【AI 英文奏折】2026年10月11日

共收录 20 篇深度内容

---

📋 今日内容速览

快速浏览，点击感兴趣的推文查看详细分析

1. klöss: AI无需编辑软件直接生成同步歌词音乐视频。
2. Rohan Paul: AI文本检测器需随模型更新重新测试以防失效。
3. Rohan Paul: AI公司竞相解决数学难题以证明模型优势。
4. Rohan Paul: AI检测器Pangram漏检率因大模型版本差异显著。
5. Rohan Paul: AI通过自我训练循环实现持续改进，人类仅设定规则。
6. ℏεsam: Claude Code性能提升但部分功能体验欠佳。
7. Anthony Pompliano: 婚姻幸福需双方主动付出60%的努力。
8. Marc Lou: 开源自托管邮件服务MailCheap比Beehiiv便宜92%。
9. Rohan Paul: 建议用“超级智能”替代“人工智能”以消除负面联想。
10. Aakash Gupta: 男子徒步28年环游世界，历经艰险终归家。
11. Aakash Gupta: 年轻人因房价和工作机会跨州迁移以节省开支。
12. Chubby♨️: 探讨GPU适用性及新旧系统替换时机与软件作用。
13. Suchen Zang: 用代理重写堆栈后仍无实际用途。
14. Rohan Paul: 机器人手通过模拟训练实现高精度笔旋转控制。
15. Riley Brown: 多家AI平台发布重大更新及新功能。
16. Rimsha Bhardwaj: 2026年成为AI工程师需掌握Python、LLM基础和提示工程。
17. Rohan Paul: 大语言模型被禁用思考时仍惯性推理开放式问题。
18. Aakash Gupta: 台裔表亲分掌AI芯片巨头，同获美国国家科学奖章。
19. Riley Brown: Claude代理平台可通过多线程协作帮助用户智能管理任务和自动化流程。
20. ℏεsam: AI医学突破遭医生抵制，忽视治愈优先于传统研究目标。

---

📖 详细内容

klöss @kloss_xyz

AI vibe orchestrator. prompt shaman.
systems architect. @psychanon CEO | 影响力: 6,174万粉丝

💡 核心观点: AI无需编辑软件直接生成同步歌词音乐视频。

可信度: 6/10 – 1项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: Opus 5.5能够分离音轨并将229个单词与人声精确对齐 (需实测验证分离精度和单词对齐功能，但技术可行性可通过公开AI音频处理工具（如Demucs）间接佐证，具体表现依赖用户输入质量。)
• ◐ 部分可验证: Claude用代码编写视觉效果并构建可直接导出1080p视频的HTML文件 (需检查生成的HTML文件是否包含所述功能（如交互元素、导出按钮），但基于Web技术的视频导出（如MediaRecorder API）理论可行，具体实现需代码审查。)
• ✓ 可验证: 整个流程在MacBook Pro上耗时不到1分钟 (处理时间依赖硬件配置、输入文件复杂度等未公开变量，无法独立复现验证。)

原文内容:

这个视频没有经过任何编辑软件处理。

我给 Opus 5.5 提供了一首我在 Suno v6 中制作的歌曲。然后要求它制作一个歌词音乐视频。

Claude 分离了音轨，并将所有 229 个单词与人声对齐。然后它用代码编写了视觉效果，并构建了一个 HTML 文件，直接在浏览器中渲染并导出 1080p 视频。在我的 MacBook Pro 上不到 1 分钟。

隆重推出 Turn It Up Now。

保存它，重新混音，然后给我看看你的成果。

提示（加上附上你的歌曲 .mp3）：

为这首歌制作一个完全互动的音乐视频，作为单个 HTML 文件，达到动态设计师、音响工程师和创意总监的精选集水平。第一帧必须停止滚动并吸引观众。全力以赴。

歌词如下。将它们逐字与实际人声同步。先分离音轨，然后根据人声轨道对每个单词进行计时，而不是估算。检测节奏、节拍、底鼓和小军鼓，并据此驱动视觉效果。

规则：
- 每个部分使用统一的视觉和字体系统。安静部分应该感觉像是同一视频的能量被抑制，而不是不同的风格。
- 每个单词必须在效果上清晰易读。辉光和拖尾在字体后面，而不是穿过它。
- 为每句歌词提供适合它的独特视觉想法。没有部分应该是填充物。
- 除非我要求，否则不要为歌曲添加任何音频。
- 互动：按住以消音乐队，轻点以产生与节拍量化的火花，滚动以增益，音轨静音按钮，一个可拖动的进度条。
- 包含一个“导出 1080p 视频”按钮，它在固定时钟上渲染每一帧，并保存一个 1920x1080 16:9 MP4（H.264 + AAC），音频已混入。
- 通过在 Chrome 中双击运行 HTML 文件，无需其他操作，音频内置。

[带部分标签的歌词]

⏰ 09:02 | ❤️ 22点赞 | 📝 488字 | 查看原文 →

↑ 返回顶部

Rohan Paul @rohanpaul_ai

Compiling in real-time, the race towards AGI.

The Largest Show on X for AI.

Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝

💡 核心观点: AI文本检测器需随模型更新重新测试以防失效。

可信度: 6/10 – 1项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: 基于供应商较旧模型训练的 AI 文本检测器在生成模型变更之前，能够捕获超过 99% 的改写文本 (需查看原始论文的实验设计、数据集和具体测试结果，但若论文未公开详细数据或代码，则无法完全复现验证。)
• ◐ 部分可验证: 生成模型变更后，AI 文本检测器对改写文本的捕获率降至 3.8% (同样依赖论文中的实验数据，需确认测试条件是否一致（如模型版本、文本类型等），缺乏公开工具或第三方复现时难以完全验证。)
• ✓ 可验证: 用于筛查科学论文中 AI 写作的检测器在新一代 LLM 发布时可能会失效 (可通过对比历史检测器性能与新一代 LLM 生成的文本来验证趋势，已有研究（如 GPT-3 到 GPT-4 的迭代）支持这一结论。)

原文内容:

这篇论文发现，基于供应商较旧模型训练的 AI 文本检测器在生成模型变更之前，能够捕获超过 99% 的改写文本，而变更之后仅为 3.8%。

用于筛查科学论文中 AI 写作的检测器在新一代 LLM 发布时可能会失效，因此任何依赖它们的人都应在每个模型发布时重新测试。

⏰ 16:01 | ❤️ 54点赞 | 📝 101字 | 查看原文 →

↑ 返回顶部

Rohan Paul @rohanpaul_ai

Compiling in real-time, the race towards AGI.

The Largest Show on X for AI.

Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝

💡 核心观点: AI公司竞相解决数学难题以证明模型优势。

可信度: 6/10 – 1项声明可直接验证；1项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: OpenAI投入了数百万美元的计算资源来解决未解的数学难题。 (OpenAI的官方声明或公开报告中可能提及资源投入，但“数百万美元”的具体金额和用途可能缺乏直接公开数据，需依赖内部披露或第三方报道（如CNBC视频）间接验证。)
• ◦ 观点: Anthropic率先解决千禧年奖问题将证明他们拥有更好的内部模型。 (这是Tristan Buckmaster的主观推断，基于竞争逻辑而非客观事实。模型优劣的评判标准复杂，无法仅凭单一成就直接验证。)
• ✓ 可验证: Tristan Buckmaster的身份是纽约大学数学教授。 (纽约大学官网或公开学术资料可直接查询其职位信息，属于可验证的客观事实。)

原文内容:

Tristan Buckmaster，纽约大学数学教授：

OpenAI 投入了数百万美元的计算资源来解决这些未解的数学难题。

“这有点像是生死攸关的局面，因为如果 Anthropic 率先解决了千禧年奖问题（第一个），那将证明他们拥有更好的内部模型”

----

完整视频在“CNBC Television” YouTube 频道上，（链接在评论中）

⏰ 16:50 | ❤️ 37点赞 | 📝 92字 | 查看原文 →

↑ 返回顶部

Rohan Paul @rohanpaul_ai

Compiling in real-time, the race towards AGI.

The Largest Show on X for AI.

Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝

💡 核心观点: AI检测器Pangram漏检率因大模型版本差异显著。

可信度: 10/10 – 2项声明可直接验证；3项需进一步确认

事实核查:

• ◐ 部分可验证: Pangram漏掉了Meta的Muse-Glimmer重写的79.8%的科学摘要 (需查阅东京都市大学的新论文原文或实验数据才能验证具体漏检率，但若论文已公开发表且包含详细方法，则可通过学术渠道验证。)
• ◐ 部分可验证: Pangram仅标记了5000个人类摘要中的1个 (需依赖论文中的实验数据集和测试结果，若论文公开了测试样本量和误报率数据，则可验证；否则需独立复现实验。)
• ◐ 部分可验证: Pangram检测到93.5%的GPT-5重写版本 (需确认论文中是否明确标注GPT-5的测试结果及实验条件，且需假设“GPT-5”为笔误或真实存在的模型（目前公开模型为GPT-4）。)

原文内容:

Pangram，这款AI文本检测器，漏掉了Meta的Muse-Glimmer重写的79.8%的科学摘要，同时仅标记了5000个人类摘要中的1个。

在东京都市大学的一篇新论文中，研究人员发现Pangram漏掉的AI重写摘要比例强烈取决于LLM版本

结果显示，它检测到了93.5%的GPT-5重写版本，但漏掉了另一个新模型的79.8%。其漏检率主要取决于哪个模型进行了重写。

⏰ 13:45 | ❤️ 59点赞 | 📝 112字 | 查看原文 →

↑ 返回顶部

Rohan Paul @rohanpaul_ai

Compiling in real-time, the race towards AGI.

The Largest Show on X for AI.

Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝

💡 核心观点: AI通过自我训练循环实现持续改进，人类仅设定规则。

可信度: 8/10 – 1项声明可直接验证；4项需进一步确认

事实核查:

• ✓ 可验证: Xiaom 的 MiMo-V2.6 论文已在 arXiv 发布（标题：“MiMo-V2.6：扩展强化学习以实现自我改进”） (可通过提供的 arXiv 链接（arxiv.org/abs/2610.11959）直接访问论文，验证其存在性和标题内容。)
• ◐ 部分可验证: MiMo-V2.6-Pro 的 DeepSWE 分数在 $2.6M 的 RL 训练中从 58.4 上升到 72.6 (论文中可能包含相关实验数据，但需实际查阅论文内容确认具体数值和训练成本；若论文未公开详细实验设置或原始数据，则无法完全独立验证。)
• ◐ 部分可验证: 代理模型通过扩展批处理大小、任务多样性和评分努力，随 RL 计算增加持续改进 (论文可能描述这一机制，但需验证实验设计是否支持该结论；若缺乏开源代码或第三方复现，则无法完全验证实际效果。)

原文内容:

Xiaom 的 MiMo-V2.6 论文已经发布了。

在 MiMo-V2.6 中，AI 运行了其大部分自身的训练循环：代理构建任务、审核测试、评分答案并搜寻作弊行为。人类设定预算和规则。

显示代理模型通过同时扩展批处理大小、任务和测试套件多样性，以及评分努力，随着更多 RL 计算而持续改进。

为编码代理扩展 RL 很困难，因为通过/失败测试无法区分干净修复与 hacky 修复。代理还会学会操纵环境，例如通过下载已发布的修复。

一个评分代理比较了每个组中通过的补丁，并将奖励转移到更干净的那些。没有它，代理会偏向于更长的运行和变通方法，如吞没异常。

MiMo-V2.6-Pro 的 DeepSWE 分数在 $2.6M 的 RL 训练中从 58.4 上升到 72.6，并在训练停止时仍在攀升。

– arxiv. org/abs/2610.11959

标题：“MiMo-V2.6：扩展强化学习以实现自我改进”

⏰ 12:39 | ❤️ 101点赞 | 📝 242字 | 查看原文 →

↑ 返回顶部

ℏεsam @hesamation

apes made fire, then GPUs, then ASI | 影响力: 0万粉丝

💡 核心观点: Claude Code性能提升但部分功能体验欠佳。

可信度: 6/10 – 1项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: Opus 5.5 效率高得离谱，用户每周长任务仅消耗 50% 使用量（Max 20x 计划） (需实测或查看官方计划文档确认“Max 20x 计划”的具体配额和任务消耗逻辑，但用户个人使用数据（如“50%”）无法公开验证。)
• ✓ 可验证: ultracode 能发现 Astra 无法检测的内存泄漏根本原因，且在调查中无可匹敌 (缺乏公开技术文档或第三方对比测试支持“无可匹敌”的效能描述，且“Astra”和“ultracode”是否为公开工具未知。)
• ◦ 观点: Claude Code 比 Codex 更适合多任务处理，但标签页切换未达最佳状态 (对比结论基于主观体验（“imo”），且“最佳状态”无客观标准；多任务性能需实测验证，但未提供具体指标。)

原文内容:

回到 Claude Code 已经 6 个月后，体验完全不同。有些想法：

> Opus 5.5 效率高得离谱。我整个星期都在长任务（额外努力）上榨干它，还是只用了每周使用量的 50%（Max 20x 计划）

> ultracode 太疯狂了。它能找到 Astra 找不到的内存泄漏根本原因。对于调查来说，它简直无可匹敌。

> 不过我不建议用 ultracode 来做实现，那是个漫长漫长的噩梦。

> 代理之间互相发消息让一切感觉那么温馨。我真的很喜欢这个功能。

> Claude Code 应用变化太大了。imo，它其实比 Codex 更适合多任务处理。不过标签页切换还是没达到最佳状态。

> 我还是更喜欢 Codex 的电脑使用功能。

⏰ 07:55 | ❤️ 46点赞 | 📝 184字 | 查看原文 →

↑ 返回顶部

Anthony Pompliano @apompliano

企业家、投资者和终身学习者。

每日写作：http://pompletter.com
播客：http://pompyoutube.com
我的第二本书：http://pompbook.com | 影响力: 0万粉丝

💡 核心观点: 婚姻幸福需双方主动付出60%的努力。

可信度: 7/10 – 1项声明可直接验证；1项需进一步确认；3项为观点陈述

事实核查:

• ◦ 观点: 一段幸福的婚姻是60/40，双方都努力成为那个60%的那一方 (该声明是基于个人观点或生活哲学，缺乏客观数据或研究支持，无法通过公开渠道验证其普遍有效性。)
• ◐ 部分可验证: 当你和你的伴侣都努力为这段关系投入额外的努力时，婚姻几乎不可能偏离轨道 (部分可验证，因为心理学或婚姻研究可能支持“共同努力对关系有积极影响”，但“几乎不可能偏离轨道”是夸张表述，缺乏具体数据支撑。)
• ◦ 观点: 那些付出最多的人往往收获最多（在关系中） (这是主观的生活建议或价值观，虽可能被部分研究或案例支持（如互惠理论），但“往往”的普遍性无法直接验证，且依赖具体情境。)

原文内容:

做那个60%的伴侣。

你所嫁娶的人是你一生中最重要的决定之一。你将与这个人共度比与任何其他人都更多的时光。你们将共同做决定，共同成长，共同养育子女。如果你选择正确的人结婚，你的生活将充满幸福与繁荣，但如果你选择错误的人，你将被判处一生不幸、戏剧性冲突和财务问题的生活。

但选择正确的伴侣只是战斗的一半。

一段好的婚姻不是在你的婚礼当天创造出来的。它来自于你和你的伴侣随着时间推移，不断努力成为彼此良好伴侣的工作。因为“伴侣”这个词在谈论婚姻时经常被使用，大多数人认为丈夫和妻子应该各自为这段关系贡献50%的价值。

然而，一段幸福的婚姻并不是50/50。它是60/40，双方都努力成为那个60%的那一方。

当你和你的伴侣都努力为这段关系投入额外的努力时，婚姻几乎不可能偏离轨道。这在艰难的日子里尤为重要，那时你们中的一方可能感到疲惫、恼怒或愤怒。

我和妻子多年来看到了这一原则的好处。她不断为我着想，努力预测我未来可能需要的东西，总能在恰当的时刻准备好几句鼓励的话，并尽一切必要之事来确保我们的婚姻和家庭成功。

我尽我最大的努力回报这份恩情。有时这份额外的努力可能是小事，比如出其不意地给她买花、惊喜地安排一个约会之夜，或是多做一些家务。其他时候，我可能会帮助她的职业工作，或花时间与她谈论她世界里正在发生的重要事情。每当我看到一个机会，能让我成为这段关系中60%的那一方时，我都会努力抓住它。

而我们婚姻的美妙之处在于，她也这样做。

所以我对你们每个人的祝愿是，你们能找到一个对婚姻持有类似态度的人。但这里有个秘密：只有当你首先成为那种渴望在关系中成为60%的人时，你才会找到这个人。正是这种缺乏自私的态度，会吸引到那个能与你共同构建美好生活的好伴侣。

60%的态度适用于你所参与的任何关系，包括商业、投资或你的个人生活。那些付出最多的人往往收获最多。这是宇宙中一条强大的法则。但没有哪里比你的婚姻更需要它。

随着你年龄增长，婚姻时间变长，生活开始发生变化。管理混乱日程的复杂性出现了，孩子们变得更加需要关爱，而当你专注于其他事情时，很容易对婚姻变得不那么有意。

但不要落入这个陷阱。

做那个60%的伴侣。走多一英里，你将在50年后抬起头，为你与最爱之人构建的不可思议的关系感到自豪。

这是我新书《如何过非凡人生 第二卷》中的一段摘录。你可以在这里购买本书的一本：

⏰ 07:01 | ❤️ 312点赞 | 📝 859字 | 查看原文 →

↑ 返回顶部

Marc Lou @marclou

http://TrustMRR.com $44K/m
http://DataFa.st $26K/m
http://SHlPORDIE.com $13K/m
http://CodeFa.st $6K/m
http://ShipFa.st $4K/m
http://IndiePa.ge $1K/m

+29 http://marclou.com | 影响力: 1,236万粉丝

💡 核心观点: 开源自托管邮件服务MailCheap比Beehiiv便宜92%。

可信度: 9/10 – 2项声明可直接验证；2项需进一步确认

事实核查:

• ◐ 部分可验证: MailCheap 是一个在 Amazon SES 上自托管的新闻通讯工具，每 1,000 封邮件成本为 $0.10 (可通过 GitHub 仓库（https://github.com/marclou/mailcheap）验证是否为开源项目及功能描述，但邮件成本需结合 Amazon SES 的官方定价和实际使用情况确认。)
• ✓ 可验证: MailCheap 比 Beehiiv 便宜 92%（对我来说） (成本比较基于个人使用场景（如发送量、功能需求等），未提供具体数据或 Beehiiv 的对比依据，属于主观结论。)
• ✓ 可验证: MailCheap 提供带实时预览的编辑器、多个新闻通讯、注册表单 + API、公开存档等功能 (功能列表可通过 GitHub 仓库的 README 或代码直接验证，属于开源项目的公开描述。)

原文内容:

很多人要求我将其开源，所以这里给你：

MailCheap — 在 Amazon SES 上自托管的新闻通讯：

 每 1,000 封邮件 $0.10
 带实时预览的编辑器
 多个新闻通讯
 注册表单 + API
 公开存档
 统计数据 & 增长图表
 列表清理
 退信 + 垃圾邮件保护

→ https://github.com/marclou/mailcheap…

比 Beehiiv 便宜 92%（对我来说）。

玩得开心！

⏰ 21:51 | ❤️ 1687点赞 | 📝 84字 | 查看原文 →

↑ 返回顶部

Rohan Paul @rohanpaul_ai

Compiling in real-time, the race towards AGI.

The Largest Show on X for AI.

Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝

💡 核心观点: 建议用“超级智能”替代“人工智能”以消除负面联想。

可信度: 8/10 – 2项声明可直接验证；1项需进一步确认；1项为观点陈述

事实核查:

• ✓ 可验证: 杰夫·贝佐斯表示他喜欢“超级智能（SI）”这一术语，认为“人工”一词带有负面含义 (可通过福克斯新闻的完整视频（推文提及的链接）直接验证贝佐斯是否发表过该言论)
• ✓ 可验证: 杰夫·贝佐斯认为“人工”一词类似于“假货”，并举例人造甜味剂或人造香精作为类比 (该类比是贝佐斯的主观解读，但言论本身可通过视频验证其真实性)
• ◦ 观点: 杰夫·贝佐斯称“让公众改口使用‘超级智能’是一条漫长的道路，因为人们已习惯‘AI’这一术语 (这是贝佐斯对术语普及难度的主观判断，无客观事实依据，属于个人观点)

原文内容:

“我确实喜欢 SI（超级智能），因为‘人工’这个词并不是什么很讨好的说法。就像没人想要人造甜味剂或人造香精，这有点像是假货的意思。
要让每个人都改口只说超级智能，这是一条漫长的道路，因为他们现在已经太习惯 AI 了。”

杰夫·贝佐斯在福克斯新闻上的发言（完整视频链接在评论中。）

⏰ 12:34 | ❤️ 72点赞 | 📝 113字 | 查看原文 →

↑ 返回顶部

Aakash Gupta @aakashgupta

http://product-growth.com https://aibyaakash.com http://landpmjob.com http://youtube.com/@growproduct | 影响力: 0万粉丝

💡 核心观点: 男子徒步28年环游世界，历经艰险终归家。

可信度: 10/10 – 2项声明可直接验证；3项需进一步确认

事实核查:

• ◐ 部分可验证: 卡尔·布什比（Karl Bushby）在1998年11月从智利蓬塔阿雷纳斯出发，计划用12年时间步行穿越世界。 (可通过历史新闻报道（如BBC、《卫报》等）或卡尔·布什比的个人网站/社交媒体验证其出发时间、地点和初始计划，但“计划用12年”可能属于早期预估，实际进展需结合后续事件交叉验证。)
• ✓ 可验证: 2006年，卡尔成为第一个徒步穿越白令海峡进入俄罗斯的人，并在冰面花费14天。 (该事件曾被多家权威媒体（如《国家地理》、路透社）报道，且有同伴冻伤的记录，白令海峡穿越的细节可通过公开报道和纪录片（如卡尔参与的《The Goliath Expedition》）验证。)
• ◐ 部分可验证: 俄罗斯限制其签证每次90天，迫使他分段穿越西伯利亚，最终被禁止入境五年。 (签证限制和入境问题可通过俄罗斯移民局公开政策或卡尔本人的旅行日志部分验证，但具体“分段穿越”细节和“4800公里步行至大使馆”需依赖其个人记录，可能存在单方面叙述。)

原文内容:

一个男人1998年离开家，向妈妈承诺，除非走遍世界，否则不会回来。他完全不能使用任何交通工具。他刚刚到家。这次步行花了28年，而他儿子整个过程中只见过他4次。

卡尔·布什比（Karl Bushby）在1998年11月带着大约500美元和纸质地图从智利蓬塔阿雷纳斯（Punta Arenas）出发，当时他是一名英国伞兵。他预计需要12年。

这次步行基本按计划进行。他走完了南美洲的全长，穿越了达连峡谷（Darién Gap），并抵达了阿拉斯加。

然后在2006年，他成为历史上第一个徒步穿越白令海峡进入俄罗斯的人。在漂浮的冰上花了14天，蜿蜒150英里穿越58英里的海峡。他的伙伴因冻伤失去了一根手指。

他一到俄罗斯就被逮捕。罚款72美元，然后被驱逐出境。

冰面花了两周时间。文书工作却花了将近十年。俄罗斯将他的签证限制在每次90天，所以他分段穿越西伯利亚，每次签证到期就离开，然后回到原地继续前行，确保路线不中断。当莫斯科完全不让他进入时，他从洛杉矶步行4800公里到华盛顿特区的俄罗斯大使馆，当面提出请求。他们还是禁止他入境五年。

上周，57岁的他终于抵达了最后一个边境。英吉利海峡隧道当局不允许他使用服务隧道，于是他游过了英吉利海峡。在水里泡了20小时，分成三天。然后他从多佛附近的海滩走上岸。

28年。29个国家。31,000英里。他说自己两手空空地回家，必须重新适应成年人的世界。

每个冒险家都说要完成他们开始的事。卡尔·布什比为此奉献了半生。

⏰ 11:34 | ❤️ 274点赞 | 📝 478字 | 查看原文 →

↑ 返回顶部

Aakash Gupta @aakashgupta

http://product-growth.com https://aibyaakash.com http://landpmjob.com http://youtube.com/@growproduct | 影响力: 0万粉丝

💡 核心观点: 年轻人因房价和工作机会跨州迁移以节省开支。

可信度: 10/10 – 3项声明可直接验证；2项需进一步确认

事实核查:

• ✓ 可验证: 加利福尼亚的中位数房价是80.9万美元，南卡罗来纳州则是30.6万美元。 (可通过美国房地产公开数据平台（如Zillow、Redfin）或美国人口普查局（Census Bureau）的中位数房价报告直接验证。)
• ✓ 可验证: 美国人整体搬家率在2023年为7.8%，是自1948年统计以来的最低比率；房主搬家率仅4.1%，创纪录低点。 (美国人口普查局的《地理流动性报告》（Current Population Survey）会公布年度搬家率数据，哈佛住房中心的研究报告也可提供相关引用。)
• ◐ 部分可验证: 2024年有32万房主因不愿放弃3%抵押贷款而选择不搬家（对比6.5%新贷款利率）。 (需交叉验证哈佛住房中心的具体报告和美联储抵押贷款利率数据，但房主行为推断可能存在抽样偏差。)

原文内容:

从加利福尼亚搬到南卡罗来纳州就能让房价便宜50万美元。这就是整个地图，用一句话概括。

加利福尼亚的中位数房价是80.9万美元。在南卡罗来纳州则是30.6万美元。一个25岁的年轻人带着远程工作搬过去，就省下了比大多数人十年赚的钱还多的钱。没有加薪能做到这样。没有晋升能做到这样。一辆U-Haul货车就能做到这样。

这里是让它变得有趣的部分。

美国人整体上基本上已经停止搬家了。去年有7.8%的人换了房子，这是自1948年政府开始统计以来的最低比率。房主几乎完全不动了，只有4.1%，也是创纪录的低点。哈佛大学的住房中心发现，2024年有32万房主少于往年搬家，因为卖房意味着放弃他们锁定的3%抵押贷款，转而承担一栋更贵的房子上的6.5%贷款。没有理智的人会这么做。所以他们就待着不动。

Z世代什么都没有，所以这些都不适用于他们。他们去年有23.9%的人跨越州界，大约是全国平均水平的3倍。

他们也不是盲目搬家。宝马、波音和米其林在格林维尔到查尔斯顿之间建起了一条制造业带，所以南卡罗来纳州既有便宜的房子，也有工作机会。它在一年内吸引了2.3万Z世代成年人，而加利福尼亚则失去了5.8万人。

加利福尼亚一栋中档房子现在需要家庭年收入23.7万美元才能获得抵押贷款资格。过去，租房意味着你落后了。在这个市场，它意味着你是唯一一个还能自由去数学上可行的地方的人。

没有资产的这一代人是唯一剩下有选择余地的人。

⏰ 14:57 | ❤️ 307点赞 | 📝 493字 | 查看原文 →

↑ 返回顶部

Chubby♨️ @kimmonismus

Tech Analyst & Content Creator. Editor-in-Chief @getsuperintel – Community of 300k+ in total: https://linktr.ee/kimmonismus // [email protected] | 影响力: 0万粉丝

💡 核心观点: 探讨GPU适用性及新旧系统替换时机与软件作用。

可信度: 10/10 – 3项声明可直接验证；1项需进一步确认；1项为观点陈述

事实核查:

• ✓ 可验证: Shruti Koparkar来自@NVIDIA，专注于加速计算和AI推理 (可通过NVIDIA官网或LinkedIn等公开职业平台核实Shruti Koparkar的职位及工作领域。)
• ◐ 部分可验证: 讨论了CUDA和CUDA-X、AI基础设施的经济性，以及GPU的长期有用性和盈利性 (CUDA和CUDA-X为NVIDIA公开技术，经济性和GPU效用部分可查证（如白皮书或行业报告），但具体讨论内容需依赖未发布的采访全文。)
• ✓ 可验证: 完整的采访将很快上传 (可通过后续查看推文作者或NVIDIA的官方渠道是否发布采访视频/文稿来验证。)

原文内容:

今天，我有幸采访了来自@NVIDIA的Shruti Koparkar，她专注于加速计算和AI推理。

我们讨论了CUDA和CUDA-X、AI基础设施的经济性，以及随着模型和工作负载的变化，GPU还能保持有用性和盈利性多久。

在什么情况下继续使用旧的GPU系统才有意义？什么时候应该重新利用它或替换它？软件在这一决策中扮演什么角色？

与Shruti讨论这些问题真是非常愉快。感谢你抽出时间进行这场对话！

我们很快会上传完整的采访。我非常期待与你分享，但今天想先分享一个初步更新。

⏰ 06:45 | ❤️ 35点赞 | 📝 170字 | 查看原文 →

↑ 返回顶部

Suchen Zang @suchenzang

Always hungry for intelligence. | 影响力: 1,373万粉丝

💡 核心观点: 用代理重写堆栈后仍无实际用途。

可信度: 6/10 – 1项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: 我们构建了一个堆栈，用代理方式自动魔术般地重写现有的堆栈 (需查看技术文档或代码库确认是否存在该堆栈及其实现方式，但”魔术般”等描述带有主观性，具体功能需实测验证。)
• ✓ 可验证: 在那之前，这个堆栈未做过任何有用的事 (堆栈的历史效用缺乏具体指标或公开记录，属于未经验证的否定性断言。)
• ◦ 观点: 现在它是否以完全相同的方式继续做着以前的无用之事？不确定 (结论为”不确定”，属于主观判断，未提供比较依据或客观标准。)

原文内容:

> 我们构建了一个堆栈，用代理方式自动魔术般地重写现有的堆栈，用 ____
> 在那之前，这个堆栈做过任何有用的事吗？
> 没有。
> 现在它做过任何有用的事吗？
> 没有。
> 它现在是否以完全相同的方式继续做着以前的无用之事？
> 不确定。

天哪！他们又做到了！

⏰ 06:32 | ❤️ 64点赞 | 📝 96字 | 查看原文 →

↑ 返回顶部

Rohan Paul @rohanpaul_ai

Compiling in real-time, the race towards AGI.

The Largest Show on X for AI.

Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝

💡 核心观点: 机器人手通过模拟训练实现高精度笔旋转控制。

可信度: 10/10 – 2项声明可直接验证；3项需进一步确认

事实核查:

• ◐ 部分可验证: WUJI Hand 2 机器人手通过物理模拟器训练后成功在真实环境中旋转笔，并在 IROS 2026 上展示成果 (可通过 IROS 2026 官方会议记录或 WUJI 官方发布的演示视频验证展示内容，但需确认具体实验数据和真实环境表现是否与推文一致。)
• ✓ 可验证: WUJI Hand 2 拥有 20 个关节，每个关节由独立电机驱动，控制速率为 1,000 Hz (硬件规格可通过 WUJI 官网或技术文档直接查证，电机和控制速率参数属于公开技术细节。)
• ◐ 部分可验证: 训练使用 mjlab 工具包运行 4,096 个虚拟手副本，采用 PPO 强化学习方法 (mjlab 和 PPO 方法是公开技术，但需访问 WUJI 开源代码库（Apache 2.0 许可）确认具体实现细节和虚拟副本数量。)

原文内容:

另一只精美的机器人手。

WUJI 训练了其 20 个关节的机器人手 WUJI Hand 2，在物理模拟器中旋转一支笔，然后将相同的训练策略应用到真实的手上。

它在 IROS 2026（国际智能机器人与系统会议）上展示了这个成果，还展示了一款传感器手套，让人可以实时控制这只手。

笔旋转对机器人手来说是个艰难的考验，因为笔会不停地滚动、滑动并在手指间传递，如果一根手指动作稍晚就会掉落。
@wuji_global 的 Hand 2 有 20 个关节，每根手指四个，每个关节由独立的电机驱动，并支持 1,000 Hz 的控制速率。

训练使用了 mjlab，这是一个基于 MuJoCo 物理模拟器的机器人学习工具包，同时运行 4,096 个虚拟手副本，使用 PPO（近端策略优化）方法，这是一种强化学习方法，AI 通过反复试验改进，并因良好动作获得奖励。

AI 学会跟随 40 个录制的笔部动作，这些动作分为 5 组，从围绕 1 个轴的简单转动到跨越多个轴的连续旋转，并且每当笔偏离计划时，它都会持续校正手指。

在真实的手上，该策略每秒 50 次向所有 20 个关节发送目标，同时一台工业相机跟踪一支 250mm 3D 打印笔两端的打印标记以及手腕上的标签，因此 AI 始终知道笔的位置。

手套涵盖了另一种教导机器人的方式：指尖处的 5 个电磁传感器以每秒 120 次的频率跟踪每根手指的位置和角度，延迟约 10ms 或更少，软件将这些数据转换为机器人手复制的关节角度。

手套掌心上的 526 点压力网格还会记录人握力的强度，这使得它非常适合为通过模仿人类学习的机器人收集训练数据。

WUJI 以开放的 Apache 2.0 许可发布了代码、动作剪辑、训练模型和可打印的笔文件，因此一个拥有 WUJI Hand 2、相机和 NVIDIA GPU 的实验室可以重复整个设置。

⏰ 06:19 | ❤️ 30点赞 | 📝 538字 | 查看原文 →

↑ 返回顶部

Riley Brown @rileybrown

帮助人们在他们的业务中实施智能代理。
我的播客 @agentnative_ 在这里收听 | 影响力: 0万粉丝

💡 核心观点: 多家AI平台发布重大更新及新功能。

可信度: 10/10 – 4项声明可直接验证；1项需进一步确认

事实核查:

• ◐ 部分可验证: Claude 项目推出 (可通过 Anthropic 官方公告或更新日志验证，但需确认具体功能是否如描述一致（如是否为全新项目）。)
• ✓ 可验证: OpenAI 数学突破 (未提供具体突破内容或论文/数据支持，可能为主观宣传或未公开进展。)
• ✓ 可验证: GrokBot 现在使用所有模型 (可通过 GrokBot 官方文档或更新说明验证模型集成情况。)

原文内容:

代理世界里的一周大事。
Claude、GrokBot 和 Codex 的新更新。

以下是 20 分钟内 18 个最大更新。
（详情和链接在下方）

00:00 引言
Claude
   00:19 Claude 仪表板与 Claude Motion
   02:30 使用 Opus 5.5 进行 AI 视频编辑
   04:01 Claude 项目推出
   06:08 Haiku 5.5 发布
OpenAI
   06:45 28 天 Codex
   08:21 ChatGPT 智能 UI
   09:20 OpenAI 数学突破
GrokbBot
   09:58 GrokBot 现在使用所有模型
   11:28 GrokBot 团队与主要机器人
Google
   12:49 Nano Banana 2.1
   13:41 Gemini 4 Argon 传闻
   14:07 反重力
更多
   15:34 AI 正在重现 Adobe 软件
   16:50 视频游戏被逆向工程并合并
   17:23 在浏览器中玩控制台游戏
   18:09 新个人代理产品
   19:33 Hermes 代理筹集 9000 万美元
20:35 结语

⏰ 06:14 | ❤️ 99点赞 | 📝 129字 | 查看原文 →

↑ 返回顶部

Rimsha Bhardwaj @heyrimsha

Helping you master AI daily with step by step AI guides, & practical tools • AI Educator & Writer • DM for Collab | 影响力: 0万粉丝

💡 核心观点: 2026年成为AI工程师需掌握Python、LLM基础和提示工程。

可信度: 10/10 – 3项声明可直接验证；1项需进一步确认；1项为观点陈述

事实核查:

• ✓ 可验证: 学习Python、Git和HTTP API是成为AI代理工程师的基础 (Python、Git和HTTP API是公认的编程和开发工具，相关学习资源和官方文档公开可查，其重要性在软件开发领域有广泛共识。)
• ◐ 部分可验证: 构建3个API驱动的工具有助于掌握Python基础 (实践项目的具体效果因人而异，但通过构建API工具巩固编程技能是常见的教育方法，部分在线课程和教程支持这一观点。)
• ✓ 可验证: 可靠的AI代理输出需要可衡量的预期（如自动化检查的提示词） (提示工程（Prompt Engineering）中强调可重复性和评估指标，相关方法在OpenAI等机构的文档和研究中均有提及。)

原文内容:

如果要在2026年前用6个月成为AI智能体工程师

我会遵循这10个阶段

第一阶段：Python基础
- 学习：Python、Git、HTTP API
- 实践：开发3个基于API的工具
- 原因：智能体是软件系统，而不仅是提示词

第二阶段：大语言模型基础
- 学习：分词、上下文窗口、结构化输出
- 实践：编写5个可复用的LLM函数
- 原因：模型行为比模型噱头更重要

第三阶段：提示工程
- 学习：小样本示例、约束条件、输出模式
- 实践：创建10个带自动化检查的提示
- 原因：可靠的输出需要可衡量的预期

第四阶段：工具调用
- 学习：函数模式、权限控制、错误处理
- 实践：用5个工具构建1个智能体
- 原因：真正的智能体需要与系统交互

第五阶段：检索增强生成系统
- 学习：嵌入向量、检索、重排序
- 实践：构建支持100份文档的问答系统
- 原因：搜索质量比堆砌上下文更重要

第六阶段：智能体工作流
- 学习：状态管理、流程编排、检查点
- 实践：构建三步骤研究流程
- 原因：结构化工作流能避免无效循环

第七阶段：浏览器自动化
- 学习：Playwright、MCP、浏览器权限
- 实践：自动化5个浏览器工作流
- 原因：智能体需要操作真实界面

第八阶段：效果评估
- 学习：测试数据集、评分标准、回归测试
- 实践：评估100次智能体运行
- 原因：可运行的演示几乎不能证明什么

第九阶段：安全与可靠性
- 学习：沙箱隔离、重试机制、支出限额
- 实践：为智能体添加10种故障测试
- 原因：真实用户会暴露所有弱点

第十阶段：部署上线
- 学习：Docker、监控系统、持续集成
- 实践：部署带日志和告警的智能体
- 原因：交付意味着保持系统持续运行

只会写提示词的AI构建者正在被能开发、测试和维护真实系统的工程师取代

收藏并转发

把这份指南送给正在学习智能体AI的人

⏰ 18:03 | ❤️ 20点赞 | 📝 249词 | 查看原文 →

↑ 返回顶部

Rohan Paul @rohanpaul_ai

Compiling in real-time, the race towards AGI.

The Largest Show on X for AI.

Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝

💡 核心观点: 大语言模型被禁用思考时仍惯性推理开放式问题。

可信度: 10/10 – 3项声明可直接验证；2项需进一步确认

事实核查:

• ✓ 可验证: 清华大学、牛津大学和斯坦福大学的新论文发现，即使关闭思考功能，大语言模型（LLM）在开放式问题上仍会大声推理。 (可通过论文链接（arxiv.org/abs/2610.11765）直接查看研究方法和实验数据，验证结论是否基于可控实验。)
• ◐ 部分可验证: 在思考功能被禁用时，DeepSeek-V4-Flash 在 99.9% 的开放式回答中仍然写出了推理过程。 (论文中可能提供了具体测试数据，但需实际复现实验或依赖作者公开的原始数据才能完全验证该统计结果的准确性。)
• ✓ 可验证: 在开放式任务中强制仅回答模式，在 5 个模型中将遵从率提高到约 40%，但准确率下降了约 15 个百分点。 (论文中应包含对比实验的设计和结果（如模型列表、测试集、指标定义），可通过公开数据验证。)

原文内容:

清华大学、牛津大学和斯坦福大学的新论文发现，即使关闭思考功能，大语言模型（LLM）在开放式问题上仍会大声推理。

在思考功能被禁用时，DeepSeek-V4-Flash 在 99.9% 的开放式回答中仍然写出了推理过程。缺少思考标签或简短回复并不能证明模型跳过了推理。

是/否问题容易直接回答，选择题居于中间位置，而开放式问题则不断将模型拉回推理过程。

在开放式任务中强制仅回答模式，在 5 个模型中将遵从率提高到约 40%，但准确率下降了约 15 个百分点。

– arxiv.org/abs/2610.11765

标题：“思考惯性：被告知不要思考时，LLM 仍在思考”

⏰ 12:10 | ❤️ 63点赞 | 📝 189字 | 查看原文 →

↑ 返回顶部

Aakash Gupta @aakashgupta

http://product-growth.com https://aibyaakash.com http://landpmjob.com http://youtube.com/@growproduct | 影响力: 0万粉丝

💡 核心观点: 台裔表亲分掌AI芯片巨头，同获美国国家科学奖章。

可信度: 10/10 – 3项声明可直接验证；2项需进一步确认

事实核查:

• ✓ 可验证: 詹森·黄（Nvidia CEO）和丽莎·苏（AMD CEO）是表亲关系，詹森的母亲是丽莎·苏祖父的妹妹。 (可通过公开的家族历史报道、传记或官方采访验证。例如，彭博社等媒体曾报道过两人的亲属关系。)
• ✓ 可验证: 总统向詹森·黄和丽莎·苏颁发国家科学奖章。 (可通过白宫官网或官方新闻稿查询获奖名单及颁奖记录。)
• ◐ 部分可验证: 詹森·黄的第一份芯片工作是在AMD，后于1993年创立Nvidia；丽莎·苏在2014年接管AMD时股价为3美元，并通过竞争性芯片复兴公司。 (职业履历和公司历史可通过LinkedIn、公司年报或SEC文件验证，但股价和复兴细节需结合具体时间点的财务数据。)

原文内容:

掌管 Nvidia 的那位男士和掌管 AMD 的那位女士是表亲。今天，总统在同一个舞台上向他们两人颁发了国家科学奖章。

詹森·黄的母亲是丽莎·苏祖父的妹妹。他们在台湾的家族族长有 12 个孩子，那棵家族树的两根分支最终掌管了支撑整个 AI 热潮的芯片制造的两家公司。

他们甚至没有一起长大。詹森的父母卖掉了几乎所有财产，在他 9 岁时送他去肯塔基州乡村的寄宿学校。苏的家人则在她 3 岁时带她来到美国。这对表亲直到成年后才第一次见面，那是在职业生涯几十年后的一次行业活动上。

詹森的第一份芯片工作其实是在 AMD。他在那里设计微处理器，然后在 1993 年创立了 Nvidia。苏在 2014 年接管 AMD，当时股价徘徊在 3 美元左右，她花了接下来的十年时间用芯片复兴公司，这些芯片就是为了直接与她表亲的公司竞争而设计的。

再拉远来看今天的全名单。谢尔盖·布林出生在莫斯科。萨蒂亚·纳德拉出生在海得拉巴。埃隆出生在比勒陀利亚。詹森和丽莎出生在台湾。六位获得美国最高科学技术荣誉的人中有五位的人生起点都在别处。

台湾的一位祖父有 12 个孩子。他的两个后代如今都获得了国家科学奖章，这些奖章是在为击败彼此而建立的公司中赢得的。

⏰ 16:00 | ❤️ 426点赞 | 📝 416字 | 查看原文 →

↑ 返回顶部

Riley Brown @rileybrown

帮助人们在他们的业务中实施智能代理。
我的播客 @agentnative_ 在这里收听 | 影响力: 0万粉丝

💡 核心观点: Claude代理平台可通过多线程协作帮助用户智能管理任务和自动化流程。

可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: 用户可以通过Claude应用创建一个新的Claude代码项目，并使用特定提示来设置个人代理平台 (需实测验证Claude应用是否支持创建代码项目及使用该提示的效果，但AnthropicAI的官方功能文档可能提供部分依据。)
• ◐ 部分可验证: Projects功能支持委托任务，通过协调者聊天和线程（子代理）实现，子代理可运行于云端或本地设备（如MacBook/Mac mini） (需依赖AnthropicAI的官方说明或实测验证任务委托和子代理运行机制，但设备兼容性部分（如Mac mini）需用户自行确认。)
• ✓ 可验证: 协调者线程可使用Opus 5.5模型，而子线程可运行不同模型（如haiku或sonnet） (模型名称（Opus 5.5/haiku/sonnet）可能为内部代号或假设性描述，目前无公开资料证实其存在或功能。)

原文内容:

如果你想感受一下由@AnthropicAI创建的个人代理平台是什么感觉，现在就去Claude应用创建一个新的Claude代码项目，命名为Tony或其他什么。

使用这个提示。“这个项目负责推动我的生活向前发展，你要帮助我按照重要性顺序完成任务。分析我所有的连接，包括电子邮件、Slack和任何平台，并建议我们可以现在设置的线程和自动化。其中一个线程应该称为Organizer，它负责优先级排序和规划，维护一份最新的可编辑文档，包含我们的待办事项列表和重要文件。”

Projects非常擅长委托任务。这就是它的设计目的。有个协调者聊天，然后是线程（子代理）。酷的是，这些子代理可以是云端的或本地的。而且由于我有MacBook和2台24/7运行的Mac mini，有些线程就在那里运行。但协调者线程在云端，所以它随时可用。

你的协调者线程可以是Opus 5.5，但线程可以运行不同的模型。如果它们负责非常例行的任务，就要求使用haiku或sonnet。

⏰ 20:37 | ❤️ 1225点赞 | 📝 299字 | 查看原文 →

↑ 返回顶部

ℏεsam @hesamation

apes made fire, then GPUs, then ASI | 影响力: 0万粉丝

💡 核心观点: AI医学突破遭医生抵制，忽视治愈优先于传统研究目标。

可信度: 6/10 – 1项声明可直接验证；1项需进一步确认；1项为观点陈述

事实核查:

• ◐ 部分可验证: AI找到了治愈癌症的方法 (当前AI在医学研究中的应用（如药物发现、基因分析等）有公开报道，但“治愈癌症”是宽泛表述，需具体案例或论文支持。部分成果可验证（如AlphaFold等工具），但“治愈方法”是否已临床落地需进一步核实。)
• ✓ 可验证: 医生们抗议称‘医学研究的目标是人类对医学的理解，而不仅仅是发现治愈方法’ (推文未提供具体医生群体、言论来源或事件背景，无法验证其真实性。类似争议可能存在（如AI伦理讨论），但此表述更接近主观观点或假设性场景。)
• ◦ 观点: ‘理解新的数学是医生的工作’ (这是推文作者对医生职责的主观解读，无客观标准。医学实践与数学理解的关联性取决于具体领域（如医学统计学），但无法直接验证其普遍性。)

原文内容:

想象一下，因为癌症而死去，因为 AI 找到了治愈方法，但医生们抗议说：

> 医生们并没有要求做这项工作。

> 医学研究的目标是人类对医学的理解，而不仅仅是发现治愈方法。

理解新的数学不正是你们的工作吗？

⏰ 05:44 | ❤️ 70点赞 | 📝 82字 | 查看原文 →

↑ 返回顶部