Shell Pulse · AI 信息流

SHELL PULSE

8月28日 · 星期五4 条

06:37
François Cholletby François Chollet · 推文AI评分：50/100
在可验证领域，模型能力扩展应保持无界
作者主张在可验证领域，模型能力扩展应保持无界。论据是模型通过吸收越来越多的计算宇宙而持续改进，而计算宇宙在构造上是无限的。
X @fchollet观点原文
05:09
Harrison Chaseby Harrison Chase · 推文AI评分：30/100
Benchling将打造最佳科学AI代理，而非Anthropic或OpenAI
作者坚信多代理世界，每个代理领域特定，因此Benchling将创造最佳科学AI代理，而非Anthropic或OpenAI。
X @hwchase17观点原文
03:38
Sam Altmanby Sam Altman · 推文AI评分：50/100
AI网络防御的关键时刻：必须紧急集体行动
作者强调当前是AI网络防御的关键时刻，时间紧迫，呼吁与竞争对手或合作伙伴共同采取紧急而密集的集体行动，否则无法有效应对。
X @sama观点原文
00:55
Google DeepMindby Google DeepMind · 推文AI评分：50/100
从天气预报到机器人，智能决策依赖于理解未知
DeepMind研究副总裁Zoubin Ghahramani与主持人探讨了不确定性在AI决策中的作用，强调教会系统自我怀疑和概率思维，可以带来更安全、更可靠的实际决策。视频涵盖不确定性角色、正确性与置信度、贝叶斯思维等主题。
X @GoogleDeepMind观点原文

8月27日 · 星期四2 条

21:30
Ethan Mollickby Ethan Mollick · 推文AI评分：50/100
METR报告虽好，但人们过度拟人化智能体
作者认为METR报告很有价值，但人们基于压力下的研究人员所做的思维链研究，过度赋予智能体人类动机和个性，这种拟人化会阻碍我们对AI的正确理解。
X @emollick观点原文
12:07
Ethan Mollickby Ethan Mollick · 推文AI评分：50/100
AI生产力提升不必等30年：福特流水线3年见效
作者常听到“电力花了30年才提升生产力”的说法，并以此类比AI。但他指出并非所有技术都如此：福特发明流水线后3年内全面部署，汽车制造时间缩短88%。
X @emollick观点原文

8月25日 · 星期二5 条

12:20
Jerry Liuby Jerry Liu · 推文AI评分：50/100
不完全理解：我希望智能体使用 Slack，而不是让 Slack 变成智能体
作者表示不完全理解某些观点，并阐述自己的看法：希望智能体使用 Slack，而不是让智能体构建新的 Slack，也不希望使用 Slack 的智能体。他认为每个软件或记录系统都需要成为智能体原生的，而不仅仅是人类原生的，因为智能体的消费量将远超人类。但这并不意味着它们本身要变成智能体。
X @jerryjliu0观点原文
03:40
Ethan Mollickby Ethan Mollick · 推文AI评分：50/100
我的AI大体同意Arvind的观点：州级数据中心禁令对AI进展影响甚微
我的AI大体同意Arvind的观点：州级数据中心禁令对AI进展影响甚微。如果你关心的是AI发展、权力集中、未来应用等，而非数据中心是否在附近，这不能替代政策。
X @emollick观点政策监管原文
03:06
Ethan Mollickby Ethan Mollick · 推文AI评分：50/100
AI影响的时间尺度：从“即刻改变经济”到“多年后才重要”的钟摆
作者认为当前关于AI影响的讨论正从“AI将立即改变经济”转向“AI影响需多年才能显现”，这两种极端都不可取。
X @emollick观点原文
02:41
Epoch AIby Epoch AI · 推文AI评分：50/100
我们发现了美国GDP统计遗漏了英伟达对经济的大部分贡献
作者发现美国GDP统计遗漏了英伟达对经济的大部分贡献，导致过去一年GDP增长被低估约0.3个百分点。这一观点基于对英伟达经济价值的分析，指出传统统计方法未能充分捕捉其影响。
X @EpochAIResearch观点行业原文
01:54
Ethan Mollickby Ethan Mollick · 推文AI评分：30/100
给所有提交申请、论文或任何由一人审阅多份文件的人：是的，他们能看出来
作者提醒，在申请、论文等需要一人审阅多份文件的场景中，即使改写语言，AI 生成的内容也往往因观点和概念重复而容易被识别。
X @emollick观点原文

8月24日 · 星期一3 条

22:22
Ethan Mollickby Ethan Mollick · 推文AI评分：50/100
当人们问“我需要智能体处理什么个人任务？”
当人们问“我需要智能体处理什么个人任务？”时，我认为这是因为他们把自动化想象成AI的简单常规任务。但前沿AI现在非常擅长处理不规则、耗神的任务：医疗账单、信用纠纷、繁琐表格……
X @emollick观点原文
10:53
Ethan Mollickby Ethan Mollick · 推文AI评分：30/100
AI 机器人的烦人副作用
AI 机器人的一个烦人副作用是，它们都“博览群书”，能对我的小众引用推文给出条理清晰的回复，而这些推文通常只会吸引一小群感兴趣的人。现在你无法区分以法莲人和基列人了。
X @emollick观点原文
00:26
Ethan Mollickby Ethan Mollick · 推文AI评分：50/100
关于AI影响的研究：使用旧模型并非天生有害，但需谨慎讨论
作者认为，使用旧模型（如GPT-4）研究AI影响并非天生有害，但需谨慎讨论。正面能力声明（如AI达到人类水平）具有持久性，而负面能力声明（如AI在某任务上失败）则需更小心，因为未来模型可能改进。作者提出几种可行框架：明确限定模型版本、测量趋势、论证固有局限、关注调节因素或聚焦人类反应。
X @emollick观点论文原文

8月23日 · 星期日5 条

13:55
Jerry Liuby Jerry Liu · 推文AI评分：50/100
0-1模式与大公司团队的生产力差异
作者认为，在0-1模式下，个人独自决策和实现，且处于80-20法则的前20%努力阶段，容易显得高效；而在大团队中共享决策、追求质量，效率提升更难。AI可能加剧这种对比，也解释了为何大公司最快产品常由小团队打造。
X @jerryjliu0观点原文
10:36
François Cholletby François Chollet · 推文AI评分：30/100
社交媒体中越来越多的是AI生成的垃圾帖和机器人回复，回声的回声的回声
作者指出社交媒体上越来越多内容由AI生成的垃圾帖和机器人回复构成，形成一种空洞的回声效应。这反映了AI内容泛滥对社交平台真实性和价值的侵蚀。
X @fchollet观点行业原文
09:06
Jerry Liuby Jerry Liu · 推文AI评分：50/100
关于AI编码工具切换成本的思考
作者认为实验室有机会在Claude Code、Codex、Grok Bot等工具之间设置更高的切换成本。每当新模型发布时，用户因已有技能、习惯、系统指令和项目设置而难以切换。尽管作者维护外部wiki和工件，但对话历史的细微差别会丢失。若启用记忆功能，工具可索引并记住上下文，减少重复输入。核心痛点在于如何高效提供正确上下文，答案可能是构建良好的自改进上下文图。
X @jerryjliu0观点产品原文
07:21
Jerry Liuby Jerry Liu · 推文AI评分：50/100
SaaS 未死，只是需要为智能体消费重新定位和变现
SaaS 并未消亡，只是需要针对智能体消费进行重新定位和变现。
X @jerryjliu0观点原文
05:43
Clément Delangueby Clément Delangue · 推文AI评分：30/100
最终绝大多数AI工作负载将基于开放模型
最终绝大多数AI工作负载将基于开放模型。
X @ClementDelangue观点原文

8月22日 · 星期六7 条

23:13
Ethan Mollickby Ethan Mollick · 推文AI评分：30/100
我不喜欢把 ELI5 作为“让内容易懂”的默认方式，LLM 的一个伟大之处在于能够充当跨主题的通用翻译器
作者认为，LLM 不应默认提供通用简化解释，而应基于用户已有知识进行个性化解释，这样效果更好。
X @emollick观点原文
07:47
Shawn Wangby Shawn Wang · 推文AI评分：50/100
模拟是新的扩展定律：为什么我最终理解了 Smallville 和 Simile 的愿景
作者起初认为“模拟是新的扩展定律”只是营销夸张，但在采访中逐渐认真起来。他意识到，当模型自动化了大部分 ML 研究和 AI 工程后，最后的障碍是模拟人类和人类反馈。Smallville 当时没有商业应用，但 Simile 团队正在做这件事，并已在财富 100 强中找到产品市场契合。作者很高兴自己错了。
X @swyx观点行业原文
06:16
Ethan Mollickby Ethan Mollick · 推文AI评分：50/100
矛盾的时代：民意讨厌AI，私下却离不开
未来将是一个充满矛盾的时代。民调显示人们普遍讨厌AI，但私下却都在使用AI。AI公司在舆论中处于劣势，但许多人却对自己钟爱的模型产生强烈依恋。
X @emollick观点原文
01:09
François Cholletby François Chollet · 推文AI评分：50/100
跟随惊喜的梯度
作者主张，在探索或决策中应遵循“惊喜梯度”，即优先选择那些能带来最大信息增益或意外感的路径。这一原则有助于避免陷入局部最优，促进创新和适应性。
X @fchollet观点原文
00:43
NVIDIA AIby NVIDIA AI · 推文AI评分：50/100
AI代理承担更复杂工作时，安全应放在哪里？
Anthropic的安全与安保团队分享了对AI代理栈安全性的思考：harness（引导代理尝试做什么）与基础设施（控制代理实际能做什么）共同决定安全边界。
X @NVIDIAAI观点原文
00:37
Andrew Ngby Andrew Ng · 长文AI评分：70/100
AI 工程技能图谱：构建与部署 AI 应用
作者基于招聘信息、专家访谈和调查，梳理了构建和部署 AI 应用所需的核心技能，包括 LLM 基础、数据接地、智能体系统、评估驱动开发、生产运维和机器学习基础。强调 AI 系统输出不确定性带来的迭代开发特点，以及评估驱动开发作为关键能力。
X @AndrewYNg观点教程原文
00:26
François Cholletby François Chollet · 推文AI评分：50/100
NVIDIA 在 ARC-AGI-3 上的工作点评
这是 NVIDIA 的出色工作。与 ARC-AGI-3 上所有高性能方法一样，它使用深度学习引导的即时符号世界模型合成，即通过生成程序来表示所知来导航世界。需要明确的是，与其他几个近期声明一样，在公开演示集上获得 100% 并不等同于在 ARC-AGI-3 基准上获得 100%。这就像说你通关了游戏，因为你完成了教程关卡。
X @fchollet观点评测原文

8月21日 · 星期五4 条

18:27
Emad Mostaqueby Emad Mostaque · 推文AI评分：50/100
平台争夺你的注意力，智能体替你关注
作者认为，过去平台通过算法争夺用户注意力，而未来智能体将代表用户进行关注，从而改变注意力经济的格局。这一转变意味着用户不再需要亲自筛选信息，而是由AI代理来执行，可能重塑数字广告和内容分发的模式。
X @EMostaque观点行业原文
08:16
Ethan Mollickby Ethan Mollick · 推文AI评分：50/100
AI实验室CEO曾真心相信AI会取代所有劳动并构成生存风险，停止谈论风险才是公关部分
马修·伊格莱西亚斯指出，AI实验室CEO们曾真心相信AI会取代所有劳动并构成生存风险，这在他们公司变得有价值之前就是他们的信念。他们现在停止谈论风险，才是公关行为。
X @emollick观点原文
07:38
Ethan Mollickby Ethan Mollick · 推文AI评分：50/100
即使LLM写得好，风格缺乏多样性也是致命的
作者认为，即使LLM能写出好文本，但风格单一的问题令人不适。从指令、社交媒体到广告、软件和PPT，千篇一律的散文让人反感。仅靠提示词无法解决，需要真正的风格多样性，而这一领域研究不足。
X @emollick观点原文
03:01
John Carmackby John Carmack · 长文AI评分：70/100
策略更替现象
作者提出，深度强化学习中的策略更替（policy churn）提供了隐式探索，其规模可能淹没显式探索方法，并导致泛化改进的假阴性结果。作者通过实验观察到，在Breakout中，样本动作因策略更替而在所有18个动作间跳变，且深度值函数的过度泛化导致所有样本变化幅度相似。作者认为，网络稀疏化可能减少策略更替，但需补充显式探索。
X @ID_AA_Carmack观点论文原文