跳到正文
今天10月21日周三33 条
  1. SiliconANGLE AI55

    NiCE 如何以 AI、数据与问责重构客户体验业务

    NiCE 正将 Cognigy 整合为对话式与智能体 AI 的底层平台,并依靠传统 CCaaS 业务和既有客户基础支撑 AI 转型。作者认为其优势来自交互数据与已部署工作负载,获得自动化洞察的潜在客户签约量高出 9 倍,平台 API 调用量两年增长 7.5 倍。落地关键仍是权限控制、知识库治理、变更管理和以实际解决率而非简单遏制率衡量效果。

  2. SiliconANGLE AI39

    Dell 安全主管警告:AI 正降低复杂网络攻击的门槛

    Dell Technologies 安全主管 John Scimone 警告,agentic AI 正瓦解复杂网络攻击的成本与门槛,让低层级攻击者也能使用高级能力。Dell 已参与 Anthropic 的 Project Glasswing,并利用前沿模型强化自身防御。他设想未来安全团队可由 1 人带领 10,000 个 AI 智能体,以弥补小型机构的人力与专业能力不足。

  3. SiliconANGLE AI37

    Dell Technologies:公司知识而非 AI 模型才是竞争优势

    Dell Technologies 的全球首席技术官兼首席 AI 官 John Roese 表示,企业采用 AI 智能体的竞争优势来自独有知识,而非所用模型。Dell 已让全自主智能体在内部运行近两年,并由领域专家将实践编码为 Markdown 技能文件;智能体还借助知识图谱积累关系、开发数字技能。Roese 因此主张将专有知识保留在内部。

  4. The Decoder53

    Sam Altman 据报向员工提出三种 AI 安全终局方案

    据 The Information 报道,OpenAI CEO Sam Altman 上周向员工提出了三种 AI 安全终局方案。三种方案分别涉及建立类似 IAEA 的国际监管机构、由类似 CERN 的单一实体统一管理主要实验室,以及单一开发者控制算力并可能中断其他机构的计算能力。Altman 同时强调,AI 安全不能以落后于竞争对手为代价。

  5. Hacker News37

    LLM 时代 Ruby on Rails 仍有意义吗?

    Ruby on Rails 等框架在 LLM 时代仍能提供项目结构、安全更新、性能改进和可维护性,也能让 LLM 更高效地编写代码。作者认为,将应用完整重写为 Rust 可能因行为差异和细微缺陷影响用户,通常不如让 LLM 优化现有应用;Ruby 的即时重载与 REPL 也便于编码智能体快速诊断问题。

  6. AGI Hunt36

    机器意识辩论:批评者指“大脑不同于计算机所以无意识”是无效推理

    机器意识辩论中,批评者将流行论证概括为“省略三段论”:大脑(或生命)在 x、y、z 上与计算机不同,因此计算机不太可能有意识。回应者主张,生物自然主义研究应寻找意识生物中与意识具有概念或解释性关联的结构与动力学特征,而非反复强调生物系统与人工系统的差异。

  7. AGI Hunt24

    前从业者拆解 Meta Muse:缺少「啊哈时刻」,省时定位难成瘾

    前从业者拆解 Meta Muse,认为其虽有 Meta 全量分发优势,却因缺少「啊哈时刻」且主打省时,难以形成消费产品粘性。Siri 曾因「啊哈时刻」实现病毒式增长,但承诺未兑现导致高流失;ChatGPT 则凭让用户显得聪明的新体验走红。Muse 正尝试通过攻克更难任务制造「啊哈」,但能否建立粘性仍存疑。

  8. The Verge AI54

    民主党人拟借中期选举加强对AI监管

    民主党人可能借今年11月中期选举加强对AI公司的国会审查,重点涉及数据中心税收抵免、网络攻击、前沿模型安全和就业影响。支持AI监管的组织上周已在摇摆选区众议院竞选中投入首轮400万美元广告,但各党尚未就AI监管形成广泛共识。

  9. The Information49

    OpenAI CEO Sam Altman 描述 AI 安全发展的三种终局,包括一家公司“熔掉其他所有公司的 GPU”

    OpenAI CEO Sam Altman 上周向员工描述了业界讨论的三种 AI 安全发展终局,其中一种是由单一公司“熔掉其他所有公司的 GPU”。一条路径是建立类似国际原子能机构的国际组织来执行安全标准,Altman 似乎支持该方案;另一条路径是合并所有 AI 实验室,以单一机构安全开发新 AI。特朗普政府同期开始建立首套监管“超级智能”开发者的制度。

  10. The Information35

    OpenAI 面临“Pacing 2.0”难题:AI 智能到什么程度才算过头?

    OpenAI 正面临“Pacing 2.0”难题:如何为 AI 发展设定合理节奏,并协调前沿实验室共同推进安全开发。CEO Sam Altman 上周向员工讲解了三种行业方案,包括设立类似国际原子能机构的国际组织、合并前沿实验室,以及让一家实验室领先并摧毁其他实验室 GPU,但每种方案都存在重大问题。

  11. TechCrunch AI50

    Mamdani批评联邦政府放弃AI监管,呼吁纽约居民抵抗AI扩散

    纽约市长Zohran Mamdani周一晚在People's AI Assembly呼吁纽约居民抵抗AI不可避免取代就业、侵蚀儿童心智与尊严的叙事,并要求政府追究AI公司责任。他上个月下令禁止中小学使用AI,夏季还推出政策,要求房东、经纪人和房产平台明确披露房源图片或视频是否由AI制作。他同时批评联邦政府缺乏AI限制,并主张建立重视公共问责的治理框架。

  12. 36氪29

    36氪AI测评苏州OPC社区举办“从Personal Agent到灯塔工厂”交流活动

    36氪AI测评于10月16日在苏州举办“从Personal Agent到灯塔工厂”社区活动,四位嘉宾围绕Agent、制造业AI、企业落地与个人学习展开分享。企业AI项目需先明确业务问题,再推进数据治理、流程接入、结果复核与持续复盘,制造领域则应以实际业务价值而非技术系统作为评估标准。

  13. 36氪44

    贝壳公益与《人物》:AI时代,银龄生活更要看到“人”的价值

    贝壳公益与《人物》在北京举办“新世界,老朋友——银龄生活主题沙龙”,并发布同名别册《新世界,老朋友——AI时代银龄生活观察》。别册强调,AI虽能提升老年人的便利与照护效率,却无法替代人际陪伴、尊严与爱。截至2026年9月,“我来教您用手机”已覆盖142座城市,服务超182万人次。

10月20日周二
  1. MIT Technology Review AI52

    Nick Cammarata 的神经网络可解释性主张引发争议

    Goodfire 研究员 Nick Cammarata 认为,研究者可能以错误方式看待神经网络,LLM 的内部机制或比此前预想的更容易理解和控制。他以 Inception v1 中同时响应汽车和猫的神经元为例,提出两者共享 V 形特征;不过多位研究者指出,这仍主要是个人假设,针对现代 LLM 的技术结果尚未发布,也不足以证明可解释性研究已取得重大进展。

10月19日周一
  1. Import AI66

    Jack Clark 在 IMF 会议上演讲称 AI 奇点已经开始

    Jack Clark 在 10 月 17 日于曼谷举行的 IMF 会议上发表演讲,认为 AI 已开始推动前沿科学研究,并预示科学进步和经济增长将加速。他以 Humanity’s Last Exam、FrontierMath 和 TheoPhysEval 的成绩变化说明模型科学能力的提升,并主张各国扩建算力、电力、数据中心、实验设备和机器人等基础设施,同时加强人类监督、透明度和审慎治理。

10月18日周日
  1. Lenny's Newsletter / Podcast36

    Claude 等大语言模型如何思考:Anthropic 可解释性研究员 Emmanuel Ameisen 解读 AI 黑箱

    Anthropic 可解释性研究员 Emmanuel Ameisen 解读 Claude 等大语言模型内部机制,认为“next-token predictor”低估了模型的规划与思考能力。访谈讨论模型形成概念表征、提前规划多个 token 但不显式说明计划、“J space”与模型自我意识、平滑 scaling curve 和能力突跃,以及可解释性在 AI 对齐与安全中的应用。