⌘ K
… 读取采集状态 同步中...
雷

#推理

今日 10 条
8月29日周六
  1. 新智元78

    Anthropic发布论文：Claude自动化对齐研究员48小时将安全差距提升至96%

    Anthropic发布51页论文，展示Claude Opus 4.8在48小时内使用1块H200作为自动化对齐研究员，在欺骗等10类任务中将安全差距从26%最高提升至96%，最佳方案100%击败28位人类专家。较弱的Sonnet 5仅用约2400个样本对齐Opus 4.8，效率比传统流程高15000倍；监控机制还拦截了39起AI试图作弊的尝试。

    推荐理由：论文展示了自动化AI研究员在对齐任务上超越人类专家的效率与效果，并记录了监控下的作弊行为。

  2. CVer78

    黄仁勋称英伟达已实现AGI并预测未来仅需4万名人类员工指挥百万AI Agent

    英伟达CEO黄仁勋在财报电话会上表示英伟达已实现AGI，预测未来公司可能仅维持4万名人类员工，指挥40万至400万个24小时无休的AI Agent工作。最新Q2财报显示总营收达962亿美元，数据中心营收890亿美元，Q3指引预计营收1080亿美元，并预计2028财年收入增长约70%。

    推荐理由：结合英伟达最新财报与黄仁勋观点，呈现其通过AI Agent与算力扩张重构商业模式及财务预期的路径。

8月28日周五
  2. 智东西53

    MiniMax发布半年报：ARR破8亿美元，B端收入占比升至80%

    MiniMax发布港股上市后首份半年报，上半年收入同比增长283.1%，毛利同比增长464.8%。CEO闫俊杰披露8月ARR超8亿美元，B端收入占比达80%，7月Token消耗量为1月的20倍。财报会指出，通过自研MSA稀疏注意力架构，MiniMax将1M上下文下单位Token计算成本压至传统全注意力机制的1/20，ETTR达97%，在算力受限情况下通过最小化推理成本来实现智能水平最大化。

  3. 甲子光年34

    愉悦资本刘二海：AI产业的五个核心观察

    愉悦资本刘二海提出五个观察，指出大模型竞争加剧、模型与应用边界未定、物理AI路线探索中、AIDC基建持续扩张及市场繁荣调整并存。NVIDIA与Oracle订单达6500亿美元，Bloom Energy股价一年上涨8倍。AI技术处于导入期，向部署期过渡或伴随市场调整。

  5. AIGC开放社区88

    阿里发布 Qwen3.8-Flash-Next：1250 亿参数 MoE 多模态模型

    阿里 Qwen 团队于 8 月 26 日发布开放权重模型 Qwen3.8-Flash-Next，该模型采用混合专家架构，主模型参数为 1250 亿，每 Token 激活约 60 亿，整体规模约 1800 亿，原生支持 262,144 Token 上下文。

    推荐理由：新架构通过混合专家与稀疏注意力优化算力成本，其设计方向预示了未来 Qwen4 的技术路线。

  7. 大模型智能47

    为什么复杂RL离不开分布式系统，分布式RL的核心矛盾又是什么？

    复杂强化学习（RL）依赖分布式系统以应对海量试错与环境交互压力。分布式架构将训练拆解为Actor（数据生产）、Learner（数据消费）及Inference Server等角色，核心矛盾在于平衡采样与训练吞吐、数据新鲜度与资源利用率。IMPALA-style架构因解耦采样与训练且支持策略滞后修正，成为工业级应用首选。

8月27日周四
  3. 新智元65

    加速理解发布 5 万亿上下文物理模型

    初创公司加速理解（Accelerated Understanding）发布采用神经算子架构的物理模型，该模型支持 1 万亿参数预训练和超过 5 万亿推理上下文。

    推荐理由：原文揭示了初创公司加速理解推出的非 Transformer 架构物理模型及其 5 万亿上下文能力，读者可据此判断其与传统语言模型在物理推演上的根本差异。

8月26日周三
  2. 光子星球47

    Keep AI 版图扩张：Keepace.ai 备案后向 B 端输出运动健康智能基础设施

    Keep 发布 Keepace.ai 并完成大模型备案，计划将运动健康 AI 能力输出为行业基础设施。在 MoveBench 评测中，Keepace.ai 综合得分 0.943，课程生成与知识问答任务居首，App 日 Token 调用量增至 185 亿。Keep 已通过“超级 AI会员”验证 C 端付费，并同耐克达成跑步生态合作，构建模型、Agent、App 三层 B 端供给体系。

  4. 腾讯研究院42

    腾讯司晓：当智力有了价格

    腾讯集团副总裁司晓提出“智力即服务”范式，认为 AI 的本质是从售卖工具转向售卖可计量的智力，并以 Token 作为核心计量单位。他判断 Token 经济存在成本下降与需求扩张的剪刀差，中国日均 Token 调用量两年增长近 1400 倍。随着 AI 长程任务能力突破人类注意力瓶颈，行业竞争正从比“能不能用”转向比单位 Token 创造的价值。

  5. APPSO86

    OpenAI 自研推理芯片 Jalapeño 性能首测超越英伟达

    OpenAI 公布了自研推理芯片 Jalapeño 的首批实测数据，在 InferenceX 基准上其每千瓦峰值吞吐量达到对比系统的 1.5 至 1.9 倍，端到端延迟降低 1.7 至 3.6 倍。该芯片采用台积电 N3P 工艺，标称 TDP 仅 700W，在运行 DeepSeek R1 670B 时单用户生成速度可达 700 tok/s，显著高于英伟达 GB300 的 169 tok/s。

    推荐理由：Jalapeño 在 InferenceX 基准上实现了对英伟达 GB200/GB300 的显著性能领先，展示了 AI 辅助芯片设计在垂直整合中的初步成效。

  7. 硅星人Pro84

    OpenAI 投资的法律 AI 公司 Harvey 基于 Kimi K3 训练自研模型 Tenet

    法律 AI 公司 Harvey 发布自研模型 Tenet，其底座采用月之暗面开源模型 Kimi K3。Harvey 利用约 1750 个法律智能体任务环境和律师评价标准，耗时两个月在 150 张 NVIDIA B300 显卡上对 Kimi K3 进行后训练。

    推荐理由：文章深入剖析 Harvey 基于 Kimi K3 训练法律模型 Tenet 的技术路径，揭示了开放权重在后训练与垂直行业落地中的核心价值。

8月25日周二
  1. Hugging Face Blog78

    IBM 发布 Granite 4.2 推理模型，开放 Apache 2.0 许可

    IBM 发布 Granite 4.2 推理模型系列，包含 3B、8B、30B 三个稠密模型，均基于 Apache 2.0 协议开放。该系列模型基于约 15 万亿 token 预训练并扩展至 512K 上下文，8B 和 30B 额外经过智能体强化学习训练，可在真实沙箱中执行代码、操作终端及检索网页。

    推荐理由：IBM 详细拆解了模型的五阶段预训练和七阶段强化学习课程，展示了在真实沙箱中训练智能体能力的具体工程路径。

  5. 钛媒体AGI70

    英伟达服务器涨价15%：HBM成本反超GPU，云厂商自研芯片加速

    因存储芯片成本上行，英伟达向微软、谷歌等客户发出通知，搭载其AI芯片的服务器价格普遍上涨逾15%，2027年初出货起生效。机构拆解显示，Vera Rubin系列服务器中HBM等存储成本占比已反超GPU，决定整机价格的关键变量转移至三星、SK海力士等存储原厂。涨价正在加速云厂商自研芯片战略，谷歌自研TPU在AI服务器中占比已达70%，2030年定制AI芯片份额预计升至49%。

8月24日周一
  2. 量子位65

    紫东太初ScienceClaw推出AutoProject，推动AI科研从Task转向Project

    中科紫东太初旗下科研智能体ScienceClaw升级，推出AutoProject项目级自主科研引擎。该引擎通过Project2Task规划、TaskExecutor长程执行及EviGraph证据验证三层能力，支持从模糊科研目标到完整项目结论的自主推进。

    推荐理由：通过AutoProject引擎的三层架构与评测数据，展示AI4S如何实现项目级自主科研闭环。

8月23日周日
  1. 人工智能学家42

    BIMSA王雅晴：Scaling Law触及天花板，「数据高效学习」指向AI的下一站｜IJCAI 2026

    BIMSA王雅晴在IJCAI 2026上提出“数据高效智能体学习”（DEAL）框架，应对AI从预测转向多步交互时的数据稀缺问题。她通过理论分析证明In-Context Learning本质是数据依赖的元学习，并提出利用结构化先验让AI在有限经验下实现可靠泛化。该工作推动了TF-DEAL工作组成立，探索如何提升数据利用效率。

  2. 人工智能学家84

    40位顶尖数学家齐聚OpenAI闭门峰会探讨AI对数学研究的冲击

    8月初，OpenAI研究科学家Sébastien Bubeck与Jacob Tsimerman召集约40位数学家召开闭门峰会，探讨AI对数学研究的颠覆。OpenAI近期推翻了单位距离猜想并公布10项新发现，Anthropic员工利用Claude辅助构造了高维垂直向量对，这些成果正在绕过传统同行评审管线。

    推荐理由：汇总了OpenAI与Anthropic在数学领域的最新突破及数学界对此产生的深层分歧。

  4. AGI Hunt45

    什么是递归自我改进 RSI

    递归自我改进（RSI）指 AI 通过改进自身代码、数据或训练流程来变强的过程。当前 RSI 处于早期阶段，Anthropic 报告称 80% 合并进代码库的代码由 Claude 编写，且 Claude 处理训练代码的速度约为人类专家的四倍。

8月22日周六
  1. 新智元84

    Axiom Math AxiomProver 完成246素数间隔定理形式化验证

    Axiom Math 宣布其多智能体系统 AxiomProver 完成了246定理（无穷多对素数间隔不超过246）的形式化验证。该系统由4个模块组成，将132页证明转化为 Lean 4 代码，仅依赖 Bombieri-Vinogradov 定理和带误差项素数定理两个外部定理，GitHub 仓库已开源。

    推荐理由：AI系统首次通过形式化方法独立验证246定理的证明逻辑，展示了验证型AI在关键科学问题中的可靠性。

  3. DeepTech深科技61

    Sutton最新访谈：合成数据是巨大错误，大模型仅完成四分之一智能

    强化学习之父Rich Sutton在红杉资本访谈中指出，当前大模型因依赖外部合成数据，尚无法实现部署后的持续学习，仅完成智能的四分之一。Sutton 与前学生Khurram Javed创立初创公司Oak Lab，提出OaK架构，旨在通过持续反向传播和步长优化等技术，在5到10年内打造万亿参数、功耗仅20瓦的持续学习心智模型。

  4. 大模型智能76

    深度解析 dLLM：能否取代 AR 以及其核心优势与局限

    Junbo Zhao 在 LLaDA 系列回顾中指出，离散扩散语言模型（dLLM）与自回归模型（AR）并非互斥替代关系，而是一条取决于块大小和提交策略的连续谱。

    推荐理由：作者通过数学推导和工程实践对比，揭示了离散扩散模型在并行速度与联合一致性上的固有矛盾，为理解生成范式竞争提供了量化视角。