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(537)
全部X新闻X:Rohan Paul1605 条X:Kim1284 条X:阿易 AI Notes987 条X:阿里云 / Alibaba Cloud506 条X:Testing Catalog439 条X:cb_doge423 条X:Elvis Saravia394 条X:Elon Musk363 条X:Alexandr Wang(Scale AI 创始人/Meta 首席 AI 官)354 条X:OpenRouter350 条X:Ethan Mollick325 条X:Artificial Analysis314 条X:PixVerse312 条X:ZHO260 条X:SemiAnalysis255 条X:Replit236 条X:OpenAI Developers220 条X:小北203 条X:Dex Horthy(HumanLayer)165 条X:swyx165 条X:MiniMax158 条X:Gemini157 条X:Emad Mostaque147 条X:Tibo135 条X:AI Safety Memes131 条X:Epoch AI126 条X:OpenAI126 条X:X.PIN126 条X:Thomas Wolf(Hugging Face 联创/CSO)110 条X:Runway108 条X:Google AI for Developers104 条X:蚂蚁百灵101 条X:面壁智能 OpenBMB100 条X:马东锡 NLP96 条X:Aravind Srinivas(Perplexity CEO)95 条X:Nathan Lambert95 条X:Luma AI92 条X:洪明91 条X:Claude Devs91 条X:Jason Liu88 条X:fofr86 条X:Frank Wang 玉伯86 条X:赵纯想85 条X:Yuchen Jin82 条X:Sam Altman81 条X:Gabriel79 条X:Eric Zakariasson75 条X:阑夕73 条X:Perplexity73 条X:Francois Chollet71 条X:Cohere70 条X:Tencent WorkBuddy70 条X:Peter Steinberger67 条X:opencode66 条X:Claude65 条X:Krea AI62 条X:Greg Brockman61 条X:Clément Delangue(Hugging Face CEO)59 条X:karminski59 条X:Microsoft Research55 条X:通义千问 / Qwen53 条X:Suno53 条X:OpenClaw52 条X:腾讯混元51 条X:Anthropic50 条X:Thariq49 条X:Google DeepMind45 条X:商汤 SenseTime (@SenseTime_AI)42 条X:AK41 条X:Charlie Holtz41 条X:Deedy Das38 条X:Google AI38 条X:Boris Cherny36 条X:可灵 Kling AI32 条X:百度 Baidu31 条X:Peter McCrory(Anthropic 首席经济学家)31 条X:AI at Meta28 条X:Aidan Gomez(Cohere CEO)27 条X:Viggle AI27 条X:Josh Woodward26 条X:Logan Kilpatrick26 条X:Mustafa Suleyman(Microsoft AI CEO)26 条X:Noam Brown23 条X:SpaceXAI23 条X:李继刚20 条X:Andrew Milich20 条X:Odyssey20 条X:硅基流动 SiliconFlow18 条X:华为云18 条X:Tianyi Cui17 条X:DeepSeek16 条X:fal (@fal)14 条X:Sundar Pichai14 条X:Mistral AI13 条X:PixVerse (@PixVerse)13 条X:智谱 Z.ai12 条X:ARC Prize (@arcprize)12 条X:Arena (@arena)12 条X:Demis Hassabis12 条X:Mark Zuckerberg12 条X:Eric Mitchell11 条X:Philipp Schmid(Google DeepMind 开发者体验) (@_philschmid)11 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:DAIR.AI (@dair_ai)10 条X:ElevenLabs (@elevenlabs)10 条X:Karina Nguyen10 条X:Lee Robinson10 条X:Noah Zweben10 条X:卡兹克 (@Khazix0918)9 条X:Fei-Fei Li9 条X:Georgi Gerganov(llama.cpp) (@ggerganov)9 条X:Hao AI Lab9 条X:Jensen Huang9 条X:Kimi.ai9 条Tripo(官方 X)8 条X:Cognition (@cognition)8 条X:Cursor (@cursor_ai)8 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:Manus (@ManusAI)8 条X:Meshy (@MeshyAI)8 条X:MiniMax Design (H3) (@Hailuo_AI)8 条X:谢赛宁7 条X:Jim Fan7 条X:Michael Truell7 条X:張小珺 Xiaojùn6 条X:Lisa Su(AMD CEO) (@LisaSu)6 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@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@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@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@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
15,743 条AI 相关新闻 · 最新在前
5月13日周三
  1. @Replit26

    越来越多的人在为小企业创造和构建产品,数量前所未有。 @Codie_Sanchez 和 Contrarian Thinking 的 2026 State of Main Street 报告深入分析了相关数据,以及 Replit 这类工具如何推动这一趋势。

    引用Contrarian Thinking (@Contrarian)@Contrarian

    NOW LIVE: The 2026 State of Main Street report We had so much fun making this for the SMB community. Inside: >Analysis of SBA financing data from the @SBAgov >Survey data from hundreds of business buyers @Contrarian >Data on America's ownership succession gap >An inside look at Main Street tech and AI with @Replit >The future of the trades and small biz with @trycents @HaulerHero @ResiBrands and Drillbit Read it here while available: info.contrarianthinking.co/m…

  2. @kimmonismus56

    Google DeepMind 展示了由 Gemini 驱动的 AI 鼠标指针实验演示,可结合指向、语音和自然简写直接操作屏幕内容。演示中用户指向一张建筑图片并说 show me the route 即可获得路线,无需复制粘贴、打开聊天窗口或编排提示词。首批演示已在 Chrome 和 Google AI Studio 上线。

    引用Google DeepMind (@GoogleDeepMind)@GoogleDeepMind

    We’re reimagining a 50-year-old interface - the mouse pointer - with AI. 🖱️ These experimental demos show how people can intuitively direct Gemini on their screens using motion, speech, and natural shorthand to get things done 🧵 Video

  3. @frxiaobei52

    小北(@frxiaobei)认为AI会不会取代人的讨论里,AI公司、企业、教育者和媒体都在讲对自己有利的版本,且未必有人撒谎。作者因此把问题换成转型期到底多快多痛、来不及转身的人怎么办,并转发吴恩达关于不会有AI就业末日(jobpocalypse)的观点。这一疑问对各方都没有好处,所以没人有动力认真回答。

    引用Andrew Ng (@AndrewYNg)@AndrewYNg

    There will be no AI jobpocalypse. The story that AI will lead to massive unemployment is stoking unnecessary fear. AI — like any other technology — does affect jobs, but telling overblown stories of large-scale unemployment is irresponsible and damaging. Let’s put a stop to it. I’ve expressed skepticism about the jobpocalypse in previous posts. I’m glad to see that the popular press is now pushing back on this narrative. The image below features some recent headlines. Software engineering is the sector most affected by AI tools, as coding agents race ahead. Yet hiring of software engineers remains strong! So while there are examples of AI taking away jobs, the trends strongly suggest the net job creation is vastly greater than the job destruction — just like earlier waves of technology. Further, despite all the exciting progress in AI, the U.S. unemployment rate remains a healthy 4.3%. Why is the AI jobpocalypse narrative so popular? For one thing, frontier AI labs have a strong incentive to tell stories that make AI technology sound more powerful. At their most extreme, they promote science-fiction scenarios of AI “taking over” and causing human extinction. If a technology can replace many employees, surely that technology must be very valuable! Also, a lot of SaaS software companies charge around $100-$1000 per user/year. But if an AI company can replace an employee who makes $100,000 — or make them 50% more productive — then charging even $10,000 starts to look reasonable. By anchoring not to typical SaaS prices but to salaries of employees, AI companies can charge a lot more. Additionally, businesses have a strong incentive to talk about layoffs as if they were caused by AI. After all, talking about how they’re using AI to be far more productive with fewer staff makes them look smart. This is a better message than admitting they overhired during the pandemic when capital was abundant due to low interest rates and a massive government financial stimulus. To be clear, I recognize that AI is causing a lot of people’s work to change. This is hard. This is stressful. (And to some, it can be fun.) I empathize with everyone affected. At the same time, this is very different from predicting a collapse of the job market. Societies are capable of telling themselves stories for years that have little basis in reality and lead to poor society-wide decision making. For example, fears over nuclear plant safety led to under-investment in nuclear power. Fears of the “population bomb” in the 1960s led countries to implement harsh policies to reduce their populations. And worries about dietary fat led governments to promote unhealthy high-sugar diets for decades. Now that mainstream media is openly skeptical about the jobpocalypse, I hope these stories will start to lose their teeth (much like fears of AI-driven human extinction have). Contrary to the predictions of an AI jobpocalypse, I predict the opposite: There will be an AI jobapalooza! AI will lead to a lot more good AI engineering jobs, and I’m also optimistic about the future of the overall job market. What AI engineers do will be different from traditional software engineering, and many of these jobs will be in businesses other than traditional large employers of developers. In non-AI roles, too, the skills needed will change because of AI. That makes this a good time to encourage more people to become proficient in AI, and make sure they’re ready for the different but plentiful jobs of the future! [Original text in The Batch newsletter.]

  4. @vista859

    向阳乔木开源了基于 HeavySkill 论文写的 Skill,让 3–5 个完全独立的 Sub agent 独立思考同一个问题,再由 Codex 主持讨论,找出各视角盲点并给出比单推理更好的结论。安装命令为 npx skills add joeseesun/qiaomu-heavyskill,同时给出 GitHub 开源地址和 Demo 讨论链接。

    引用向阳乔木 (@vista8)@vista8

    读了一篇叫HeavySkill的论文,非常有意思。 让多个 AI先并行“独立思考”,生成多条独立推理。 再用另一轮推理来综合所有思路,得出最终答案。 按论文测试结果,回答质量会提升非常多。 正在按这个思路写一个Skill,Claude Code推理,Codex当主持人,看看效果。 blog.qiaomu.ai/heavyskill-he…

  5. @vista826

    向阳乔木按HeavySkill论文思路写出首个Skill并完成测试:让多个AI先并行独立思考生成多条推理,再用另一轮推理综合得出最终答案,论文称回答质量提升明显。他让Claude Code负责推理、Codex当主持人,并调研了所见即所得Markdown编辑开源库,结论是需求没提清楚,选好数据模型后库的选择才有意义。

    引用向阳乔木 (@vista8)@vista8

    读了一篇叫HeavySkill的论文,非常有意思。 让多个 AI先并行“独立思考”,生成多条独立推理。 再用另一轮推理来综合所有思路,得出最终答案。 按论文测试结果,回答质量会提升非常多。 正在按这个思路写一个Skill,Claude Code推理,Codex当主持人,看看效果。 blog.qiaomu.ai/heavyskill-he…

5月12日周二
  1. @frxiaobei61

    飞书 CLI 过去一个月更新 100+ 能力,Bot@Bot、画板、妙记、审批、知识库等都可以被 Agent 编排,个人和团队都能用。作者分享了官方能力清单和一些使用案例的链接,并称用上之后开会不用整理、消息不用一条条看、重复的事交给 Agent 跑。按作者描述,其团队已经给每个下属配了一个跑在飞书上的专属 Agent。

    引用凡人小北 (@frxiaobei)@frxiaobei

    我给每个下属都配了一个专属 Agent,跑在飞书上。现在是他们的 Agent 在跟我的 Agent 对话,我在旁边看着。 带团队这些年,我最大的感受不是累,是碎。 各种项目要跟,各种进展要盯,各种需求要确认。AI 让每个程序员的产出翻了好几倍,活多了,事也多了,人还是那几个。 有一天我看着 Claude Code 自己把一个功能从需求写到上线,然后转头看了眼飞书群,纪要要人整理,进展要人跟,审批堆着等人看。开发层已经 AI 化了,协作层还是原始人。 正好发现飞书 CLI 过去一个月悄悄更新了 100 多条能力,很多上个月还不存在的东西,现在已经可以用了。我就开始动手改。

  2. @AYi_AInotes66

    代号 Mini Shai-Hulud 的供应链攻击正通过被劫持的 GitHub Actions CI 管道扩散,已波及 TanStack 全家桶、Mistral AI、UiPath 等 170 多个 npm 与 PyPI 包,周下载量合计超过一个亿。

    引用Ryan Carson (@ryancarson)@ryancarson

    🚨 There's a major attack going on via npm right now. Do not install any packages right now. Talk to your agent ASAP and check if you're vulnerable or have been compromised. This is urgent ‼️

    推荐理由:梳理了该供应链攻击劫持 CI 管道、使签名验证失效的机制,并给出冻结安装与轮换密钥等自查步骤。

  3. @jietang34

    作者预测今年最可能的突破在长时任务,LLM通过与Agent环境交互完成复杂任务,并以网络安全为例说明AI可24小时不间断挖掘漏洞。实现这一愿景需解决记忆、持续学习与自我评判三大技术支柱,其中1M+上下文和RAG已弥合记忆差距,Opus 4.7已展现早期自我纠错能力。作者还推测Claude或已实现自训练基线,并认为未来操作系统将是LLM OS,应用按需生成。

  4. @vista858

    在 Claude Code 中可以通过安装 OpenAI 官方插件 codex-plugin-cc 来调用 Codex,作者给出依次执行的命令:添加库用 /plugin marketplace add openai/codex-plugin-cc,安装插件用 /plugin install codex@openai-codex,然后执行 /reload-plugins 重新加载。最后登录配置用 /codex:setup,已安装并登录 Codex CLI 的用户可跳过这一步。

    引用向阳乔木 (@vista8)@vista8

    读了一篇叫HeavySkill的论文,非常有意思。 让多个 AI先并行“独立思考”,生成多条独立推理。 再用另一轮推理来综合所有思路,得出最终答案。 按论文测试结果,回答质量会提升非常多。 正在按这个思路写一个Skill,Claude Code推理,Codex当主持人,看看效果。 blog.qiaomu.ai/heavyskill-he…

  5. @vista844

    向阳乔木发布了对 DiT(Diffusion Transformer)论文的图文解读,作者为张小珺此前访谈过的谢赛宁。该解读全文约一万三千字,作者坦言论文阅读难度很高,仍有不少内容未能完全理解。

    引用向阳乔木 (@vista8)@vista8

    大家想读什么论文或书,但不想消耗自己Token。 欢迎留言,我来帮大家跑,解读成图文并茂的文章,一起学习。 示例为ViT经典论文解读。 blog.qiaomu.ai/vit-vision-tr…

  6. @kimmonismus48

    OpenAI 解雇了 Leopold Aschenbrenner。 随后他写下了《Situational Awareness》,一份 165 页的论文,预测 AGI 将在 2027 年到来。 之后据报道,他在 12 个月内将 $225M 变成了 $5.5B。 不是靠买 Nvidia、Microsoft、Google 或 Amazon。 而是靠买 AI 实际运行所依赖的东西: 能源。带宽。存储。算力。Bloom Energy。Lumentum。Sandisk。CoreWeave。Iris Energy。 所有人都买 AI 公司。他买的是它们底层的瓶颈。 天才。

  7. @kimmonismus42

    说真的,机器人战争已经开始了。 韩国正在探索将现代机器人用于军事用途,因为其军队规模随着人口减少而萎缩。 老龄化社会正面临年轻人短缺,因此下一步显而易见的举措已经明朗: 如果士兵不够,就造出来。机器人战争之所以开始,不是因为科幻变酷了。而是因为生育率崩溃了。

    引用Chubby♨️ (@kimmonismus)@kimmonismus

    nitter.net/UnitreeRobotics/status… At this point on, I'm too afraid to ask what Unitree's plan actually is. They use it in the construction industry, right? Right? Video

  8. @frxiaobei48

    团队把需求会改为直接录音,飞书 CLI 里的 skill 读取产品知识库,将录音与产品背景拼合生成完整需求文档,机器人再通过飞书 CLI 拉取文档交给 AI 开发,并自动 @ 画板 Bot 生成流程图和架构图插入文档。跟进与审批同样交给 Agent:Agent 读取历史跟进记录和专门写给它的规则文档,按事项标记区分优先级,高频事项自行盯、重要节点提前提醒、普通事项临近截止才动,避免无谓打扰。