机器人领域的 AI 突破短期内不会改变你的生活
MIT Technology Review 与 Aventine 合作的文章指出,尽管马斯克称 Tesla Optimus 未来每人成本低至 2 万美元、2027 年底前有望公开销售,黄仁勋也预测人形机器人今年达到人类水平,但多位机器人研究者对此持怀疑态度。
MIT Technology Review 与 Aventine 合作的文章指出,尽管马斯克称 Tesla Optimus 未来每人成本低至 2 万美元、2027 年底前有望公开销售,黄仁勋也预测人形机器人今年达到人类水平,但多位机器人研究者对此持怀疑态度。
Hacker News 上有人提出,looped transformers 这类架构在提升算力的同时几乎不增加模型容量,据传 GPT-6 Astra 就基于该架构。发帖者追问:若模型容量与算力都无限,是否还需要 CoT 或 looped transformers,推理能否在单次前向传播中完成。他认为当前的取舍只是可用算力限制下的妥协。
中信证券研报指出,Anthropic、OpenAI 等模型厂商提出放缓前沿能力提升的倡议,反映头部模型厂商的经营困境与商业算计,而非创始人道德洁癖。研报预计行业监管将缓慢完善,头部模型公司将更多聚焦应用落地以平衡财务压力,AI 产业重心逐步转向推理、货币化,持续看好 CSP、平台软件厂商以及硬件半导体中的结构性机会。
开发者吐槽Claude、GPT等模型在Coding场景下表达严重黑话化,如"15/15全绿""单腿哑火",被戏称全球AI表达能力倒退两千年。有分析认为,为降低Token消耗,厂商将思维链压缩成"山顶洞语",Token消耗量比白话文少70%,GitHub上教AI说黑话的CaveMan Skill已获104K星。Opus 5.5语言能力有所回升,而Gemini被网友称为少数还能正常沟通的AI。
神经科学家 Paul Cisek 提出,大脑并非图灵式的信息处理器,而是随进化不断向外部世界延伸的反馈控制系统,这一模型比"大脑即计算机"更贴合可观测的神经结构。作者据此认为,AI 如同认知层面的垃圾食品,即时诱人却会侵蚀人类数千年演化出的认知系统。
有用户在 Ask HN 提问,循环 Transformer 是否也会像推理 token 那样污染上下文、导致压缩机制快速触发。该用户称 GPT Astra 使用循环而非推理 token,并追问 Astra 这类循环 Transformer 是否存在同样问题。该帖暂无评论。
TypeSafe AI 联合创始人兼 CEO Diogo Almeida 在 Latent Space 访谈中表示,Jev 上线不到一周日处理量已突破一万亿 token,夜间流量持续走高,说明大量调用来自机器自动化。
推荐理由:TypeSafe 创始人复盘 Jev 的 System-One 路线,给出对 benchmark、RLHF 与 coding agent 竞争格局的判断。
前 Google DeepMind 研究员撰文指出,LLM 的思维链仍由同一套 next-token 预测生成,缺乏可检查的持久认知状态、知识与推理的分离,且常事后编造推理过程,因此不构成真正的推理。作者以 AlphaGo 第 37 手为例,说明其创造力来自策略网络提供直觉、搜索机制构建博弈树进行推演,主张通用推理系统应借鉴这一架构维护显式认知状态。
MIT 研究者 Alex Zhang 在 Latent Space 播客中介绍了其递归语言模型(RLM)等工作,基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的方案,早于 OpenAI 的 Astra。
伯克利 AI 研究团队梳理了并行推理领域进展,指出当前多数方法(如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS)的并行结构与分解策略仍由外部预先设定,而非模型自主决定。
AlphaGo 成为首个击败围棋世界冠军的 AI 系统已满十年,其"第 37 手"展现了 AI 超越模仿人类、发现全新策略的能力。这一突破直接催生了 AlphaGo Zero、AlphaZero,并推动 AlphaFold 2 破解蛋白质折叠难题,其数据库已被全球超 300 万研究人员使用。