Anthropic 递交 S-1:为了给 GPU 借钱,它先把账本摊开了
Anthropic 公开递交 S-1,Altimeter 合伙人 Jamin Ball 逐页拆解这份文件。他认为上市最硬的理由不是融资,而是让债权方愿意为 GPU 集群承销它的信用;同时给出一个反直觉对比:收入一年涨 1...
Anthropic 公开递交 S-1,Altimeter 合伙人 Jamin Ball 逐页拆解这份文件。他认为上市最硬的理由不是融资,而是让债权方愿意为 GPU 集群承销它的信用;同时给出一个反直觉对比:收入一年涨 1...
斯坦福 CS146S 授课老师 Mihail Eric 复盘 AI 原生开发课的重写:去年还在巡览编码智能体能用在哪些环节,今年转向上下文工程与架构设计。他也给出对初级工程师的判断——入门线已抬到接近资深,而教育体系的更...
Salesforce 二十多年里完成近千亿美元收购,John Somorjai 在 a16z 播客中拆解这套决策框架:客户是否需要、渠道能否放大、估值能否长出来,以及按结果计费的时代里,什么样的 AI 原生公司值得被买下...
Rolls-Royce 在 2022 年绕过 Boom 直接向媒体宣布终止合作,一夜之间让这家超音速客机公司变成没人敢碰的对象。Blake Scholl 在 Social Radars 复盘这段经历:一次看似聪明的外包、...
Paul Graham 与 Replit 创始人 Amjad Masad 复盘 AI 编程的十年:用户自己用 ChatGPT 加 Replit 拼出的复制粘贴流程,如何被做成跑到底的智能体;模型越强、工程护城河越浅时,应...
YC Paper Club 的 AI for Bio 专场:主持人用一场现场图灵测试开场,随后把话题拉回生物学——测序成本崩塌让每个癌症病人都成为独立数据集,而“可验证就能自我改进”的循环,正在把药物发现变成一道关于钱和...
过去两年,业内不时有人提出“人工智能可能是人类社会最后一次重大技术革命”的判断。 如果有一天,AI真的拥有远超人类的智能,并且能够不断自我进化,那么从科学研究、技术开发到工业生产,甚至种地、养猪这样的日常劳动,都有可能由...
香港科大团队发现大语言模型存在提及即生效混淆,拒绝的提议仍会误导答案,准确率最高降8个百分点。团队提出Intent-OPSD训练方法,利用同模型师生架构区分活跃意图,平均提升准确率10.81个百分点。
这篇论文提出FreeMatching框架,让AI既能完成传统光流与几何匹配任务,又能在图像编辑、AI生成等身份保持场景中准确找到对应关系,还可反向用作图像一致性评估工具。
论文提出CARE方法,为机器人视觉语言动作模型的推理加速提供有数学保证的安全认证,通过配对测试和统计检验,确保加速不会悄悄破坏原本能完成的任务,在多个基准上实现9到10.8倍提速且风险可控。
小米发布MiMo-V2.6系列大模型技术报告,详细公开千亿参数模型强化学习训练的完整细节,涵盖训练算力扩展、环境构建、奖励作弊防范、路由器冻结等关键技术决策,并开源蒸馏模型与RL框架供社区复现研究。
OpenAI推出"Grid Protectors Program",承诺在电网高峰时段削减数据中心用电,以保障周边居民用电。同时,该公司将"数据中心"更名为"计算园区"(compute campus),以缓解公众对数据中...
Anthropic主张赋予加州总检察长申请法院命令暂停危险AI模型的权力,OpenAI则倡导开发者自行维护强制关机控制机制。两家公司均回应加州州长行政令,支持独立安全评估与事故报告扩展,但在监管主体与介入方式上存在明显分...
Oracle宣布与Snowflake达成合作,将Snowflake AI Data Cloud作为原生服务引入Oracle Cloud Infrastructure(OCI)。此举旨在帮助企业减少两平台间的数据移动及相关...
本文系统解读《大语言模型基础》一书,拆解预训练、生成式建模、提示工程、对齐(RLHF/DPO)、推理解码及推理能力六大核心模块,揭示大模型从训练到实际应用背后的技术逻辑与设计权衡。
论文发现强化学习对大模型的改变可被压缩进极小的激活向量中,85%性能增益仅需单个向量即可复现。研究进一步揭示有效控制方向集中在低方差子空间,并据此提出Alpha-Stabler框架稳定RL训练过程。
2026 年 11 月 6 日,马斯克通过视频连线出席第 33 届巴伦投资大会 Baron Investment Conference,在纽约林肯中心大都会歌剧院和巴伦资本创始人罗恩·巴伦 Ron Baron 做了一小时...
论文提出ReSPO方法,用两分支平滑曲线替代强化学习训练中的硬裁剪,解决正确答案被忽视、错误答案被纵容的梯度饥饿问题,在数学推理模型训练中取得显著效果提升。
南京大学团队提出TestPrism基准,揭示AI生成测试代码仅用单一标准答案评估会严重高估质量,合格率从59.67%暴跌至28%。团队同时推出TestHelix系统,通过多智能体协同验证将测试可靠性提升近9个百分点。