AI 已落入危险之手：前 Anthropic 研究员 Jacob Coxon 的警告为何站不住脚
前 Anthropic 研究员 Jacob Coxon 接受《华尔街日报》采访时以"AI 实验室无法控制 AI"为由宣布退出 AI 行业，但其警告缺乏具体证据，被 Fortune 记者 Emily Forlini 逐条质疑。
最新动态
Where's Your Ed AtAI 评分3434
Recode China AIAI 评分3636 美国前沿 AI 实验室想踩刹车，中国 AI 实验室会跟进吗？
Anthropic CEO Dario Amodei 于 9 月 12 日发文呼吁为不受约束的 AI 进展踩刹车，主张引入第三方评估机构、建立先进模型的国家监管框架，并严格控制 AI 芯片对华出口。
InterconnectsAI 评分6262 一次辞职如何把 AI 恐惧的火星变成野火
Nathan Lambert 认为，Jacob Coxon 的辞职声明之所以迅速引爆讨论，是因为今年 AI 风险事件抬高了公众关注度，而恐惧叙事最容易传播，这更像一次机会主义的媒体协同而非群众政治运动。
InterconnectsAI 评分2626 普通人何时才能感受到 AI 的影响？
Interconnects 文章指出，AI 对普通人日常生活的影响目前仍是"四舍五入的误差"，家庭、食物、交通和娱乐等核心领域几乎没有直接改变。作者认为，与工业革命带来廉价衣物、缝纫机和室内管道等实体成果不同，AI 的收益可能过于间接，普通人难以将科学突破归功于 OpenAI 或 Anthropic。
Recode China AIAI 评分3636 打造智能机器人需要海量数据，这些数据从哪来？
具身智能正面临严重的数据缺口：全球高质量真实物理交互数据仅约 50 万小时，不足训练基础 LLM 数据的 1/20000。Robbyant 发现 VLA 模型预训练数据从 3000 小时扩至 20000 小时时，下游任务成功率大幅提升且未见饱和，其第二代模型已扩至 60000 小时。机器人数据主要分为人类数据（网络视频、第一人称视角、UMI、动捕）与机器人数据（遥操作、仿真合成）两类。
Air Street PressAI 评分2222 AI 能否学会科学品味？Anthropic 用 Claude Code 决策点测试科研直觉
Anthropic 从 2026 年 1 月至 3 月的真实 Claude Code 会话中抽取 129 个决策点，让模型在人类走弯路处判断下一步：Claude Mythos Preview 有 64% 的选择优于人类，Opus 4.5 为 51%；但在人类决策本已较好的 127 个场景中，模型仅约 20% 能改进。
Air Street PressAI 评分6666 DeepMind 研究副总裁 Raia Hadsell：智能不止于语言
Google DeepMind 研究副总裁 Raia Hadsell 在第十届 RAAIS 演讲中提出，语言只是复杂系统之一，天气、生物、合成世界与物理运动同样可以用大模型学习其底层规律。
Berkeley AI ResearchAI 评分3434 智能免费之后：面向智能体、由智能体运行、由智能体构建的数据系统
伯克利 EPIC Data Lab 提出近零推理成本时代数据系统面临三大挑战：为智能体设计（Data Systems For Agents）、由智能体运行（Of Agents）、由智能体构建（By Agents）。
Berkeley AI ResearchAI 评分3434 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调。现有方法如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild! Inference 的并行结构多由外部设定，而非模型自主选择。