为什么我仍未认同真正的 RSI:从 OpenAI、Anthropic 的千级智能体说起
面对 OpenAI、Anthropic 等前沿实验室用数千个并发智能体提升产出,作者仍不认同"真正的 RSI(递归自我改进)"即将到来,认为当前 AI 安全焦虑更多来自规模化智能体落地带来的文化升温,而非已公开的突破性进展。
面对 OpenAI、Anthropic 等前沿实验室用数千个并发智能体提升产出,作者仍不认同"真正的 RSI(递归自我改进)"即将到来,认为当前 AI 安全焦虑更多来自规模化智能体落地带来的文化升温,而非已公开的突破性进展。
Ed Zitron 在《The Hater's Guide To AI Debt》第一部分中梳理支撑 AI 泡沫的债务体系,指出 Oracle、Google、Amazon 已现金流为负,Meta 紧随其后,超大规模厂商的资本开支正吞噬几乎全部经营现金流。
GitHub Podcast 最新一期拆解了五个 AI 热门论断:AI 生成的代码仍需阅读,但审查力度应按风险分级;Skills 与 MCP 解决不同问题,MCP 提供连接工具与数据的标准,Skills 则封装团队流程与最佳实践;RAG 并未消亡,检索能为模型提供训练数据之外的相关信息,减少 token 浪费并让回答更有依据。
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。
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。
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。
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。
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。
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)。
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。