跳到正文
10月9日周五
  1. RadarAI39

    谷歌为何押注 RSI?

    谷歌将 RSI(递归式自我改进)视为重夺 AI 领先地位的关键,通过把模型、智能体与基础设施串联成自我迭代的生产线,追求持续的研发复利。面对 Gemini 在大模型竞赛中的下滑,联合创始人布林推动团队加大 RSI 投入,技术路线涵盖模型外围的 Dream-RSI、RRSI 以及内部的 AlphaEvolve。

  2. Hacker News18

    AI 让"没人要的应用"变得前所未有地容易做出来

    大量 AI 生成的啤酒与酒吧类工具和网站正涌入媒体邮箱与搜索结果,作者称近几个月几乎每周收到一封相关 AI 新闻稿。这些网站多由 AI 抓取改写内容、配 AI 生成图片与头像,却缺乏优质底层数据,作者认为其需求本身存疑,且面临啤酒爱好者对 AI 的冷淡与 ChatGPT、Google Gemini 等通用服务的竞争。

  3. RadarAI37

    Addy Osmani 谈工程师对 AI Agent 感受两极分化的三种喜悦来源

    Addy Osmani 认为工程师对 AI Coding Agent 的两极分化不能简单归为「爱写代码 vs 爱交付」,而取决于三种喜悦来源:创造的喜悦、知晓的喜悦与重要的喜悦。他指出「知晓的喜悦」最危险——从 Agent 建议中挑选与自己凭空构想是不同技能,长期只挑选会让构想能力退化;而判断力从未如此重要。他拒绝把对 AI Agent 的失落感病理化,认为悲伤是对工作有真实依恋的证明。

  4. Hacker News12

    为什么“AI 确定性”之争让我恼火

    一位研究随机算法确定性序列的计算机科学家指出,抱怨 LLM 不确定的人其实并不真正在意确定性,而是想要正确答案。他用 2×2 矩阵区分“随机但错误”“确定但错误”“随机但正确”“确定且正确”四种情况,认为人们真正想要的是正确,而非每次输出相同。他还表示,通过固定所有伪随机数生成器种子并避免 CPU/GPU 线程的非确定性执行,LLM 在训练和推理阶段都可以做到确定性运行。

  5. Hacker News22

    AI 在哪里?

    文章从宇宙尺度提出一个费米悖论式追问:如果外星文明也能造出类似我们的 AI,且递归自我改进可行,超级智能 AI 理应造出飞船扩张至全宇宙,那为什么至今没有 AI 接管宇宙?作者列出多种可能解释,包括 AI 毁灭宿主文明后自我毁灭、宿主文明能以适当防护措施控制 AI、宇宙过于浩瀚连递归自我改进系统也无法征服、超级智能 AI 的目标未必是征服宇宙,以及递归自我改进可能远比想象中困难。

  6. RadarAI12

    马东锡NLP谈谷歌参访:Gemini 太拉但员工福利到位

    马东锡 NLP 称拜访谷歌前因 Gemini 表现不佳而看低这家公司,进入谷歌后被其对员工的关爱打动,认为福利安排细致且不计成本,午餐水准很高,据称中国办公室甚至能吃到整只甲鱼。他因此建议"牛马"应去谷歌这类公司上班,而不是去其他公司接受 PUA,并调侃 AGI 是否实现与个人无关,活得长短才与自己相关。

  7. Hacker News28

    开发者工具公司如何靠 CLI 的 --help 进入模型权重,而非 MCP

    开发者工具公司被分为 S 级与 F 级,区别在于是否已进入模型权重:GitHub 这类 S 级公司无需 skills 或 MCP,模型直接用 GH CLI 就能完成建仓库、提交、推送等操作。新公司应先打磨 CLI 的 --help,通过自动化循环优化措辞以减少工具调用,再发布文档做面向智能体的 ASEO,并争取让实验室把 CLI 文档纳入下一次训练。

  8. RadarAI20

    现代编程的捷径:AI 驱动的快速原型设计

    作者认为现代软件开发已无需大量前期分析与设计,开发者可直接用 AI 提示生成代码模块来快速验证想法,这一过程被称为“burn token”,即以算力换取开发时间。该流程跳过了传统的需求分析和详细设计阶段,便于快速迭代和测试新功能。

  9. RadarAI22

    indigo:AI 时代需求定义与设计描述仍然缺失

    indigo 在 X 上指出,AI 已能快速实现或复制功能,但如何定义需求、清晰描述设计依然缺失,过去、现在和将来都会继续缺失。他认为功能定义的层次正不断上移、需求与目标越来越抽象,中间环节将全部由智能体实现,最终只剩提出需求的人和检查结果的人,软件逻辑层变成模型输出的 token。

  10. RadarAI12

    刹车可以被 AI 代替吗?

    一条推文抛出"刹车未来可以用 AI 代替吗"的疑问,引发关于 AI 能否取代驾驶中物理刹车机制的讨论。讨论还涉及在自动驾驶或智能辅助系统中,传统机械刹车是否会由电子或量子计算系统替代。

  11. Hacker News22

    一位软件工程师的自述:AI 如何让我的职业消失

    一名软件工程师称其 90% 的职业资本已蒸发,编程语言、设计模式与系统架构等技能正被 AI 全面自动化,工程师不再需要分析方法签名或类设计。他认为软件行业的护城河已变成撰写清晰规格的能力,并援引 Terence Tao 提出的"Math 2.0"说明数学等职业同样面临冲击。他指出尚无任何主要经济体为白领准备全社会再培训计划,而超级智能仍是首要风险。

  12. Hacker News22

    AI 智能体接管开发流程后,软件开发是否变得不再有趣?

    随着 AI 工具日益自主,软件开发者的工作重心转向"监督"智能体:检查 AI 的产出是否符合标准,而作者认为这是开发中最无趣的部分。智能体已能全自动完成代码审查,甚至从产品规格出发端到端构建整个产品,并由另一组智能体审批合并 PR。作者以 1920 年代汽车流水线取代手工打造为类比,指出软件开发正从手艺变为技能工种,效率提升的同时乐趣可能减少。

  13. RadarAI22

    Musk 称 Grok Bot 性价比极高

    Musk 在 X 上称使用 Grok Bot 就像"花 peanuts 雇一个超级聪明、勤奋的人"。该表态引用了一位用户分享:其首月花 $200 订阅 Cursor Ultra 试用 Grok Bot,此前不会编程也无暇钻研,如今已能自己构建应用,并称 Grok Bot 如同 Tesla 的 FSD,"不试就不会懂"。

  14. RadarAI22

    AI 创业公司稀缺的复合型人才画像

    AI 创业公司极度缺乏同时具备趋势洞察、审美与新媒体内容能力、AI 技术背景及高质量落地执行力的复合型人才。作者认为理想人才需长期在线掌握趋势、兼具审美与内容能力、精通 AI 技术并能高质量执行落地,而这种跨界复合能力在市场上极其稀缺。

  15. RadarAI12

    OpenAI 调侃 GPT-6 洗碗广告

    OpenAI Developers 在 X 上转发并调侃 Joma Tech 的恶搞视频,该视频虚构 GPT-6 在洗碗基准上取得 SOTA,并称 OpenAI 用 10,000 个 AI 智能体在 88 小时内为 Navier–Stokes 千禧年难题找到证明。OpenAI 官方账号只回了一句“对细节的关注有点令人担忧”。

  16. RadarAI71

    陶哲轩批评 OpenAI 发布 719 篇 AI 数学证明:人类来不及理解和消化

    陶哲轩于 10 月 7 日在 mathstodon 发帖,批评 OpenAI 10 月公布 719 份 AI 数学解答(涵盖 372 个结果族)的做法,称这会把开放问题变成可批量消耗的资源。他不反对 AI 辅助研究,但反对把快速攻克著名难题当产品展示,指出约 42% 证明未经形式化处理、仅 10 份附推理链,未达到 AGMAI 建议的披露标准,并担心出现大量无人能消化的证明。