把材料丢给 AI 审了一遍:它不急着给结论,先追着你要证据

做项目汇报时,我遇到过一种很熟悉的场面。

PPT 上的结论写得挺完整。

图表也放上去了。

老师突然问一句:“这个判断是从哪份材料里得出来的。”

然后就开始翻文件。

先翻 PDF,再找聊天记录,最后发现那句话可能来自一张截图。

翻不到。

材料其实有。

只是说不清它在哪一页、哪一段。

也不知道后来有没有[……]

继续阅读

大模型一体机开始缩水:满血版卖不动了,轻量化开始走量

一台一体机,去年能卖到一百五十万。

今年,同类的机器大多只敢标到 70B。

市场掉头了。

风向变了。

大模型一体机,说白就是把算力、模型和运维平台装进一个箱子。

拉到机房,通上电,就能跑本地私有化的大模型。

机构不必自己攒服务器,也不必自己调框架。

去年年初,它火过一阵。

今年,它开始缩水。

争议是[……]

继续阅读

有人给 AI 的对齐失败做了个检测器:排名很准,阈值却不能直接信

先看一个再具体不过的判断。

一个模型放出去跑。

它刚才那句话算不算越狱,算不算泄露了别人的隐私,算不算在讨好用户。

以前的两种做法,各有各的贵。

一种是请另一个大模型逐条读,逐条判。

慢,也贵。

输出还是一段话,想拿去排序,得再解析一遍。

另一种做法更省一步,只读某个固定标签的分数。

比如只看「不安[……]

继续阅读

OpenAI 连踩三道刹车,300 亿美元还是递到了门口

周二,奥特曼坐进了彭博电视的镜头。

问题问得直接:公司今年上不上市。

他答得也直接:不上。

很干脆。

同一周,还有一件事没上镜头。

最新一代旗舰模型被扣在实验室。

理由是没通过内部安全评估。

加上推迟上市、公开附和对手那一嗓子,三脚刹车接连落下。

刹得越狠,钱挤得越急。

OpenAI 正以约 1.4[……]

继续阅读

Jev 创始人在访谈里开麦:能解世纪难题的 AI,为什么干不了多少实在活

一位顶着新染红发的创始人,这两天在海外一档播客里露面。

他是 TypeSafe 的联合创始人兼 CEO,迪奥戈。

整场访谈他几乎什么都往外说。

很敢讲。

访谈开场,TypeSafe 创始人迪奥戈露面的画面

开场第一句就是冷水。

他先点了公开榜单的名。

那类榜单极容易被操纵。

这话不假。

开发者就算不主动作弊,也会被榜单牵着走。

榜单之外,他更信长期[……]

继续阅读

Meta 把 AI 助手的硬件接口开源了:外设长什么样,交给开发者定

Meta 的个人助手 Muse,最近又往前走了一步。

它不再只是一个装在手机里的聊天入口。

而是开始往外接硬件。

先交代一下背景。

Muse 是 Meta 今年主推的个人助手。

它跟传统聊天机器人不太一样。

不只负责回话,还能替用户干活。

处理邮件。下单购物。规划行程。

这些都在它的范围里。

还有些[……]

继续阅读

生物医学基础模型越做越强,可它到底学会了什么,没人说得清

生物医学这两年最热闹的场景之一,就是不断冒出来的新模型。

有人拿它预测蛋白质结构。

有人让它读懂基因组序列。

也有人想把单细胞数据,塞进一个什么都能干的模型里。

模型越做越大。任务越接越多。

排行榜上的数字,也越来越漂亮。

论文《Benchmarking biomedical foundation models》的官网页面截图

但很少有人认真回答一个问题。

一个模型在基准测试上拿了高分,究竟意味着什么[……]

继续阅读

WorkBuddy内置11个大模型怎么挑:一张表看懂

WorkBuddy 的 TokenHub 平台内置了 11 个大模型,从几块钱到二十几块钱每百万 Token 不等,价格差十几倍,能力侧重点也完全不一样。选错了,要么多花钱,要么任务跑不动。这篇把 11 个都捋一遍,告诉你每个该在什么时候用。

先记三个王,这是最常用的三个。综合能力之王是 MiniM[……]

继续阅读