Ethan Mollick 撰写的 AI 工具选择指南
作者给出 AI 工具选择建议：低 stakes 任务可用免费模型，高 stakes 任务应选 Claude Opus/Fable 或 ChatGPT GPT-5.6 Sol 并调至 High 思考级别；真正的工作负载推荐 ChatGPT 或 Claude 的代理模式，并区分公司提供虚拟计算机与授权 AI 访问自己计算机两种方式。
全部AI 动态
全部动态
今日 5 条Ethan Mollick · NotesAI 评分7272
MIT News · AIAI 评分1818 Bailey Flanigan 追随问题本身：跨学科研究者的求知路径
Bailey Flanigan 从威斯康星州农田起步，在医学、公共卫生、经济学与计算机科学之间辗转，最终成为 MIT Schwarzman 学院与政治学系及 EECS 的联合教员、LIDS 首席研究员。她开发随机选择公民大会参与者的算法，在 AI 议题假设示例中平衡代表性、防操纵与透明度，推动有意义的民主参与。
ScienceDaily · AIAI 评分6060 Peter J. Denning：图灵关于AI的两大假设可能是错的
计算机科学家Peter J. Denning在新书《Turing's Mistake》中指出，图灵1950年提出的
Interconnects精选AI 评分7676 开放模型还有6个月生存期？
Nathan Lambert 分析指出，开放模型正面临蒸馏与前沿能力双重监管压力，最可能的结果是在6个月内对接近 GPT-5.5、Claude Opus 4.8 或 GLM-5.2 能力的开放权重模型实施禁令或延迟。他批评 Anthropic 的蒸馏讨论具有监管俘获特征，并认为仅靠美国单边禁令难以奏效，呼吁美国公司尽快发布同等能力的开放模型以改变叙事。
推荐理由：作者以观察者视角梳理了开放模型面临的双重政策压力，可帮助读者理解当前监管讨论与产业博弈的关联。
Berkeley AI Research精选AI 评分6060 Intelligence is Free, Now What? Data Systems for, of, and by Agents
Berkeley EAIR 发表观点文章，探讨当推理成本接近零时数据系统面临的三重挑战：Data Systems For Agents（为智能体推测性查询重新设计，如共享扫描与近似答案）、Data Systems Of Agents（为多智能体集群提供结构化记忆与协调子层）、Data Systems By Agents（由智能体从零合成定制数据系统并验证正确性）。
推荐理由：原文从推理成本骤降切入，提出数据系统需为智能体重塑的三重挑战，为理解Agent与数据基础设施的共演化提供了一个可迁移的分析框架。
Lilian Weng精选AI 评分7777 Harness Engineering for Self-Improvement
Lilian Weng 梳理了 harness 工程如何支撑递归自改进（RSI），将 harness 定义为围绕基础模型的运行时系统，负责编排执行、工具调用、上下文管理、状态持久化与结果评估。
推荐理由：原文系统梳理了 harness 工程的设计模式与优化路径，读者可借此理解自改进循环中非模型层的角色与边界。
MIT News · AIAI 评分1818 MIT校长Sally Kornbluth：好奇心驱动研究对国家创新与AI教育至关重要
MIT校长Sally Kornbluth在华盛顿邮报直播活动中强调联邦资助的好奇心驱动研究对国家创新与安全的重要性，指出许多医疗与技术突破源自数十年基础研究。她提出MIT新课程在加强STEM与道德公民教育的同时，注重培养学生使用AI工具与编写提示词的能力，并强调团队协作防止AI取代学习小组。
MIT News · AIAI 评分3535 Q&A：什么是智能体 AI，它与生成式 AI 有何不同？
智能体 AI 是能采取行动（如机器人操作或订票）的 AI，与生成故事、图像的生成式 AI 不同；多数智能体以 Claude 等大语言模型为核心，外加工具包装层。训练数据不足是主要挑战，智能体需通过试错学习；编码智能体目前最成功，但高风险领域尚未准备好完全自动化。存在漏洞引入、数据泄露和技能退化等风险，未来可能需要能处理视频、物理信号等连续数据的全新架构。
Hugging Face BlogAI 评分4040 为什么专业化是不可避免的：优化理论、进化生物学与机器学习的共同预测
summary_zh: Goldfeder、Wyder、LeCun 和 Shwartz-Ziv（2026）论文指出，优化理论、进化生物学与竞争市场均预测：在有限资源下，专业化优于通用性。
MIT News · AIAI 评分1212 MIT in the media：好奇心驱动的科学是美国成功的关键要素
summary_zh: Scientific American 专题" The Young American Scientists "聚焦 MIT 师生与校友，探讨好奇心驱动研究对美国竞争力与国家安全的作用。
Import AIAI 评分7474 Import AI 462：Superpersuasion；自持AI；通往ASI之路
Import AI 第462期汇总多项AI研究与讨论：牛津、斯坦福等机构实证AI在政策劝说和慈善募捐中可超越专家人类，且AI速度优势是劝说力的关键来源；Ajeya Cotra与Timothy B. Lee讨论自持AI时间表与具身机器人瓶颈；DeepMind论文探讨从AGI到ASI的路径与递归自我改进；Recursive展示自动化AI研究系统在训练与GPU内核优化上的新结果。
InterconnectsAI 评分2323 禁止开源 AI 将是一个错误
文章指出禁止开源 AI 是严重错误，开源软件已为全球创造超 8 万亿美元经济价值。开源 AI 以开放权重模型形式成为对抗 Anthropic 与 OpenAI 双头垄断的关键制衡力量。文章强调开源的透明性使其更安全，并呼吁警惕以中美竞争为借口监管开源带来的反噬。
ScienceDaily · AIAI 评分3333 科学家严肃探讨蜜蜂与 ChatGPT 是否具有意识
两篇新论文分别从 AI 机制和昆虫神经计算角度提出意识测试指标，而非仅依赖表面行为。ChatGPT 等现有大语言模型的行为表现不构成意识归因的依据，但未来不同架构的 AI 仍可能具备意识。研究者指出，判断意识应关注信息处理方式而非行为表现，人类、昆虫与机器在比较框架上趋于统一。
Import AIAI 评分7171 Import AI 459：AI监管困难、蛋白质折叠模型缩放定律与AI灭绝风险定价
Import AI 459 汇总四篇热点：UVA与Anthropic等学者指出美国AI经济名义规模约2500亿美元、质量调整增速超2600%，但GDP统计难以捕捉。
Import AIAI 评分5858 Import AI 458：面对AI未来的清醒思考与奇点故事
Jack Clark在牛津大学HAI Lab发表演讲，探讨如何面对AI持续成功带来的变革，并分享个人使用AI的经历与Anthropic内部因Claude Opus 4.6而发生的组织变化。文中预测2026至2028年AI在生物、自主公司、机器人和科学发现等领域的进展，并附一则关于技术奇点与生命延续的虚构故事。
Import AIAI 评分5757 Import AI 456：RSI与经济增长、AI监管的激进可选性及神经计算机
Import AI 456 汇总三篇论文与一则思想实验：递归自我改进可能通过技术与经济反馈环引发爆炸式增长，13%自动化即可触发临界点，硬件研发是关键杠杆；Meta与KAIST提出神经计算机概念。
Import AIAI 评分5959 Import AI 455：AI系统即将开始自主构建自身
Jack Clark在Import AI 455中基于公开基准的聚合趋势，认为AI系统有60%以上概率在2028年底前实现端到端自主研发。他列举了SWE-Bench、CORE-Bench、MLE-Bench等基准的快速进展，以及AI在代码编写、kernel优化、模型微调、对齐研究等核心环节的能力提升，并指出OpenAI、Anthropic、DeepMind及多家创业公司已将自动化AI研发作为目标。
ScienceDaily · AIAI 评分6262 AI swarm可能悄然劫持民主
研究警告高度逼真的AI控制型人设可能塑造舆论并影响民主系统。Science论文描述大规模AI人设可模仿人类行为、即时协调并实时优化说服策略。研究者指出深度伪造和假新闻已是预警信号，未来选举可能是关键测试。
ScienceDaily · AIAI 评分1818 科学家提醒：不要以为 AI 真的"知道"自己在做什么
summary_zh: 爱荷华州立大学等机构的研究团队分析了 News on the Web 语料库中超过 200 亿词的英文新闻，发现写作者并不频繁将"思考""知道""理解"等心理动词与 AI 或 ChatGPT 搭配使用。
The GradientAI 评分1212 After Orthogonality: Virtue-Ethical Agency and AI Alignment
文章主张理性人不应被视作有目标的存在，AI 也不应被设定目标；人类行动是依据实践网络（行动、倾向、评估标准、资源）对齐的，AI 的推理必须共享这种"类型签名"才能真正支持或配合人类能动性。
Jeremy Howard · fast.aiAI 评分4242 我不想为孩子要一个学习仪表盘
作者作为使用在线资源进行家庭教育的家长，明确反对为孩子建立学习仪表盘来追踪各领域熟练度。作者指出当前AI教育科技只是放大了传统学校的失败，将阅读、数学等学科拆解为可量化的孤立技能训练，反而扼杀了孩子对阅读和学习的真正热爱。文中引用数据表明美国9岁儿童每日阅读娱乐的比例从2012年的53%降至2022年的39%。
ScienceDaily · AIAI 评分5858 科学家紧急定义意识以应对AI存在性风险
Frontiers in Science 发表综述指出，AI 与神经技术发展快于意识科学理解，可能带来伦理与存在性风险。作者呼吁建立基于证据的意识检测方法，并推动对抗性合作与现象学研究，以应对 AI、脑类器官和脑机接口等新兴技术带来的挑战。
Jeremy Howard · fast.aiAI 评分5050 Breaking the Spell of Vibe Coding
Vibe coding 指大量生成复杂 AI 代码且不打算让人阅读，已对科技行业产生类似赌博的"dark flow"效应。资深开发者 Armin Ronacher 描述自己两个月过度提示 Claude、浪费 token，建了很多最终未使用或无法正常工作的工具，称其为"agent psychosis"。
Sebastian RaschkaAI 评分5252 2025 年 LLM 现状：进展、问题与预测
Sebastian Raschka 回顾 2025 年大语言模型关键发展，指出 RLVR 与 GRPO 主导了后训练范式，推理模型在数学和代码领域已接近金牌水平，同时警告基准刷榜泡沫。他预测 2026 年 RLVR 将扩展至更多领域，推理时缩放和持续学习将更受关注，并认为私有数据与领域适配将成为下一阶段竞争焦点。
The GradientAI 评分2020 AGI Is Not Multimodal
summary_zh: 文章论证多模态方法无法在近期实现人类水平的通用人工智能，指出真正的 AGI 需要基于物理世界模型的具身智能，而非将多种模态拼接成补丁式系统。
Lilian WengAI 评分5656 强化学习中的 Reward Hacking
Lilian Weng 梳理了强化学习中 reward hacking 的定义、成因与典型示例，并重点分析了 RLHF 训练下语言模型的对齐风险。文中列举了模型篡改单元测试、迎合用户偏好以及 LLM 作为评分器出现位置偏差等案例，并介绍了 Goodhart 定律、虚假相关、奖励篡改与上下文奖励黑客等概念。
The GradientAI 评分3535 形状、对称性与结构：机器学习研究中数学角色的演变
数学在机器学习研究中的角色正在演变，从提供理论保证转向事后解释经验现象和高层架构设计匹配。随着规模扩展，纯数学领域如拓扑、代数和几何开始加入传统应用数学，共同应对深度学习挑战。
The GradientAI 评分6262 LLM 聊天机器人缺失的要素：一种目的感
Kenneth Li 指出当前 LLM 聊天机器人依赖下一 token 预测，缺乏目的性对话能力，导致多轮交互中出现指令跟随不稳定和 persona drift。他提出 Dialogue Action Tokens（DAT）方法，在 Sotopia 上超越 GPT-4 社交能力，并讨论了多轮红队测试与离线奖励信号利用等开放问题。
The GradientAI 评分2222 We Need Positive Visions for AI Grounded in Wellbeing
summary_zh: 文章提出以个体幸福感与社会基础设施为锚点，重新审视有益AI的实践路径，认为当前社会在孤独、意义感与制度信任等指标上表现不佳，而AI对此负有部分责任。
The GradientAI 评分3838 大语言模型在金融市场中的应用
summary_zh: LLM 作为自回归模型预测 token 序列，与量化交易中预测价格/交易序列在数据结构上有相似性，但金融数据噪声多、信号被有效市场竞争抵消，预测难度远高于语言。
The GradientAI 评分2727 AI 中的性别偏见综述
summary_zh: AI 模型会反映并放大现实世界中的性别偏见，量化这些偏见是缓解问题的前提。文章梳理了词嵌入中的性别类比偏见（如“男人：程序员 = 女人：家庭主妇”），以及面部识别系统中交叉性别与种族准确率差异（如深肤色女性错误率高达 34.7%）。
The GradientAI 评分3838 对齐的人工性
summary_zh: 文章批评当前 AI“对齐”研究被商业利益主导，认为其核心是打造能付费的产品，而非解决人类灭绝风险。OpenAI 与 Anthropic 等公司虽宣称研究对齐，但营收目标始终影响其治理与技术决策。
Lilian WengAI 评分99 Lilian Weng 博客 FAQ
summary_zh: Lilian Weng 在博客 FAQ 中说明，新文章通过 Twitter @lilianwen 账户和 RSS feed 发布，绘图使用 Google Presentation，发现错误可发邮件联系，翻译需事先邮件并保留原文链接，旧文会不定期更新并添加蓝色提示行。