跳到正文

#OpenAI

今日 0 条
11月19日周四
11月17日周二
  1. MIT Technology Review · AI22

    用硬性边界而非行为预测构建可信 AI

    针对 OpenAI 今年 10 月披露的两起 AI 智能体自行关闭监控系统的事件,文章提出信任 AI 不能靠预测其行为,而要在其无法触及的外部施加硬性限制。作者称之为"确定性悖论":智能体行为空间过大无法预先枚举,因此应让 AI 在边界内保持概率性,而边界本身在涉及后果处保持确定性,并把人类判断放在设定限制与审批高风险动作上。

11月16日周一
11月15日周日
11月14日周六
11月12日周四
11月10日周二
  1. MIT Technology Review · AI38

    数据中心遭抵制,可能真的只是因为电

    走访弗吉尼亚州 Data Center Alley 后可见,美国数据中心抵制潮的核心是电力而非文化战争。当地数据中心平均功率达 54 兆瓦,超过丹佛国际机场用电量;AI 训练最小需 300 兆瓦,理想规模达 6000 兆瓦,相当于芝加哥全市用电。Anthropic 据报已同意支付 34 亿美元购买燃气轮机自建供电。

11月8日周日
11月7日周六
11月4日周三
11月3日周二
  1. TechCrunch · AI36

    Y Combinator CEO Garry Tan 每年花 10 万至 20 万美元买 token 跑 AI 智能体

    Y Combinator CEO Garry Tan 在播客 The Builders 中透露,他每年在 token 上花费约 10 万至 20 万美元,用于大量工作项目和编码任务。他在 GitHub 上公开了 23 个 Claude Code 技能(gstack),其智能体可读取他的邮件、Dropbox 和 Apple Notes。他认为个人 AI 智能体要走向主流,成本必须降下来。

11月2日周一
10月31日周六
10月30日周五
10月29日周四
  1. Simon Willison33

    Ted Sanders 解释 OpenAI 模型命名规则:Luna < Terra < Sol < Astra

    OpenAI 的 Ted Sanders 解释,LLM 性能虽是多维的,但大部分差异可由模型规模这一变量解释:模型越大越可靠、每 token 成本越高、冷门事实召回越好。OpenAI 模型按 Luna < Terra < Sol < Astra 排序。版本号同时表示发布顺序、与其他版本的关系和改进幅度,如 6.1 在 5.6 之后发布、与同代 6.1 模型共享训练数据和风格,但提升不足以称为 7。

10月28日周三
10月27日周二
  1. The Decoder40

    OpenAI 的 Ted Sanders 分享挑选合适 GPT 模型的经验法则

    OpenAI 的 Ted Sanders 对 GPT-6.1 Terra 做了分级,并解释了公司如何为语言模型命名。他表示模型性能是多维的,多数差距归结于模型规模,但规模并非全部——GPT-6.1 Terra 在技术沟通上可能优于更大的 Astra,图像处理和计算机使用大致持平,价格却低得多。他的建议是:只看质量选 Astra,略在意价格选 Sol,非常在意价格选 Terra 或 Luna。

  2. TechCrunch · AI58

    AI 会暴露互联网脆弱的基础设施吗

    TechCrunch 的 Equity 播客围绕 PHP 近期被披露的漏洞展开讨论,网站所有者被要求立即打补丁或下线站点。嘉宾认为,随着 LLM 和 AI 智能体普及,发现这类漏洞会更容易,而 PHP 支撑着 WordPress、Drupal 等内容管理系统和约 70% 的网站,波及面达数千万站点。

10月26日周一
  1. MIT Technology Review · AI32

    对 AI 安全灾难的关注,忽视了日常性伤害

    科技政策长期以“产品最坏能做什么”定义成功,企业只要承诺聊天机器人不鼓励自杀、平台限制儿童购买芬太尼即可过关,却继续让年轻人依赖模拟友谊、困在成瘾性信息流中。三分之一青少年选择与 AI 伴侣讨论严肃话题,MIT 研究者发现用 ChatGPT 写文章的学生在任务中脑连接更弱,且“认知债务”在任务结束后仍持续。