历史来源2 条@andrewcurran_ · 历史来源2 条@antirez · 历史来源2 条@barrnanas · 历史来源2 条@coreyching · 历史来源2 条@deanwball · 历史来源2 条@designarena · 历史来源2 条@fellmentke · 历史来源2 条@gergelyorosz · 历史来源2 条@gmi_cloud · 历史来源2 条@gravicle · 历史来源2 条@hxiao · 历史来源2 条@id_aa_carmack · 历史来源2 条@jackminong · 历史来源2 条@lennysan · 历史来源2 条@mada299 · 历史来源2 条@microsoft · 历史来源2 条@mikastars39 · 历史来源2 条@mitchellh · 历史来源2 条@nabeelqu · 历史来源2 条@rudrank · 历史来源2 条@sebastienbubeck · 历史来源2 条@zan2434 · 历史来源2 条@___harald___ · 历史来源1 条@_boraturan · 历史来源1 条@0xjaniak · 历史来源1 条@0xkato · 历史来源1 条@47fucb4r8c69323 · 历史来源1 条@559hkdt · 历史来源1 条@aaliya_va · 历史来源1 条@abhikatte42 · 历史来源1 条@abhishekpatiil · 历史来源1 条@aboutberlin · 历史来源1 条@addyosmani · 历史来源1 条@agi2asi · 历史来源1 条@aiaicreate · 历史来源1 条@aimlapi · 历史来源1 条@aisaonehq · 历史来源1 条@aisystemprompt · 历史来源1 条@alemtuzlak · 历史来源1 条@alexxubyte · 历史来源1 条@alupsasca · 历史来源1 条@amasad · 历史来源1 条@ampcode · 历史来源1 条@anas_build_ · 历史来源1 条@aniketmaurya · 历史来源1 条@anitakirkovska · 历史来源1 条@anneliesgamble · 历史来源1 条@antigravity · 历史来源1 条@arafatkatze · 历史来源1 条@argofowl · 历史来源1 条@ashiknewazaj · 历史来源1 条@atabarrok · 历史来源1 条@atomic_chat_hq · 历史来源1 条@awe_automation · 历史来源1 条@awesomekling · 历史来源1 条@awscloud · 历史来源1 条@ayushagarwal · 历史来源1 条@baaadas · 历史来源1 条@bai_agi · 历史来源1 条@bbuddha_xyz · 历史来源1 条@bclavie · 历史来源1 条@beccalytics · 历史来源1 条@benfleming__ · 历史来源1 条@benhylak · 历史来源1 条@benjamineyliu · 历史来源1 条@bfl_ml · 历史来源1 条@bleysg · 历史来源1 条@bolna_dev · 历史来源1 条@bosmeny · 历史来源1 条@boxmining · 历史来源1 条@bozhou_ai · 历史来源1 条@brexhq · 历史来源1 条@brian_armstrong · 历史来源1 条@brianchew · 历史来源1 条@bridgemindai · 历史来源1 条@budgetpixel · 历史来源1 条@cahidarda · 历史来源1 条@calmpromptshq · 历史来源1 条@ce_zhang · 历史来源1 条@cedric_chee · 历史来源1 条@chaitralikakde · 历史来源1 条@chatgpt · 历史来源1 条@chatgptapp · 历史来源1 条@christinetyip · 历史来源1 条@christofsalis · 历史来源1 条@clark__labs · 历史来源1 条@cloudflaredev · 历史来源1 条@cnorth_13 · 历史来源1 条@cnzoecomeback · 历史来源1 条@cocohearts · 历史来源1 条@code_star · 历史来源1 条@codebyaurelia · 历史来源1 条@cohavygal · 历史来源1 条@commandcodeai · 历史来源1 条@consensusnlp · 历史来源1 条@contralabs_ai · 历史来源1 条@cozyblaze265065 · 历史来源1 条@crimedecoder · 历史来源1 条@crtr0 · 历史来源1 条@damnventures · 历史来源1 条@daniellockyer · 历史来源1 条@darioamodei · 历史来源1 条@davidmaliglowka · 历史来源1 条@davidondrej1 · 历史来源1 条@davidsacks · 历史来源1 条@dbirker78883 · 历史来源1 条@deryatr_ · 历史来源1 条@devfun · 历史来源1 条@diegocabezas01 · 历史来源1 条@digitalocean · 历史来源1 条@dimillian · 历史来源1 条@dimitrispapail · 历史来源1 条@discussingfilm · 历史来源1 条@dkthomp · 历史来源1 条@dmitryrybin1 · 历史来源1 条@dmsobol · 历史来源1 条@douglance · 历史来源1 条@douglasyaody · 历史来源1 条@duckduckgo · 历史来源1 条@easyrouterio · 历史来源1 条@edgardobriban · 历史来源1 条@eisokant · 历史来源1 条@elliotarledge · 历史来源1 条@encrypted · 历史来源1 条@endpointarena · 历史来源1 条@envato · 历史来源1 条@escanorreloaded · 历史来源1 条@esrtweet · 历史来源1 条@ethanhe_42 · 历史来源1 条@eu_commission · 历史来源1 条@fba · 历史来源1 条@fdavidsont · 历史来源1 条@figmaweave · 历史来源1 条@finn_meeks · 历史来源1 条@first_tree_ai · 历史来源1 条@flavioad · 历史来源1 条@flowith · 历史来源1 条@fminzhou · 历史来源1 条@freddie_spirit · 历史来源1 条@frydwia · 历史来源1 条@futurestacked · 历史来源1 条@garrettlord · 历史来源1 条@garrytan · 历史来源1 条@gavinsbaker · 历史来源1 条@GayaniFigma · 历史来源1 条@genspark_ai · 历史来源1 条@gitlawb · 历史来源1 条@gneubig · 历史来源1 条@gokulr · 历史来源1 条@goodfireai · 历史来源1 条@goodnesmbakara · 历史来源1 条@googleaistudio · 历史来源1 条@gordic_aleksa · 历史来源1 条@gro_tsen · 历史来源1 条@hangsiin · 历史来源1 条@happycapyai · 历史来源1 条@haydenbleasel · 历史来源1 条@helloiamleonie · 历史来源1 条@hey_asiif · 历史来源1 条@hilbertspaess · 历史来源1 条@howtoprompt__ · 历史来源1 条@hq4ai · 历史来源1 条@hypersoren · 历史来源1 条@ianbremmer · 历史来源1 条@interaction · 历史来源1 条@intology · 历史来源1 条@iron_redux · 历史来源1 条@ithilgore · 历史来源1 条@itsreallyvivek · 历史来源1 条@jamesjyu · 历史来源1 条@jameszmsun · 历史来源1 条@jason_young1231 · 历史来源1 条@jawad_rahman_ · 历史来源1 条@jaydendavisnc · 历史来源1 条@jeffbarg · 历史来源1 条@jenzhuscott · 历史来源1 条@jiayuan_jy · 历史来源1 条@jilles · 历史来源1 条@jimcramer · 历史来源1 条@jimsyoung_ · 历史来源1 条@jinjingliang · 历史来源1 条@jjacky · 历史来源1 条@jjackyliang · 历史来源1 条@joefioti · 历史来源1 条@joi___ai · 历史来源1 条@joinhandshake · 历史来源1 条@joinpursuit · 历史来源1 条@joulee · 历史来源1 条@jsconfasia · 历史来源1 条@jsrailton · 历史来源1 条@juminoz · 历史来源1 条@kaizero_ainta · 历史来源1 条@karanganesan · 历史来源1 条@kdaigle · 历史来源1 条@kentherogers · 历史来源1 条@kevinsays · 历史来源1 条@khudonogov · 历史来源1 条@kinfisht · 历史来源1 条@koraykv · 历史来源1 条@kotekjedi_ml · 历史来源1 条@kuberwastaken · 历史来源1 条@kurz_gesagt · 历史来源1 条@kwindla · 历史来源1 条@lafalcemateo · 历史来源1 条@lakshyaaagrawal · 历史来源1 条@larrylv · 历史来源1 条@layoffai · 历史来源1 条@levinstanley · 历史来源1 条@lifeofjer · 历史来源1 条@livekit · 历史来源1 条@lon · 历史来源1 条@lostinlatencyx · 历史来源1 条@lotte_verheyden · 历史来源1 条@lqiao · 历史来源1 条@luciushq · 历史来源1 条@luckeyfaraday · 历史来源1 条@lukaspet · 历史来源1 条@madhavsinghal_ · 历史来源1 条@manassharmahere · 历史来源1 条@markiewagner · 历史来源1 条@marksaroufim · 历史来源1 条@marsxiang_ · 历史来源1 条@maseehg_ · 历史来源1 条@mattshumer_ · 历史来源1 条@mem0ai · 历史来源1 条@mengto · 历史来源1 条@merettm · 历史来源1 条@micahcarroll · 历史来源1 条@michael_chomsky · 历史来源1 条@michaelarnaldi · 历史来源1 条@microsoftai · 历史来源1 条@mike_acton · 历史来源1 条@mikeyyyzhao · 历史来源1 条@minchoi · 历史来源1 条@minimaxagent · 历史来源1 条@minu_who · 历史来源1 条@mkbhd · 历史来源1 条@modal · 历史来源1 条@moritzthuening · 历史来源1 条@moxie · 历史来源1 条@mstockton · 历史来源1 条@mtslive · 历史来源1 条@multimodalart · 历史来源1 条@neelnanda5 · 历史来源1 条@neilrahilly · 历史来源1 条@nickbaumann_ · 历史来源1 条@nirantk · 历史来源1 条@noemititarenco · 历史来源1 条@notjazii · 历史来源1 条@nousresearch · 历史来源1 条@oblomovius · 历史来源1 条@ollama · 历史来源1 条@onlyterp · 历史来源1 条@onlyzhynx · 历史来源1 条@organicgpt · 历史来源1 条@orgrem · 历史来源1 条@p0 · 历史来源1 条@palantirtech · 历史来源1 条@palmerluckey · 历史来源1 条@pandatalk8 · 历史来源1 条@parishilton · 历史来源1 条@patrickcarlyle · 历史来源1 条@patricktoulme · 历史来源1 条@paulg · 历史来源1 条@paulsolt · 历史来源1 条@pbdtokenrouter · 历史来源1 条@pererabinoy · 历史来源1 条@philhchen · 历史来源1 条@pirroh · 历史来源1 条@pjaccetturo · 历史来源1 条@postlive · 历史来源1 条@pranaveight · 历史来源1 条@prathamdby · 历史来源1 条@prince_canuma · 历史来源1 条@pumpkherm · 历史来源1 条@pvncher · 历史来源1 条@qiaoqiao2001 · 历史来源1 条@rajveerbach · 历史来源1 条@randyhaddad6 · 历史来源1 条@rauchg · 历史来源1 条@raveeshbhalla · 历史来源1 条@rayanpal_ · 历史来源1 条@rayfernando1337 · 历史来源1 条@redpoint · 历史来源1 条@ric_rtp · 历史来源1 条@richardsocher · 历史来源1 条@riderashgame · 历史来源1 条@rileybrown · 历史来源1 条@robertvaradan · 历史来源1 条@ronshepherd · 历史来源1 条@rosmine · 历史来源1 条@rthiago · 历史来源1 条@ruben_kostard · 历史来源1 条@runware · 历史来源1 条@rvivek · 历史来源1 条@ryanjunejo · 历史来源1 条@safaricheung · 历史来源1 条@samuelstroschei · 历史来源1 条@sanmking · 历史来源1 条@saranormous · 历史来源1 条@savinovnikolay · 历史来源1 条@scale_ai · 历史来源1 条@scaling01 · 历史来源1 条@sdaily_ai · 历史来源1 条@secscottbessent · 历史来源1 条@seltaa_ · 历史来源1 条@sergiopaniego · 历史来源1 条@servasyy_ai · 历史来源1 条@sethltx · 历史来源1 条@sharat_sc · 历史来源1 条@shashankgoyal95 · 历史来源1 条@sherryyanjiang · 历史来源1 条@sherylhsu02 · 历史来源1 条@shl · 历史来源1 条@sighjith · 历史来源1 条@simistern · 历史来源1 条@southpkcommons · 历史来源1 条@sriramkri · 历史来源1 条@sshoaibali · 历史来源1 条@stalkermustang · 历史来源1 条@status_effects · 历史来源1 条@stevencheng · 历史来源1 条@stockanalystpro · 历史来源1 条@suekhim · 历史来源1 条@sultanalfardan · 历史来源1 条@suraj_sharma14 · 历史来源1 条@swisscheese4299 · 历史来源1 条@swmansion · 历史来源1 条@systematicls · 历史来源1 条@teksedge · 历史来源1 条@tftc21 · 历史来源1 条@theahmadosman · 历史来源1 条@themidasproj · 历史来源1 条@theonejvo · 历史来源1 条@therealadamg · 历史来源1 条@timsoulo · 历史来源1 条@tmuxvim · 历史来源1 条@tobi · 历史来源1 条@togethercompute · 历史来源1 条@trackernetwork · 历史来源1 条@trustkerneltech · 历史来源1 条@ttunguz · 历史来源1 条@tuhinchakr · 历史来源1 条@twistartups · 历史来源1 条@ubermenscchh · 历史来源1 条@udayan_w · 历史来源1 条@usefastlane · 历史来源1 条@uzyn · 历史来源1 条@valeriocapraro · 历史来源1 条@vasuman · 历史来源1 条@vdbergrianne · 历史来源1 条@vibeguessing · 历史来源1 条@victoriakimse · 历史来源1 条@victoriawu77 · 历史来源1 条@victortaelin · 历史来源1 条@vikaskansalhq · 历史来源1 条@volchika · 历史来源1 条@walden_yan · 历史来源1 条@warpdotdev · 历史来源1 条@waynesutton · 历史来源1 条@wesroth · 历史来源1 条@whosamberella · 历史来源1 条@xdinodeer · 历史来源1 条@xicilion · 历史来源1 条@xucian_ · 历史来源1 条@yacinemtb · 历史来源1 条@yaojingang · 历史来源1 条@yevr19 · 历史来源1 条@yoheinakajima · 历史来源1 条@yongquanyq · 历史来源1 条@youtubejocoding · 历史来源1 条@yusufg · 历史来源1 条@zachbussey · 历史来源1 条@zeddotdev · 历史来源1 条@zeroxkyle · 历史来源1 条@zhenthebuilder · 历史来源1 条@zicohacks · 历史来源1 条@zixuanli_ · 历史来源1 条@zymazza · 历史来源1 条
19,025 条AI 相关新闻 · 最新在前
9月13日周日
  1. Peter McCrory69

    Dario Amodei 发表文章《We Must Pace the Frontier》,主张 AI 行业应放慢速度并给出三部分计划,Anthropic 单方面承诺执行其中第一步。该步骤是向第三方评估者提供永久的员工级系统访问权限,用于核验安全措施落实、报告事故并评估训练中模型的对齐情况。全文见 https://darioamodei.com/post/we-must-pace-the-frontier,作者 McCrory 认为嵌入式评估者是合理的第一步。

    引用Dario Amodei@DarioAmodei

    We Must Pace the Frontier: I’ve written a new essay on why the AI industry should slow down, with a three-part plan for doing so. Anthropic is unilaterally committing to the first of these steps. We’ll provide third-party evaluators with permanent, employee-level access to our systems, so that they can verify adherence to our safety measures, report on incidents, and assess models’ alignment during training. You can read the full post here: https://darioamodei.com/post/we-must-pace-the-frontier

    推荐理由:Anthropic 首席经济学家推荐 Dario Amodei 新文,提出给第三方评估者永久员工级访问权以核验安全措施,可了解行业自律的具体动作。

  2. @kimmonismus38

    所以事实上这不仅仅是传闻。正如 Dario Amodei 所说,递归自我改进目前正在行业中发生。 而这大概就是他们出于恐惧呼吁放缓的原因。

    引用@kimmonismus@kimmonismus

    Rumors are spreading like a wildfire that Google DeepMind has reached RSI. Lyra is part of the reliable and huge leaker community. But Id say its more than just rumors: Google says Demis Hassabis will focus his “full attention” on shaping AGI. Reuters reports in August Sergey Brin is directing resources toward RSI, while DeepMind’s strategy chief calls it key to the AI investment thesis.

  3. @SemiAnalysis_24

    注意力机制本身没有时间概念。位置嵌入是语言模型判断 token 之间距离的方式。 Jane Street 和 3Blue1Brown 最近的一期 YouTube 视频,探讨了满足常见数学约束的嵌入空间。这个空间不仅在代数上有良好定义,而且在 ML 文献中已被充分挖掘。 如果我们放宽这些约束呢?是否存在一个更一般的可能函数空间?让我们来折腾一下(1/7)🧵

  4. @rohanpaul_ai47

    “loop”就是你所需要的一切。🙂 (引用推文要点:微软 CEO Satya Nadella 在新采访中表示,下一个 AI 护城河不是你所用的模型,而是只有你公司才能运行的学习循环。他真正在问的是:当智能变成可以租用的东西时,企业会怎样。一个世纪以来,企业靠人、流程、数据、惯例、客户记忆和日常运营中的隐性知识来保护价值。基础模型可能抹平这一优势,因为同样的通用智能人人都能用。Nadella 的答案是,企业需要自己的“爬山机器”——一个私有循环,让模型从公司特有的任务、轨迹、评估和结果中学习。这意味着真正的资产不只是模型,而是那个能让模型以竞争对手无法复制的方式持续改进的环境。私有评估成为战略记忆,工作流轨迹成为训练信号,人类判断成为引导复利的方式,而不只是纠错。这也重新定义了 AI 采用:只消费基础模型的公司可能获得生产力,但可能泄漏其运营知识的更深层价值;建立有纪律学习循环的公司能把日常工作变成累积的知识产权。因此,未来的企业或许以其将独特活动转化为持久模型改进的能力来衡量。前沿不会只属于拥有最大模型的人,而会属于拥有最好循环的人。)

    引用@rohanpaul_ai@rohanpaul_ai

    Microsoft CEO Satya Nadella's new interivew: Explains how the next AI moat will not be the model you use, but the learning loop only your company can run. He is really asking what happens to the firm when intelligence becomes something you can rent. For a century, companies protected value through people, processes, data, routines, customer memory, and the tacit knowledge buried in daily operations. Foundation models threaten to flatten that advantage because the same general intelligence can be used by everyone. Nadella’s answer is that firms need their own “hill climbing machine,” a private loop where models learn from company-specific tasks, traces, evaluations, and outcomes. That means the real asset is not just the model. The asset is the environment that keeps improving the model in ways competitors cannot copy. Private evals become strategic memory. Workflow traces become training signal. Human judgment becomes a way to steer compounding, not just correct mistakes. This also reframes AI adoption: a company that only consumes a foundation model may gain productivity, but it may leak the deeper value of its operating knowledge. A company that builds a disciplined learning loop can turn everyday work into accumulating IP. The future firm may therefore be measured by how well it converts its unique activity into durable model improvement. The frontier will not belong only to whoever owns the largest model. It will belong to whoever owns the best loop. ---- From "Stanford Online" YouTube channel, (link in comment)