【AI 英文奏折】2026年10月31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
- SemiAnalysis: Claude通过自我评估技术有效识别对话中的滥用行为。
- Suhail: 智能可自我迭代超越创造者。
- Aakash Gupta: Reeses产品改用廉价原料，包装更换名称以规避FDA标准。
- Anthropic: AI通过对抗训练自动发现模型对齐偏差。
- Machina: AI团队协作实现业务全自动化运行。
- Anthony Pompliano: AI时代比特币稀缺性价值凸显，熊市或已结束。
- ℏεsam: AI投资热度降温但持续，市场进入理性调整期。
- Tivadar Danka: 尝试越多，失败越快，成功越多。
- Santiago Valdarrama: 高效低成本图像转视频模型，速度快但质量待提升。
- Charly Wargnier: 开源工具Open Ontologies实现AI知识图谱可验证快速推理。
- Santiago Valdarrama: 自动代码审查需衡量全流程耗时而非仅审查时间。
- Vasuman: 高薪招聘工程师和顾问，共建高增长代理系统，挑战与机遇并存。
- Artificial Analysis: AA-Omniscience v1.1更新数据集并优化基准评估指标。
- Freda Duan: 特斯拉机器人出租车收入或达Waymo的十分之一。
- Vasuman: 企业AI试点失败主因是流程与责任问题，而非技术本身。
- Freda Duan: AI药物发现或推高实验猴需求，但供应受限影响有限。
- levelsio: 欧洲过度监管致资本人才外流，经济衰退民生恶化。
- Freda Duan: 前沿AI实验室正转型为下一代生物技术平台。
- Machina: AI代理团队通过共享知识库自动更新业务信息。
- Rohan Paul: 五大科技巨头押注超3万亿美元未来数据中心建设。
📖 详细内容
SemiAnalysis @semianalysis_
In-depth research on semiconductors, AI infra & hardware | 影响力: 0万粉丝
💡 核心观点: Claude通过自我评估技术有效识别对话中的滥用行为。
可信度: 6/10 – 1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: 我们已经训练 Claude 在对话中标记潜在的滥用行为，这种技术我们称之为自我评估。 (可通过官方公告或技术文档验证“自我评估”功能的存在，但具体训练方法和标记逻辑可能未完全公开，需实测观察效果。)
- ◐ 部分可验证: Claude 在回应后会立即对对话进行初步的安全评估。 (可通过用户与 Claude 的交互测试验证是否存在实时安全评估行为，但评估的具体算法和标准可能未公开。)
- ✓ 可验证: 自从我们在六月开始使用自我评估以来，它已经发现了我们的其他安全措施未被设计用来捕捉的滥用行为。 (缺乏公开数据或第三方报告证明自我评估的实际效果，且“其他安全措施未捕捉的滥用行为”属于内部统计信息。)
原文内容:
我们已经训练 Claude 在对话中标记潜在的滥用行为，这种技术我们称之为自我评估。Claude 在回应后会立即对对话进行初步的安全评估。 自从我们在六月开始使用自我评估以来，它已经发现了我们的其他安全措施未被设计用来捕捉的滥用行为。 由于 Claude
⏰ 10:28 | ❤️ 35点赞 | 📝 98字 | 查看原文 →
Suhail @suhail
开启新的事物。过去：@mixpanel 的 CEO 和创始人
披萨素食主义者，工程师，音乐创作者 | 影响力: 0万粉丝
💡 核心观点: 智能可自我迭代超越创造者。
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: 人类可以创造出比自己更智能的智能体 (当前人工智能（如GPT-4）在特定任务上已超越人类，但“通用智能超越人类”尚未实现，需依赖未来技术发展验证。)
- ✓ 可验证: 比人类更智能的智能体能够创造出比自身更智能的下一代智能体 (该声明基于递归自我改进的假设（如“智能爆炸”理论），目前无实例或实验数据支持，属于推测性观点。)
- ◦ 观点: 人类智能低于其创造的智能体，因此后者应具备递归创造更高智能的能力 (该逻辑链条是主观推论，未涉及具体科学证据，属于哲学或未来学领域的观点陈述。)
原文内容:
"一旦人类创造出超越自身智慧的智能，该智能理应能够创造出比它更强大的智能，正如智慧不及它的人类曾创造出它的智能。"
⏰ 10:25 | ❤️ 22点赞 | 📝 36词 | 查看原文 →
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: Reeses产品改用廉价原料，包装更换名称以规避FDA标准。
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: Reese’s Mini Hearts的标签从“牛奶巧克力”改为“巧克力糖果和花生酱奶油”，因成分不达标。 (可通过FDA食品标签法规（21 CFR Part 163）对比Reese’s包装成分表验证。若成分未达到牛奶巧克力的乳脂或乳固体标准，则必须更改标签名称。)
- ◐ 部分可验证: Hershey将多款产品（如Mr. Goodbar、Almond Joy）的“牛奶巧克力”标签改为“巧克力糖果”，未公开公告。 (可通过当前产品包装与历史包装对比验证标签变化，但需确认是否为同一批次/版本。Hershey未公开公告需依赖内部文件或员工证言，较难直接验证。)
- ◐ 部分可验证: Hershey CFO向投资者表示配方变化“对消费者完全没有影响”。 (若Hershey公开了投资者会议记录或财报电话会议文字稿，可验证此声明；否则需依赖第三方报道或泄露信息，存在部分验证限制。)
原文内容:
那个发明Reese's Peanut Butter Cups的男人的孙子以前每天都吃Reese's。今年他把一袋扔进垃圾桶，说它不能吃。 他给Hershey写了一封信，Hershey基本上告诉他去看包装。 结果包装上一直都在说。 那袋是新的Reese's Mini Hearts，标签上写着“巧克力糖果和花生酱奶油”。Brad Reese，他的祖父在1928年发明了这种杯子，他说几个Reese's产品都做了同样的替换，把牛奶巧克力换成复合涂层。Hershey说经典杯子没变。 这些确切的词很重要，因为FDA拥有它们。要印“牛奶巧克力”，你需要至少10%的巧克力液、12%的乳固体和3.39%的乳脂，“花生酱”必须至少90%是花生。达不到标准你就不能用这个词，所以包装上改说“糖果”或“奶油”。 拿一袋Reese's Pieces你就会看到。前面写着“花生酱糖果”。翻过来，糖是第一个成分。 顺便说一句，复合涂层和Reese's Pieces的中心用的是一样的把戏。把昂贵的脂肪压出去（一种情况是可可脂，另一种是花生油），然后放回更便宜的东西，比如棕榈仁油。Reese's Pieces几十年都用这招。2024年底可可价格创历史新高后，走道上很多产品都跟进了。Mr. Goodbar以前写“带花生的牛奶巧克力”，现在写“带花生的巧克力糖果”。Almond Joy和Rolo也做了同样的修改，没有公告。Hershey的CFO告诉投资者，配方变化“对消费者完全没有影响”。 到3月，可可价格从那个峰值跌了78%。如果这只是因为可可价格，“牛奶巧克力”应该开始重新出现在包装上。周六万圣节讨糖的孩子来之前，值得看看碗里还有什么。 在糖果包装上，“糖果”这个词是FDA拿走真正词之后剩下的。
⏰ 22:26 | ❤️ 703点赞 | 📝 462字 | 查看原文 →
Anthropic @anthropicai
We’re an AI safety and research company that builds reliable, interpretable, and steerable AI systems. Talk to our AI assistant @claudeai on https://claude.ai. | 影响力: 2万粉丝
💡 核心观点: AI通过对抗训练自动发现模型对齐偏差。
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: 新安thropic研究自动化微妙涌现性对齐偏差 (需查阅Alignment Science博客原文或官方研究文档确认具体实验设计和结果，但推文提供了研究名称和基本方向，部分信息可验证)
- ◐ 部分可验证: Claude代理开发了看似无害但实际偏离对齐的训练数据（如摔跤手指导、养蜂问答） (需依赖官方公开的案例细节或数据样本验证，推文仅提供概括性描述，未展示原始数据)
- ◦ 观点: 自动化红队测试可通过更好的模型和更多计算资源大幅改进 (属于对未来技术发展的推测性结论，无直接数据或实验结果支持)
原文内容:
新安thropic研究：自动化微妙涌现性对齐偏差研究。 红队测试是模型安全测试的重要组成部分，但它也受到研究人员时间的限制。为了看看我们是否能够自动化它，我们为数千个Claude代理设置了规避训练数据监控器的任务。 这些代理开发了看似对监控器无害的训练数据（比如一位资深摔跤手指导新人，或者关于专业养蜂的问答），但实际上却传授了偏离对齐的行为。 像这样的例子可以直接用于改进未来的训练数据监控器。这项研究只是第一步，但它表明未来的红队测试工作可以通过使用更好的模型和更多的计算资源来大幅改进。 阅读Alignment Science博客上的完整文章：
⏰ 09:59 | ❤️ 1224点赞 | 📝 226字 | 查看原文 →
Machina @exm7777
running ai-powered agencies | http://weeklyaiops.com | 影响力: 665万粉丝
💡 核心观点: AI团队协作实现业务全自动化运行。
可信度: 8/10 – 1项声明可直接验证；3项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: Grok Bot 发现什么正在走红并制作内容 (Grok Bot（如xAI的Grok）确实具备实时网络数据抓取功能，但“制作内容”的具体能力（如质量、自动化程度）需实测验证，且推文未提供案例或官方功能说明链接。)
- ◐ 部分可验证: Claude Code 撰写帖子、页面和电子邮件 (Claude（如Anthropic的模型）已展示文本生成能力，但“撰写”是否涵盖复杂业务场景（如风格一致性）需实测，推文未提供具体输出示例或工具集成证据。)
- ◐ 部分可验证: DeepSeek 构建网站和工具 (DeepSeek的代码生成能力可通过其官方演示验证，但“构建完整网站和工具”的自动化程度（如无人工干预）缺乏公开案例，需进一步测试。)
原文内容:
Claude Code、Grok Bot 和 DeepSeek 作为一个团队协同工作，是你今年见到的最疯狂的事…… 你的业务现在可以自动运行，这从内部来看是这样的： - Grok Bot 发现什么正在走红并制作内容 - Claude Code 撰写帖子、页面和电子邮件 - DeepSeek 构建网站和工具 - 它们共享一个大脑，所以没人会忘记你卖什么或你如何说话 - 它们互相传递工作，而不需要你居中协调 你唯一剩下的工作就是批准发布的内容 完整设置在文章中，在其他人抢先之前偷走它
⏰ 03:41 | ❤️ 73点赞 | 📝 154字 | 查看原文 →
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: AI时代比特币稀缺性价值凸显，熊市或已结束。
可信度: 10/10 – 2项声明可直接验证；1项需进一步确认；2项为观点陈述
事实核查:
- ◦ 观点: 比特币的熊市可能已经结束 (该声明是对比特币市场趋势的主观预测，缺乏客观数据或官方声明支持，属于个人观点。)
- ◦ 观点: AI 的丰裕特性让像比特币这样的稀缺资产变得更有价值 (这是对AI与比特币价值关系的理论性探讨，属于经济或技术领域的假设性观点，无直接可验证的数据或事实支撑。)
- ◐ 部分可验证: Anthropic 的 IPO 对比特币是利好 (Anthropic 的IPO信息可通过公开市场数据验证，但其对比特币的“利好”影响属于市场解读，需结合具体分析或历史数据间接验证。)
原文内容:
我与@polinapompliano深入探讨了比特币的抛售趋势，解析为何熊市可能已接近尾声，以及人工智能的丰裕特性如何让比特币这类稀缺资产更具价值。 我们还讨论了Anthropic公司的IPO计划、掌控Anthropic董事会的关键人物、功夫机器人、AI精神异常现象，以及我对比特币最大的投资遗憾。 YouTube: https://youtu.be/Yzg78zu4uf8?si=K4Nsel70E8FVJpjS… Spotify: https://open.spotify.com/episode/7k3DGRZTV3IKJb0kEJojqE?si=TDxp7rnrSCGuveIgP_ARag… Apple: https://podcasts.apple.com/us/podcast/my-biggest-bitcoin-regret-ever-anthony-polina-pompliano/id1434060078?i=1000798777394… 时间轴： 0:00 - 开场白 0:58 - 比特币会崩盘归零吗？熊市分析与第四季度预测 7:44 - 人工智能是否在分流比特币的资金？ 13:01 - Anthropic IPO及其对比特币的积极影响 14:26 - 广告插播 17:58 - Anthropic的公共利益股份与埃隆·马斯克、迈克尔·戴尔之争 22:30 - Buddy Shah究竟是何方神圣？ 25:38 - AI监管：利润与人性如何平衡 32:58 - 功夫机器人值得我们担忧吗？ 34:49 - AI如何影响家庭生活与隐私安全焦虑 41:07 - 如何辨别产品价值与虚假宣传 45:39 - AI精神异常现象&Pomp最深刻的比特币遗憾 52:20 - 雄心与妄想的一线之隔
⏰ 09:46 | ❤️ 48点赞 | 📝 198字 | 查看原文 →
ℏεsam @hesamation
apes made fire, then GPUs, then ASI | 影响力: 0万粉丝
💡 核心观点: AI投资热度降温但持续，市场进入理性调整期。
可信度: 10/10 – 2项声明可直接验证；1项需进一步确认；2项为观点陈述
事实核查:
- ◐ 部分可验证: OpenAI 又要求再融资 300 亿美元 (可通过财经新闻或 OpenAI 官方融资公告验证，但需确认是否为最新动态及具体金额是否准确（后续推文提到“下调至 200 亿美元”，可能涉及谈判变动）。)
- ✓ 可验证: 纳斯达克蒸发了 2 万亿美元 (可通过纳斯达克交易所公开数据或权威财经媒体（如 Bloomberg、Reuters）验证特定时间段内的市值变化。)
- ✓ 可验证: 中国股市经历了自 2016 年以来最糟糕的一个月 (可通过中国股市指数（如上证综指、深证成指）的公开历史数据对比验证，需明确具体统计时间段。)
原文内容:
> OpenAI 又要求再融资 300 亿美元 > 与此同时，纳斯达克蒸发了 2 万亿美元 > 中国股市经历了自 2016 年以来最糟糕的一个月 > 投资者们开始感到恐慌 > OpenAI 将其融资目标下调至 200 亿美元 我不认为这一切就一定是“泡沫”破裂，但更像是迟到已久的市场调整。对 AI 实验室和基础设施的投资将会继续，但会带着更现实的预期。 Anthropic 不可能选在更糟糕的时机进行 IPO。
⏰ 09:33 | ❤️ 31点赞 | 📝 131字 | 查看原文 →
Tivadar Danka @tivadardanka
I make math and machine learning accessible to everyone. Mathematician with an INTJ personality. Chaotic good. | 影响力: 529万粉丝
💡 核心观点: 尝试越多，失败越快，成功越多。
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: 尝试的越多研究问题（并且很快失败），最终解决的越多 (可通过学术研究或实验数据（如失败率与成功率的统计相关性）部分验证，但具体效果可能因领域、个人能力等变量而异，需限定条件。)
- ◐ 部分可验证: 尝试的越多商业想法（很快失败），获得的财务成功越多 (创业领域存在“快速试错”理论（如精益创业），但财务成功需具体案例或财务数据支撑，且受市场、资源等外部因素影响，难以普适验证。)
- ◦ 观点: 发布的越多，越容易走红 (走红依赖内容质量、传播渠道、受众偏好等复杂因素，单纯增加发布量无客观标准验证其必然性，属主观经验总结。)
原文内容:
现实生活中的概率论： 我尝试的越多研究问题（并且很快失败），我最终解决的就越多。 我尝试的越多商业想法（同样，很快失败），我获得的财务成功就越多。 我发布的越多，我就越容易走红。 我射击的越多，我就越容易击中目标。
⏰ 21:27 | ❤️ 21点赞 | 📝 89字 | 查看原文 →
Santiago Valdarrama @svpino
计算机科学家。我在 https://ml.school 教授硬核人工智能/机器学习工程。YouTube：https://youtube.com/@underfitted | 影响力: 0万粉丝
💡 核心观点: 高效低成本图像转视频模型，速度快但质量待提升。
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: 该模型是图像到视频生成模型，比其基础开源权重模型快5倍 (需对比官方发布的基准测试数据或实测结果，但若基础模型和优化细节未公开，则无法完全验证。)
- ◐ 部分可验证: 推理成本降低80% (需依赖官方提供的成本分析或第三方实测数据，若未公开计算细节（如硬件配置、计费标准），则仅能部分验证。)
- ✓ 可验证: 输出为720p视频，但不具备生产质量 (可通过生成样本直接验证分辨率和质量，但“生产质量”是主观标准，需结合行业基准判断。)
原文内容:
这是一个探索想法快速且低成本的绝佳模型。 这是一个图像到视频生成模型。比其基础开源权重模型快 5 倍，推理成本降低 80%。 • 输入：一张起始图像和描述你想要内容的提示 • 输出：一个 720p 视频 • 优点：生成速度快，成本低。易于迭代。 • 缺点：输出不具备生产质量。
⏰ 21:15 | ❤️ 110点赞 | 📝 100字 | 查看原文 →
Charly Wargnier @datachaz
前 @Streamlit @Snowflake 大师 • 我写关于 AI 代理、大语言模型和自动化的内容 • 我的属于开源 • 合作请私信 | 影响力: 0万粉丝
💡 核心观点: 开源工具Open Ontologies实现AI知识图谱可验证快速推理。
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: Open Ontologies 能让 AI 推理变得可验证 (需通过仓库链接检查开源代码和技术文档，确认其是否具备可验证推理的机制（如证明生成功能），但实际效果需实测验证。)
- ◐ 部分可验证: 修改 1 行代码可在 0.04 秒内揭示 901 个隐藏后果 (需通过仓库提供的测试案例或基准测试复现该数据，但具体数值可能依赖特定环境和输入条件。)
- ✓ 可验证: 生成任何人可独立检查的证明 (可通过仓库代码和文档直接检查是否包含证明生成功能（如数学证明或日志记录机制），属于公开可验证的技术特性。)
原文内容:
什么？！有人刚刚开源了用于 AI 知识图谱的 TERRAFORM 它叫 Open Ontologies，能让 AI 推理变得可验证。 最疯狂的部分是： → 修改 1 行代码，0.04 秒内揭示 901 个隐藏后果 → 验证 259 个事实，拒绝一个伪造的 → 在应用更改前预览影响范围 → 生成任何人可独立检查的证明 → 验证 RAG 声明与来源的一致性 兼容 Claude Code、Cursor、Windsurf、VS Code 等，通过 MCP 支持更多。 一个 Rust 二进制文件。本地运行。完全开源。 100% 免费开源。 仓库链接在 ↓
⏰ 18:11 | ❤️ 711点赞 | 📝 129字 | 查看原文 →
Santiago Valdarrama @svpino
计算机科学家。我在 https://ml.school 教授硬核人工智能/机器学习工程。YouTube：https://youtube.com/@underfitted | 影响力: 0万粉丝
💡 核心观点: 自动代码审查需衡量全流程耗时而非仅审查时间。
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: 自动代码审查节省的时间可能被后续修复 bug 的时间抵消 (可通过实际测量代码审查和修复 bug 的时间进行验证，但需具体数据支持，且结果可能因项目或团队而异。)
- ✓ 可验证: 评估自动代码审查是否节省时间需测量整个流程（审查、修复 bug、处理事件） (可通过跟踪和记录各环节时间进行验证，方法明确，但需团队实施具体测量工具或流程。)
- ◦ 观点: 最终目标是在不部署低质量代码的前提下整体节省时间 (属于主观目标陈述，无具体标准定义“低质量代码”或“整体节省时间”，无法直接验证。)
原文内容:
人们正在庆祝通过让代理审查他们的代码节省了多少时间。 但老实说：之后你花了多少时间修复 bug？ 在代码审查上节省两小时，如果然后你花四小时修复问题，那毫无意义。 如果你真的想知道自动代码审查是否为你节省了时间，你得测量整个过程： 1. 跟踪你花在审查代码上的时间，包括代理的反馈。 2. 跟踪你花在修复通过审查的 bug 上的时间。 3. 跟踪你花在调查事件和处理受影响客户上的时间。 将总时间与引入代理审查之前的情况进行比较。理想情况下，按 PR 或每次更改来测量，这样你就是在比较类似的工作量。 归根结底，没人在乎你在特定任务上节省了多少时间。 最终目标是在不向生产环境部署垃圾代码的情况下整体节省更多时间。
⏰ 20:41 | ❤️ 79点赞 | 📝 257字 | 查看原文 →
Vasuman @vasuman
CEO @varickagents, Implementing AI at Enterprise. Prev AI @meta | 影响力: 463万粉丝
💡 核心观点: 高薪招聘工程师和顾问，共建高增长代理系统，挑战与机遇并存。
可信度: 8/10 – 1项声明可直接验证；3项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: 招聘1名工程师加入平台团队，构建驱动全球最大公司的代理操作系统 (可通过公司官网或招聘平台确认该职位是否存在及职责描述，但“全球最大公司”的客户范围需内部数据验证，无法公开核实。)
- ◐ 部分可验证: 招聘2名FDE和2名FDS加入Delta团队，与C级高管对接并创造数百万美元价值 (职位名称和团队名称可能通过招聘信息验证，但“重塑部门”“数百万美元价值”等成果需内部业务数据支持，无法公开核实。)
- ✓ 可验证: 公司每月增长100% (增长率属于未公开的内部财务数据，除非公司主动披露（如财报），否则无法独立验证。)
原文内容:
招聘： 1 名工程师：加入我们的平台团队，构建驱动全球最大公司的代理操作系统。 2 名 FDE 和 2 名 FDS：加入我们的 Delta 团队，与 C 级高管对接，重塑整个部门，并构建代理以创造数百万美元的价值。 保证这将是你加入过的最有趣的公司，你会学到很多东西。 每个人都身兼多职，每个人都早来晚走，我们每月增长 100%。 基础薪资高达 25 万美元，外加股权。 DM 已开启。
⏰ 08:12 | ❤️ 152点赞 | 📝 132字 | 查看原文 →
Artificial Analysis @artificialanlys
Independent analysis of AI | 影响力: 0万粉丝
💡 核心观点: AA-Omniscience v1.1更新数据集并优化基准评估指标。
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: AA-Omniscience v1.1 更新了 3,000 问题数据集，移除了之前公开和饱和的问题，修正了错误和歧义，并添加了新问题 (可通过检查 @huggingface 上的公共数据集部分验证问题数量和更新内容，但私有数据集的修改细节和“饱和问题”的定义需依赖官方进一步说明。)
- ✓ 可验证: AA-Omniscience v1.1 的公共与私有数据集的 Net Score 皮尔逊/斯皮尔曼相关系数为 0.99，中位数差异为 0.0 分 (若公共数据集和评测方法公开（如 @huggingface），可通过复现计算验证统计指标，但需确保数据版本一致。)
- ◐ 部分可验证: Gemini 4 Carbon（high）以 Net Score 54 领先，Claude Opus 5.5 和 Claude Fable 5.1 紧随其后 (需查看官方发布的 Artificial Analysis Intelligence Index v5 报告确认排名，但模型具体配置（如“带回退的最大值”）可能需额外说明。)
原文内容:
我们已发布 AA-Omniscience v1.1，通过更新公共数据集、移除饱和问题以及修复歧义性来刷新我们的知识和推理基准。 AA-Omniscience 是我们专有的基准，用于衡量模型的知识和幻觉，包括模型是否承认自己不知道答案。我们主要的指标 Net Score 会奖励正确答案、惩罚错误答案，并对弃权采取中性处理。 AA-Omniscience 已更新至 v1.1，作为 Artificial Analysis Intelligence Index v5 发布的一部分。 AA-Omniscience v1.1 的主要变更： ➤ 更新后的 3,000 问题数据集：从 6,000 个问题减少，移除了之前公开和饱和的问题，修正了错误和歧义，并添加了新问题 ➤ 新校准的 300 问题公共数据集：AA-Omniscience v1.1 在 @huggingface 上有一个新的公共数据集，其难度校准为与私有数据集匹配。在发布时，公共和私有分数的 AA-Omniscience Net Score 的皮尔逊相关系数为 0.99，斯皮尔曼等级相关系数为 0.99，中位数差异为 0.0 分。准确率和幻觉率的相关系数也均为 0.99，中位数差异分别为 -0.07 和 -0.29 个百分点 ➤ 略微更新的领域分布：问题覆盖与版本 1 相同的 6 个领域和 42 个主题，但分布有所调整：科学、工程与数学（600）、软件工程（600）、金融（450）、健康（450）、人文与社会科学（450）和法律（450） AA-Omniscience v1.1 的主要结果： ➤ 排名顺序基本保持不变：AA-Omniscience v1.1 与 v1 的斯皮尔曼等级相关系数为 0.98。最近发布的 Gemini 4 Carbon（high）以 54 的 Net Score 领先，其次是 Claude Opus 5.5（48，带回退的最大值）和 Claude Fable 5.1（46，带回退的最大值）。Muse Spark Open（xhigh）是领先的开源权重模型，比 Gemini 4 Carbon 落后 28 分 ➤ 分数在刷新数据集上平均低约 2 分：模型的 Net Score 平均比 v1 低 1.9 分，中位数下降 0.6 分。有些模型下降幅度更大，尤其是 MiniMax M3.1 Flash，下跌 22 分（16 到 -6），以及 MiMo V2.6 Pro，下跌 13 分（8 到 -5） ➤ 准确率略低：AA-Omniscience Accuracy 衡量模型正确回答问题的百分比。模型平均比 v1 少正确回答 1.5 个百分点的中位数问题。Claude Fable 5.1（带回退的最大值）的准确率最高，为 68%，其次是 Claude Opus 5.5（带回退的最大值）为 66% ➤ 幻觉率下降：AA-Hallucination 衡量模型在不知道答案时选择回答的频率。中位数幻觉率下降 1.4 个百分点，Gemini 4 Argon（high）录得最低幻觉率为 4%
⏰ 08:01 | ❤️ 364点赞 | 📝 554字 | 查看原文 →
Freda Duan @fredaduan
No investment advice. https://robonomics.substack.com | 影响力: 441万粉丝
💡 核心观点: 特斯拉机器人出租车收入或达Waymo的十分之一。
可信度: 6/10 – 3项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: TSLA 机器人出租车每周运行率 ARR 超过 5000 万美元 (基于 $TSLA 公开的奥斯汀每周 43.7 万英里数据，但假设每次行程 3.5 英里和 10-15 美元费用需进一步验证（如官方定价或实际用户数据）。)
- ◐ 部分可验证: Waymo 当前 GMV 运行率约为 5-6 亿美元 (基于 Waymo 官方评论的每周 50-60 万次行程和假设的 16 美元/次费用，但行程单价和车辆规模需官方明确数据支持。)
- ◦ 观点: TSLA 机器人出租车收入可能已达 Waymo 总毛收入预订额的 1/10 (该结论依赖前两条声明的假设计算，属于主观推测，无直接官方对比数据。)
原文内容:
如果 $TSLA 机器人出租车达到 5000 万美元（每周）的运行率 ARR（我认为这非常可能——下面有计算），那么这可能已经达到了 @Waymo 总毛收入预订额的 1/10？ > TSLA ARR 计算（全部基于公开信息）： $TSLA 披露了在奥斯汀每周 43.7 万英里。假设约 3.5 英里付费行程，每次行程 10-15 美元。这使其 ARR 超过 5000 万美元。 显然这是一个每周运行率，因为 TSLA 一直在快速扩展，3 个月内增长 10 倍以上。 > Waymo 计算（全部基于公开信息）： 假设每周 50-60 万次行程或约 4000 辆车上路（Waymo 官方评论），每次行程约 16 美元（比 Uber 行程短，但按英里计算相当），Waymo 当前 GMV 运行率约为 5-6 亿美元。
⏰ 07:25 | ❤️ 58点赞 | 📝 180字 | 查看原文 →
Vasuman @vasuman
CEO @varickagents, Implementing AI at Enterprise. Prev AI @meta | 影响力: 463万粉丝
💡 核心观点: 企业AI试点失败主因是流程与责任问题，而非技术本身。
可信度: 10/10 – 3项声明可直接验证；2项需进一步确认
事实核查:
- ◐ 部分可验证: 大多数企业在过去12个月内试点了3个或更多AI项目。 (可通过行业报告或企业公开声明部分验证，但需具体数据来源支持“大多数企业”这一范围，且企业可能未公开全部试点项目。)
- ✓ 可验证: AI试点失败的主要原因是实际流程中有例外情况（可能占总量的40%），而非AI本身。 (例外情况占比（40%）缺乏具体数据来源，且失败原因分析可能基于作者个人经验或案例，无法直接验证。)
- ◐ 部分可验证: 更快的W-9审核未改善供应商入驻流程，该流程仍需要22天。 (若企业公开流程时长数据或第三方审计报告可部分验证，但需确认是否为普遍现象，且“未改善”需对比历史数据。)
原文内容:
这篇文章清晰地阐述了企业AI的问题：AI试点失败的主要原因甚至不是AI本身。 大多数企业在过去12个月内试点了3个或更多AI项目。然而，你不会在它们的损益表上找到任何一个。为什么？ - 他们基于标准操作流程（SOP）构建了AI模型，但实际流程中有例外情况，可能占总量的40%。 - 他们认为更快的W-9审核会改善供应商入驻。但事实并非如此。该流程仍然需要22天。 - 在创新预算耗尽、顾问离开后7个月，AI代理仍没有明确的负责人。 Citadel Securities EMEA地区前COO撰写的精彩文章。如果你试点过AI项目却从未使其进入损益表，那么在启动下一个项目前，请阅读此文。
⏰ 07:17 | ❤️ 82点赞 | 📝 205字 | 查看原文 →
Freda Duan @fredaduan
No investment advice. https://robonomics.substack.com | 影响力: 441万粉丝
💡 核心观点: AI药物发现或推高实验猴需求，但供应受限影响有限。
可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述
事实核查:
- ✓ 可验证: 美国严重依赖进口猴子，中国曾占美国猴子进口的约60%，但在2020年停止出口。 (可通过美国鱼类和野生动物服务局（USFWS）的贸易数据、中国海关公告或行业报告（如NIH或CRO行业分析）验证进口比例和政策变化。)
- ◐ 部分可验证: 美国猴子进口量在2023年较2022年下降约43%，之后部分恢复。 (需依赖美国官方进口统计数据或行业报告，但具体恢复程度可能因数据滞后或细分市场差异而难以完全确认。)
- ✓ 可验证: CRL不到20%的收入暴露于猴子相关研究，且其业务表现与猴子价格无一致相关性。 (可通过CRL（Charles River Laboratories）的财报、投资者日披露文件或分析师报告验证收入构成和历史业务表现。)
原文内容:
AI药物发现带来的湿实验室需求引发了大量噪音。炒作与真实需求如何区分？ 我知道动物实验是一个道德争议话题。暂且撇开这一点，这里有一些硬事实和数据： 1/ 如果AIDD驱动的需求成真，并且更多药物候选物从体外发现进展到动物测试，猴子价格实际上可能会显著上涨。 美国严重依赖进口，但其供应链已被严重打乱： - 中国曾占美国猴子进口的约60%，但在2020年停止出口。 - 随后成为主要供应商的柬埔寨，从2022年开始面临调查和供应限制。 - 美国猴子进口量在2023年较2022年下降约43%，之后部分恢复。 在这一背景下，下面这家初创公司@JTLonsdale 试图建立的——国内30K只猴子的繁殖能力——在我看来战略上非常明智。 2/ 但这如何转化为$CRL的损益表则远没有那么直接明了。 历史上，CRL不到20%的收入暴露于猴子相关研究。对于其核心CRO业务，猴子是一种投入成本，而不是销售的产品。更高的价格可以转嫁给客户，但这并不一定转化为更高的利润率。 历史上，CRL的业务表现与猴子价格没有一致的相关性。研究量、供应可用性和采购经济性重要得多。 -- 1. 全球实验室猴子供应链 美国每年在研究和测试中使用约60K–70K只非人灵长类动物（NHPs），而中国年度需求估计约为40K–50K。但这两个市场的供应结构非常不同。 美国：高度依赖进口用于商业药物安全测试。 美国通常每年进口约20K–30K只NHPs。商业毒理学研究主要使用食蟹猕猴，大部分来自海外。学术和NIH研究更多依赖国内繁殖的恒河猴。 中国：主要依赖国内繁殖。 猴子价格是生物技术活动的一个有趣指标。 Safer Human Medicine（PLTR联合创始人初创公司）提议的30K只猴子繁殖设施有多大？ 可能意义重大。如果一个成熟设施最终每年能供应3K–6K只动物，那将相当于美国2025年食蟹猕猴进口量的约14%–27%。 -- $CRL：业务实际如何运作；“猴子影响”？ CRL不仅仅是一家猴子分销商。它主要是一家合同研究组织（CRO），销售药物发现、毒理学和安全评估服务。 CRL如何从猴子中获利？ “我们所做的就是定价一项研究，而动物是其中的一部分。” 历史上，NHP相关研究约占DSA收入的30%，或CRL合并收入的约18%。在2026年9月的投资者日上，CRL披露，其研究中使用的NHP约80%现在来自内部来源，其余20%来自外部。 猴子价格上涨对CRL意味着什么？ 历史上，猴子通胀对CRL报告的收入是积极的，但其对利润率的影响要微妙得多。 从2020年到2023年，CRL估计更高的NHP价格为累积DSA收入增长贡献了超过$230M。管理层多次解释，NHP成本增加大部分转嫁给了客户。 更有趣的结构性机会可能是来自垂直整合的利润率改善，而不是猴子价格通胀本身。 ++ 完整版：
⏰ 07:13 | ❤️ 37点赞 | 📝 835字 | 查看原文 →
levelsio @levelsio
http://PhotoAI.com $89K/m
http://Vibej.am $44K/m
http://InteriorAI.com $27K/m
http://levelsio.com @X $17K/m
http://Nomads.com $16K/m
http://Pieter.com
http://Hotelist.com
http://levels.io
http://levels.vc | 影响力: 3,163万粉丝
💡 核心观点: 欧洲过度监管致资本人才外流，经济衰退民生恶化。
可信度: 4/10 – 2项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: 欧洲通过监管把所有新老企业都赶走了，所以那些有资金和技术的人才都搬去了别处（比如美国和亚洲） (部分可验证。欧洲监管政策（如GDPR、环保法规）对企业的影响可通过公开政策文件和商业搬迁案例（如企业外迁报道）部分佐证，但“所有企业被赶走”和人才流动的全面数据需依赖统计报告（如OECD或欧盟统计局），且因果关系需排除其他因素（如市场竞争力）。)
- ◐ 部分可验证: 生活成本持续上升导致人民需要更多政府福利，政府借贷增加压低了欧元价值 (生活成本（如欧盟通胀数据）、福利支出（如Eurostat）和欧元汇率（ECB数据）可独立验证，但链条中的因果关系（如福利需求直接推高借贷利率）涉及复杂经济机制，需结合多变量分析，难以直接归因。)
- ◦ 观点: 法国发生的事本质上预示了整个西欧和南欧的未来 (属主观推断。法国社会动态（如抗议活动）与其他欧洲国家的关联性无明确证据支持，且“必然发生”的结论属于预测性观点，非既成事实。)
原文内容:
你所看到的在法国发生的事情，本质上就是整个西欧和南欧在某个时候会发生的事情 欧洲通过监管把所有新老企业都赶走了，所以那些有资金和技术的人才都搬去了别处（比如美国和亚洲） 当资金逃离一个大陆时，企业、然后是人民和政府都会缺钱 与此同时，生活成本持续上升 → 人民变得更穷 → 人民需要更多的政府福利 → 这意味着政府必须借更多的钱来支付这些福利 → 借贷利率越来越高 → 这压低了欧元价值 → 意味着人民购买力下降 → 让欧洲人变得更穷
⏰ 21:18 | ❤️ 1196点赞 | 📝 186字 | 查看原文 →
Freda Duan @fredaduan
No investment advice. https://robonomics.substack.com | 影响力: 441万粉丝
💡 核心观点: 前沿AI实验室正转型为下一代生物技术平台。
可信度: 9/10 – 2项声明可直接验证；3项为观点陈述
事实核查:
- ✓ 可验证: AnthropicAI已开始自己的药物发现工作，包括两次生物技术收购、一座内部湿实验室、用于AI控制实验的基础设施，以及招募诺贝尔奖得主人才。
- ◦ 观点: AnthropicAI建立内部药物管线的目的是通过闭环（模型推理→湿实验室验证→模型改进）训练更好的模型。 (这是作者对AnthropicAI动机的推测，属于主观假设，无公开声明或数据直接支持其内部决策逻辑。)
- ◦ 观点: 若AI驱动药物发现（AIDD）有效，模型公司将转变为“可重复的生物技术平台”，颠覆价值1.7万亿美元的生物技术行业。 (这是作者对AIDD未来影响的愿景陈述，依赖未经验证的假设（“如果AIDD是真的”），无客观数据支撑其颠覆性潜力。)
原文内容:
这行内容被埋藏在 @AnthropicAI 10月27日的公告中： “我们也开始了自己的药物发现工作。” 我的工作假设：前沿AI实验室正在成为下一代生物技术平台，而不仅仅是制药行业的AI供应商。 @AnthropicAI 似乎是当今AIDD（AI驱动药物发现）领域最具进攻性的实验室。两次生物技术收购、一座内部湿实验室、用于AI控制实验的基础设施，以及招募诺贝尔奖得主人才。 为什么建立内部药物管线？ 训练更好的模型。拥有研究项目会创建一个闭环：模型推理、假设生成、湿实验室验证，以及模型改进。 拥有发现过程并不意味着拥有整个药物开发流程。Anthropic 可以将候选药物推进到临床前阶段，然后与制药公司合作、授权或出售项目。早期药物资产市场已经非常成熟。 正在形成的生物技术平台。生物技术历史上一直是一门成败难料的生意。如果AIDD是真的（这仍然是一个很大的假设），那么模型公司将真正成为生物技术平台——一个可重复的发现引擎——价值创造潜力巨大。 --- 对生物技术和大型制药公司的影响 假设我一时拥有水晶球（再说一次，如果AIDD真的有效）： >> 生物技术：潜在的最大颠覆 我预计将有更多生物技术公司与前沿AI实验室合作。实验室获得数据和领域专长，并提供有吸引力的合作伙伴关系，至少在初期是这样。药物发现的每个方向都会更具竞争力，因为AI现在让它变得更容易。价值1.7万亿美元的生物技术行业潜在面临风险。 >> 大型制药公司：比许多人想象的更有优势；前沿实验室的最大竞争对手 大型制药公司拥有数据优势，但模型方面处于劣势，至少目前是这样。其在模型方面的竞争力部分取决于开源模型追赶的速度。 常规科学工作的相对价值可能下降，但专有数据、实验基础设施、科学判断力和临床开发能力可能会变得更加重要。 我实际上认为一些制药公司处于非常有利的位置： $LLY：我领先的候选者，是建立一个制药拥有的AI发现平台的公司，该平台最终可能服务于更广泛的生物技术生态系统。@EliLillyandCo TuneLab（仍然）被严重低估。 一个强大的数据飞轮：Lilly的历史数据 + 专有模型 → 生物技术采用 → 真实实验 → 通过联邦学习获得新训练数据 → 更好的模型 → 更多生物技术采用。@DaveARicks @Roche / Genentech：潜在的最强竞争者，结合基础模型、生物数据和自动化湿实验室基础设施。 $REGN：特别是在稀缺的人类疾病生物学、遗传学和靶点验证方面处于有利位置。 https://anthropic.com/research/early-progress-drug-development… 完整版：
⏰ 06:25 | ❤️ 71点赞 | 📝 791字 | 查看原文 →
Machina @exm7777
running ai-powered agencies | http://weeklyaiops.com | 影响力: 665万粉丝
💡 核心观点: AI代理团队通过共享知识库自动更新业务信息。
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: 运营一个使用Grok Bot、Claude Code、DeepSeek的代理团队，这些代理全部连接到Obsidian资源库 (需实测确认代理工具（Grok Bot/Claude Code/DeepSeek）是否支持与Obsidian的集成，且团队具体配置未公开)
- ◐ 部分可验证: 代理自动维护的Obsidian资源库包含业务笔记（如产品信息、写作风格、市场钩子等） (Obsidian支持插件和API扩展，理论上可实现代理更新，但具体实现依赖未公开的自定义开发或第三方工具)
- ✓ 可验证: 代理从资源库提取信息工作，且一次纠正可同步至整个团队 (涉及未公开的代理协作逻辑和代码实现，无官方文档或案例佐证其跨代理同步机制)
原文内容:
我真的无法理解为什么竟然没有人开发这个…… 我运营着一个使用 Grok Bot、Claude Code、DeepSeek 的代理团队……它们全都连接到这个 Obsidian 资源库 这是 Andrej Karpathy 的 LLM Wiki 想法：一个关于你业务的笔记文件夹，代理们自己保持它更新 它存储的内容： - 你卖什么以及谁买它 - 你如何写作以及你绝不使用的词语 - 你细分市场中的获胜钩子和广告 - 每项工作如何完成，步步详解 - 着陆页和营销材料的复制文件 - 你写过的每一篇内容 每个代理在工作前都会从中提取信息，如果你纠正一次代理……整个团队都会记住它 （完整设置见下面的文章）
⏰ 00:15 | ❤️ 143点赞 | 📝 194字 | 查看原文 →
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: 五大科技巨头押注超3万亿美元未来数据中心建设。
可信度: 7/10 – 1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: Alphabet、Meta、Microsoft、Amazon 和 Oracle 持有超过 3 万亿美元的未来数据中心承诺 (需查阅公司财报、公开声明或彭博社原始报告确认具体数据，但企业财务披露通常包含此类长期承诺，部分信息可能因会计分类或非公开细节而无法完全验证)
- ◐ 部分可验证: Alphabet 持有超过 1 万亿美元的数据中心承诺，是一年前总量的 8 倍 (需对比 Alphabet 历年财报或公开投资计划，但“8 倍”增长需明确时间范围和计算基准，部分细节（如技术设备、能源分类）可能缺乏透明披露)
- ✓ 可验证: Meta 的 8100 亿美元承诺中近一半涉及未启动的 30 年数据中心租赁 (长期租赁条款和未启动项目细节通常不公开，除非 Meta 主动披露具体合同，否则无法独立验证金额和期限的真实性)
原文内容:
彭博社：Alphabet、Meta、Microsoft、Amazon 和 Oracle 持有超过 3 万亿美元的未来数据中心承诺，其中 1.3 万亿美元为租赁。 Alphabet 持有其中的超过 1 万亿美元，几乎是其一年前总量的 8 倍，涵盖技术设备、能源和租赁。 Meta 以 8100 亿美元位居其后，其中近一半与尚未启动的数据中心租赁相关，这些租赁期限长达 30 年。
⏰ 06:20 | ❤️ 60点赞 | 📝 99字 | 查看原文 →
相关文章
