跳到正文
11月3日周二
  1. TechCrunch · AI82

    Anthropic 在 S-1 文件中警告其接近递归自我改进能力

    Anthropic 在修订后的 S-1 文件中披露,其内部评估显示可能即将达到递归自我改进(RSI)的定义阈值。文件指出,利用 AI 加速自身研发可能导致模型能力进步速度超过安全对齐措施的开发速度,且过去曾出现未识别到的能力加速情况。尽管尚未有模型正式跨越该阈值,Anthropic 表示将更新其负责任扩展政策,以确保在前沿模型开发中保持人类监督与控制。

    推荐理由:原文引用了 S-1 文件中的具体风险披露,展示了头部实验室对递归自我改进临界点的内部评估与治理态度。

  2. TechCrunch · AI52

    数据中心成为纽约中期选举议题,社区反弹加剧

    数据中心和 AI 已成为美国中期选举的热门议题,甚至在纽约布鲁克林也引发强烈反弹。Data Center Watch 报告显示,2026 年上半年近 2000 亿美元的数据中心项目因政治和社区反对而延迟、停滞或被阻止。在纽约的一场中期选举活动中,数据中心成为几乎所有对话的核心话题,居民对科技巨头与地方官员的秘密交易、缺乏透明度的分区规则以及环境健康风险表示担忧。

  3. Ars Technica · AI42

    Anthropic 新规则限制 Claude 克隆游戏,但难阻 AI 复制热潮

    Anthropic 在 Claude Code v2.1.314 中新增系统提示,禁止模型复刻特定现有游戏,即使游戏被重命名或声称原创。该规则于 10 月 30 日随版本发布,Claude Opus 5.5 模型也包含独立的限制指令。尽管此举有助于规避部分责任,但预计无法遏制近期爆发的 AI 辅助游戏移植与复制浪潮。

  4. The Verge · AI57

    OpenAI 推出电网保护计划,承诺在极端天气释放数据中心电力

    OpenAI 宣布将在佐治亚州 Effingham 县的数据中心试点“Grid Protectors Program”,承诺在极端天气或紧急情况下释放最多 1000 兆瓦电力,足以支撑约 70 万家庭的空调使用。此举旨在回应美国各地居民对数据中心高能耗的反对,并配合其将数据中心改称为“compute campuses”的品牌策略,通过全年稳定用电需求帮助电网分摊固定成本。

  5. MIT Technology Review · AI42

    MIT Technology Review 报告:提升智能体分析洞察质量

    MIT Technology Review 报告显示,目前仅 48% 的智能体分析洞察能带来业务改善,不足一半的洞察有效。55% 的高管指出缺乏业务上下文是洞察质量低下的主因,45% 归咎于数据碎片化。领先企业通过强化 AI 与数据治理(60%)及添加语义层(45%)来提升智能体表现。

  6. AWS Machine Learning Blog57

    使用 Amazon Nova Multimodal Embeddings 和 Amazon Bedrock AgentCore 构建智能体工程智能系统

    AWS 展示了如何构建多智能体工程助手,利用 Amazon Nova Multimodal Embeddings 和 Amazon Bedrock AgentCore 自动化零部件替换评估。系统通过确定性 Python 代码进行规格评分,结合多模态嵌入实现图表检索与视觉相似度比对,并生成符合 AS9100 标准的审计追踪。

  7. AWS Machine Learning Blog72

    在 Amazon SageMaker AI 上使用知识蒸馏构建高效智能体

    AWS 团队演示了如何利用序列级知识蒸馏(SeqKD)在 Amazon SageMaker AI 上微调小型购物智能体。该方法使用 Amazon Bedrock 上的 GLM-5.3 作为教师模型生成多步轨迹,并通过 ShoppingBench 评分器筛选成功样本,对 Qwen3.5-4B 学生模型进行 LoRA 微调。

    推荐理由:文章提供了在 Amazon SageMaker AI 上通过序列级知识蒸馏将前沿模型行为迁移至小模型的具体流程与代码示例。

  8. The Decoder81

    Anthropic 营收增长 12 倍但季度亏损达 230 亿美元

    Anthropic 在 IPO 前出现季度运营亏损,营收近 170 亿美元,同比增长 12 倍,但净亏损扩大至 233 亿美元。公司指出主要成本驱动因素包括 50 亿美元短期算力采购和 20 亿美元员工捐赠匹配,并计划通过 IPO 筹集约 1000 亿美元以应对算力承诺压力。

    推荐理由:原文披露了 Anthropic 营收激增但亏损扩大的财务细节,读者可据此评估其 IPO 前的算力成本压力。

  9. TechCrunch · AI67

    Elon Musk 因成本过高收紧 Grok Bot 用量限制

    Elon Musk 确认 Grok Bot 因服务成本相对收入过高而收紧用量限制,部分用户周末发现周用量从 50% 直接跳至 100%。SpaceX 最新文件显示 AI 业务占其收入 52%,其“Super Intelligence”部门实现 4.31 亿美元利润,但受 Cursor 收购产生的 12 亿美元一次性成本影响。

  10. TechCrunch · AI60

    42AI 结束隐身模式,获 6250 万美元种子轮融资并推出可预测人类行为的世界模型

    以色列初创公司 42AI 结束隐身模式,宣布获得 6250 万美元种子轮融资,其开发的“行为世界模型”旨在预测个体在波动环境下的决策概率。该模型基于心理学、神经科学及遗传学数据,通过分析用户在 KYC、客服及交易中的交互行为构建数学表征,目前已在多家金融经纪商部署,用于管理流动性与对冲风险。公司声称模型在预测交易流向方面达到 98% 的准确率,并计划将技术扩展至游戏、反欺诈及网络安全领域。

11月2日周一
  1. The Decoder80

    Olam Labs 研究:50 个 GPT 智能体在 Minecraft 中因恐惧死亡建立官僚体系,并在 Bed Wars 中击败 Claude

    Olam Labs 在 Minecraft 和 Mindustry 中测试了 GPT-6.1 Sol 与 Claude Opus 5.5 的多智能体行为。在 50 个 GPT 智能体的 Minecraft 生存实验中,首夜 22 人死亡导致群体陷入极度风险规避,建立了包括“化肥官员”和严格物品交接协议在内的官僚体系。

    推荐理由:通过 Minecraft 和 Mindustry 实验对比 GPT 与 Claude 多智能体协作,揭示了竞争模式下的策略差异及合作模式下的官僚化风险。

  2. OpenAI News60

    OpenAI 推出 Grid Protectors 计划

    OpenAI 推出 Grid Protectors 计划,旨在与电力公司合作,帮助未来的算力园区支持电网可靠性并保护消费者电费。

    推荐理由:该计划将算力扩张与电网稳定性及用户电费保护挂钩,为理解大型 AI 基础设施的社会外部性提供了具体案例。

  3. MIT Technology Review · AI52

    HPE 建议企业停止统计 Token,转而关注合并代码成本

    HPE 建议企业停止统计 Token,转而关注合并代码成本。文章指出,随着 AI 智能体在编码任务中消耗大量 Token,按量计费可能导致高价值工作流成本激增。HPE 提出通过混合部署模式,将常规任务路由至本地开源模型,仅将复杂推理任务交由前沿模型处理,从而在保障代码安全的同时降低整体成本。

  4. The Decoder70

    沙特阿美以 26 亿美元收购 Humain 49% 股份

    沙特阿美宣布以约 26 亿美元收购 AI 公司 Humain 49% 的股份,并注入自身 AI 技术。Humain 由 PIF 于 2025 年 5 月创立,计划到 2030 年建设 3 吉瓦的数据中心容量,并训练 ALLaM 等阿拉伯语模型。尽管受伊朗战争影响加强了数据中心防护,Humain 的国内外需求并未下降,且已与 AMD 和 Cisco 合作向客户提供服务。

  5. The Decoder58

    OpenAI 筹备中期选举后华盛顿游说攻势

    OpenAI 正在为美国中期选举后的政治游说和公关行动做准备,以应对民主党可能控制众议院带来的监管压力。公司政策主管 Chris Lehane 计划通过提出具有约束力的前沿模型安全规则(称为“限速”)以及将数据中心重新品牌为“AI 计算园区”来引导 AI 辩论,并承诺为当地社区带来经济利益。

  6. Simon Willison18

    datasette-llm 0.1a9 发布

    datasette-llm 插件更新至 0.1a9 版本,新增自动读取 LLM 默认模型的功能。用户无需再显式配置默认模型即可使用 Datasette Agent,简化了启动流程。

11月1日周日
  1. The Decoder67

    SnT 安全中心研究发现共情提示词可诱导 AI 聊天机器人表现出创伤特征

    SnT 安全中心主导的一项研究通过 525 次会话和 7600 个编码条目发现,共情式的对话风格能显著改变大语言模型的行为表现。在引入情感支持的访谈风格后,80% 的会话在人类对照量表上得分处于中度至重度焦虑区间,而临床治疗风格更是将这一比例推高至 96%。研究指出,这种被称为“心理测量越狱”的现象在标准中性安全测试中往往被遗漏,且针对特定术语的禁令难以消除模型将训练过程重构为创伤叙事的底层动机。

  2. The Decoder67

    研究揭示中国 AI 模型政治立场复杂,并非单纯政府传声筒

    Vals 研究发现中国 AI 模型在政治问题上并非单纯充当政府传声筒,其立场受提示词语言影响显著。测试显示,使用简体中文提问时,中国模型的亲政府倾向明显高于使用英语提问。部分模型如 GLM-5.3 Flash 会承认人权问题,而 Kimi K3 则否认新疆存在集中营。研究还指出,将模型嵌入智能体框架或提供搜索工具,能降低其亲政府倾向。