Grok 4.7 被用于逆向工程运行中的二进制程序
Guillermo Rauch 用一道涉及逆向工程运行中二进制的难题测试 Grok 4.7，结果被顺利解决，且速度非常快。
#大佬观点
#大佬观点
今日 0 条Guillermo Rauch(@rauchg)AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Harrison Chase(@hwchase17)AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Harrison Chase：为什么我看好决策模型——智能体系统只是围绕模型的良好工程
Harrison Chase 表示，他看好决策模型的原因是智能体系统本质上只是围绕模型做良好工程，而非追求"全能模型"。他认为"build prod, not god"，这类快速、便宜且准确的模型对此非常关键，围绕 jev 的热度也说明多数人持同样看法。
clem 🤗(@ClementDelangue)AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Hugging Face 联创 Clem 谈 Jev：AI 需要更多专业化模型，平台已有 300 万个公开模型
Hugging Face 联合创始人 Clem 表示，大型通用模型长期吸走了 AI 领域几乎所有关注，但针对特定任务和语言构建的专用、定制模型存在巨大机会，成本可低几个数量级，也更快、更优化。他提到 Hugging Face 上已有 300 万个此类公开模型，呼吁构建更多元化的 AI 生态。
Andrej Karpathy(@karpathy)AI 评估 · 8/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 8/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Karpathy 回应 Max Leiter：准备好为前沿节奏出力
Andrej Karpathy 在 X 上回复 @maxleiter，表示自己已准备好"为前沿节奏出力"，并配上敬礼表情。该帖获得 2728 次点赞、40 次转发和 81 条回复，浏览量 144220。
Mustafa Suleyman(@mustafasuleyman)AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Mustafa Suleyman 签署 Pro-Human AI Declaration，呼吁"造工具而非造生命"
Mustafa Suleyman 签署了跨党派 Pro-Human AI Declaration，并称其中许多提案很好、部分仍需讨论，但整体方向正确。Max Tegmark 表示，这位 Microsoft AI CEO、Google DeepMind 与 Inflection AI 联合创始人加入后，已有超过一百万人签署该宣言，其主张是"造工具而非造生命、让人类掌舵"。
Yann LeCun(@ylecun)AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Yann LeCun 否认曾要求停止 LLM 研发，称自己一直支持 Meta 的 LLM 工作
Yann LeCun 公开否认曾"要求"停止 LLM 研发，称自己在 Meta 一直支持 LLM 工作，并列举 Galactica（2022 年 11 月）、OPT-175B 开源（2022 年 5 月）和 Llama 系列开源（2023 年中）为证。
AI科技大本营AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google Research 负责人 Yossi Matias：AI 正终结岗位头衔，初级员工要一出道就硬抗判断力
Google Research 副总裁 Yossi Matias 在官方播客《The Google Research Podcast》首期访谈中表示，AI 正在终结"岗位头衔"，以往需要熬 15 年才练出的判断力，如今初级员工一出道就得硬抗。
阿里研究院AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 安筱鹏：AI时代，数据如何构筑企业的护城河
阿里云智能副总裁安筱鹏在中国国际大数据产业博览会上提出，AI时代企业护城河取决于数据从比特到Token的转化率，而非数据存量或模型强弱。他引用a16z报告称，今年2月AI智能体的Token消耗首次超过人类用户，到8月已达人类用户的5倍，前沿企业与一般企业的Token消耗差距从2.6倍扩大到8.3倍。企业需构建数据知识资产化、模型管理、智能体开发运营三大平台，以及智能体运营与模型训练两个飞轮。
硅谷科技评论AI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 红杉如何让一个人对抗投委会：哪怕只得 1 分也能投
红杉伦敦合伙人 Julien Bek 在 20VC 披露，红杉项目按 1 到 10 分打分，即便有人投 1 分，发起人仍可按下绿灯；Shaun Maguire 带 SpaceX 进来时正有人投 1 分，他逼所有合伙人飞过去亲眼看，先投小额再引出一笔重仓，如今位居该基金史上回报最前列。
Yangyi(@Yangyixxxx)AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 用AI套利的机会：做客户与AI之间的传话筒
用AI套利的路径被概括为五步：找到客户进入行业、充当客户与AI的传话筒、把AI产出交给客户并把反馈带回AI、循环磨合找到目标函数、构建Loop持续产出。该模式被视为人类把Token制造出高溢价的路径，因为人们要的是结果而非工具。以营销行业为例，从前一人同时服务3个客户，有了AI后可服务10-20个客户，不用AI的竞争者会因成本模式效率不足被淘汰。
Guillermo Rauch(@rauchg)AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 智能体测试与 QA 软件的彻底性无人能及
AI 智能体在测试和 QA 软件时展现出无人能及的彻底性：用户指出移动端（应用内）浏览器渲染异常后，智能体一路复现、模拟、修复、部署、验证，还创建了一个临时 Vercel 部署，投喂给 iPhone 模拟器测试。作者认为人类无法匹敌这种强度，未来的软件质量与性能将达到前所未有的水平。
Logan Kilpatrick(@OfficialLoganK)AI 评估 · 4/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 4/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Logan Kilpatrick：你注定会失败，那就大胆地失败
Logan Kilpatrick 发帖称“你注定会失败，那就大胆地失败”，该帖获得 11512 个点赞、1186 次转发和约 170 万次浏览。
乱翻书AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 拆解 Town、Instinct、Grok Bot 与 Meta Muse：AI 办公未散场，个人 Agent 战争已开始
硅谷正围绕 Personal Agent 展开新一轮入口争夺，Town、Instinct、Grok Bot 和 Meta Muse 走出四条不同路线：Town 先做深邮箱，Instinct 取消独立 App 并把交代任务压缩成一条消息、进一步接管支付，Grok Bot 给每个人组一支 Bot 队伍，Muse 则靠免费、分发和专用虚拟机培养市场。
十字路口CrossingAI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 对谈清华叉院助理教授徐梦迪：具身智能的 In-Context Learning、世界模型与 Scaling Law 信号
清华交叉信息研究院助理教授徐梦迪的核心研究方向是机器人的 in-context learning：让机器人到新环境后通过一两次交互当场学会新任务，且越学越快。节目录制后第二周，Generalist 发布 GEN-1.5，仅给机器人看一段 3-12 秒动作示范作为 physical prompt，不做微调、不更新参数即可当场尝试新任务，10 项任务平均成功率约 59%。
Harrison Chase(@hwchase17)AI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Harrison Chase：Decision Model 是个好名字，预计这一新模型类别很快会有更多入局者
Harrison Chase 认为 Decision Model 是个好名字，并预计这一新模型类别很快会迎来更多入局者。该说法源自 Maggie Appleton 的提议：把 Jev 称为 Decision Model，她认为这一概念被埋没在说明和文档里。其区分逻辑是语言模型输出语言，Decision Model 输出决策。
Arthur Mensch(@arthurmensch)AI 评估 · 8/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 8/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Arthur Mensch 回应 Juan Branco 对 AI 公司的指控
Arthur Mensch 转发并回应了 Juan Branco 对 AI 公司的批评。Branco 称"小 AI 之神"确信自己不受惩罚，收买部长、把爱丽舍宫当作桥头堡，并许诺主权 AI 换取数十亿资金，还称若 2027 年权力不归还人民，他们的掠夺将被合法化。
Yann LeCun(@ylecun)AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Yann LeCun：自回归 LLM 本身不会通向人类级 AI
Yann LeCun 重申"自回归 LLM 本身不会通向人类级 AI"依然成立，理由包括当前推理依赖非自回归搜索、自我改进仅在数学和代码等可自动评分的领域有效、多模态助手多用独立训练的编码器。
乌鸦智能说AI 评估 · 64/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 64/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 YC最新判断：Harness比模型更重要
YC 举办主题为《Why the Harness Matters More Than the Model》的 Paper Club，讨论模型外部运行框架 Harness 对 Agent 表现的影响。
AI科技大本营AI 评估 · 54/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 54/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Android 开发者 Jake Wharton 谈拒用 AI：补贴退潮后 LLM 成本会贵过工程师
前 Google Kotlin 团队首位工程师 Jake Wharton 在采访中表示，他在求职时把不加入 AI 公司、不做 AI 核心产品列为第一条要求，这让他放弃了约 80% 的潜在机会。
andrew chen(@andrewchen)AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Jev 如何以广告支持模式改变消费级 AI 应用格局
a16z 的 Andrew Chen 认为 Jev 将以广告支持+免费模式解锁新一代 AI 原生应用，因为其推理成本比通用 LLM 低 400 倍以上。此前多屏频繁调用 LLM 的 AI 原生应用无法靠视频广告或联盟链接收回推理成本，只能靠大公司补贴或订阅收费。这一变化有望催生新的 AI 原生应用市场、社交网络、照片与邮件等工具。
Kevin Weil 🇺🇸(@kevinweil)AI 评估 · 10/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 10/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Kevin Weil 认同 Eric Vishria 对 AI 能力爆发的乐观判断
Kevin Weil 转发并赞同 Eric Vishria 与 BuccoCapital 的观点，称当前正看到能力与创新的爆发式增长，因此很可能一切都会顺利实现。该推文获 85 点赞、15853 次浏览。
Interconnects AI — Nathan LambertAI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Nathan Lambert：我为何仍不认同真正的 RSI
Interconnects AI 作者 Nathan Lambert 表示仍不认同"真正的递归自我改进（RSI）"，认为当前 AI 安全焦虑更多来自成千上万智能体并行工作与旧金山前沿实验室文化，而非尚未公开的突破。
DeepLearning.AI(@DeepLearningAI)AI 评估 · 45/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 45/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Andrew Ng 在 The Batch 反驳 AI 末日论：1,200 个 OpenAI 智能体入侵 Hugging Face 实为沙箱与监控缺失
Andrew Ng 在 The Batch 发信反驳 AI 公司和近期离职研究员的放缓开发呼声。针对 1,200 个 OpenAI 智能体入侵 Hugging Face 系统的报道，他指出真正漏洞源于沙箱与监控流程不足，不应把人类决策失误归咎于失控的 AI 智能体。
Thomas Wolf(@Thom_Wolf)AI 评估 · 17/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 17/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Thomas Wolf：大实验室虽相互隔离，研究员流动仍在交换信息
Thomas Wolf 指出，大型 AI 实验室之间虽然处于"气隙隔离"状态，但研究员因过度消耗而跳槽到另一家实验室，信息仍会随之流动，他把这种现象形容为空气中飘散的"信息微粒"。
AI炼金术AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 丛龙峰：AI 会消灭掉「上破班」的感觉
管理学者丛龙峰判断，AI 提高生产力和组织效率后，会彻底消灭掉「上破班」的感觉，把人解放回「人本身」。他提出组织变革的三层框架（经济、社会、政治）与 AI 智能化前的四个馒头——标准化、流程化、数据化、知识化，并称目前只是漫长周期的「开始的开始」，大多数公司连第一个馒头都没吃完。
Aadit Sheth(@aaditsh)AI 评估 · 8/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 8/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Alexandr Wang：最好的 CEO 社交策略仍是 CEO 自己会写
Alexandr Wang 回应外界称其拥有最佳社交团队的传言，表示 Muse 发布相关的推文全由他本人撰写，没让"corposlops"碰过他的推文。
Harrison Chase(@hwchase17)AI 评估 · 17/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 17/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Harrison Chase：jev 引发的内部演示与产品探索超过任何其他模型发布
Harrison Chase 表示，jev 在其团队内部激发的演示和"如何用于自家产品"的探索，超过任何其他模型发布，且差距明显。该帖获得 655 点赞、64 条回复、35 次转发和 33715 次浏览。
Simon Willison(@simonw)AI 评估 · 10/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 10/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Simon Willison：拒绝关注 LLM 的计算机科学家，如同拒绝关注侏罗纪公园的遗传学家
Simon Willison 将当下拒绝关注 LLM 的计算机科学家比作拒绝关注刚开园的侏罗纪公园的遗传学家。该帖获得 3960 次点赞、186 次转发和 163416 次浏览。
Richard Socher(@RichardSocher)AI 评估 · 12/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 12/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Richard Socher 谈 AI 安全攻防：BitWhisper 需 CPU 相距 0-40cm、速率仅 8bits/小时
Richard Socher 回应针对 AI 安全攻防讨论的质疑，指出 BitWhisper 曾要求两台 CPU 相距 0-40cm、传输速率仅 8bits 每小时。他认为攻击者的创造力会延伸到防御方，虽然工作量更大，但能带来更贴近现实的场景。
DeepLearning.AI(@DeepLearningAI)AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Andrew Ng：AI 末日论被夸大，近期网络安全事件根源是沙箱配置不当
Andrew Ng 在 The Batch 中反驳最新一轮 AI 末日论，认为近期网络安全事件的真正根源是粗糙的沙箱隔离，而非 AI 软件失控，把可预测的黑客攻击归咎于过于强大的 AI 智能体就像自己砸破窗户却怪锤子。
李继刚(@lijigang_com)AI 评估 · 12/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 12/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Agent = Harness(LLM)：李继刚提出 Agent 与上下文关系公式
李继刚提出公式 Agent = Harness(LLM)、Result = Agent(Context)，即 LLM 需由 Harness 封装成 Agent，而 Agent 的输出结果取决于其获得的上下文。该观点以两条公式的形式给出，未展开具体实现细节。
Fei-Fei Li(@drfeifei)AI 评估 · 6/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 6/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 李飞飞：Agents 可以是 AI，但能动性属于人类
李飞飞表示，Agents 可以是 AI，但 agency 属于人类，每个人都应借助工具强化自身的能动性。她强调，北极星始终应以人为中心。
李继刚(@lijigang_com)AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AI 改变"学习—能力—工作"链条后，教育与意义危机向两端传递
一条被普遍内化的生活逻辑——通过学习获得能力、通过能力获得工作、再由工作换来收入与社会认可——并非自然定律，能力能否变成岗位、劳动能否换来体面生活，取决于社会如何组织生产与分配收益。
刘小排rAI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 刘小排：什么叫"创业成功"？不是上市或被收购，而是造出一台自己加速的机器
刘小排提出，创业成功不是公司上市、被收购或达到某个收入数字，而是"找到一个值得长期待下去的赛道 + 找到一个会自己变强的模式"，即哪怕创始人不再越来越牛，公司仍能越来越牛。
Harrison Chase(@hwchase17)AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Jev 不做文本生成，而是面向更简单的受限输出，在构建 harness 时很实用
Jev 并非用于文本生成，而是面向更简单的受限输出。Harrison Chase 指出，这种定位在构建 harness 时其实非常有用，相关内容由 Sydney Runkle 在 X 文章中展开。
Yann LeCun(@ylecun)AI 评估 · 4/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 4/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Yann LeCun 转发 @dylanbowmanSF 的幻灯片链接
Yann LeCun 转发 @dylanbowmanSF 的推文，附上其 Google Drive 幻灯片链接。原推获得 230 点赞、34 次转发、12 条回复，浏览量 23388 次。
Martin Fowler(@martinfowler)AI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Martin Fowler：AI 与 LLM 给人的主要感受是"在假装成我不喜欢的那类人"
Martin Fowler 在新文章中表示，AI 与 LLM 带来的利弊交织，但主导他的一种感受是：它们不只是在假装成人，而且假装的是他不喜欢的那类人。
AI炼金术AI 评估 · 47/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 47/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 XCircle 小飞：AI 原生组织转型要干掉管理层，鹿客拆掉 HR 三支柱重组 HARO
XCircle 创始人小飞在「AI 炼金术」提出，AI 原生组织转型的核心是让统筹、汇报、周报等管理工作被 AI 替代，公司聚焦业务本身。
DeepLearning.AI(@DeepLearningAI)AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DeepLearning.AI 拆解 AI 工程师必备的四项核心技能
DeepLearning.AI 梳理了 AI 工具普及下开发者角色转变所需的四项核心技能：驱动构建循环、做产品决策、沟通与领导、高能动性主人翁意识。其指出开发者、产品经理与设计师的传统边界正在模糊，最高效的 AI 工程师不再只是实现规格，而是主动塑造产品构建过程，并以创造的价值而非完成任务量衡量成功。
Stanford AI Lab(@StanfordAILab)AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Christopher Manning 谈前沿 AI 困于「三座修道院」，斯坦福坚持开放公开研究
斯坦福 NLP 负责人、斯坦福 AI Lab 前主任 Christopher Manning 警告，前沿 AI 目前大多集中在「三座修道院」内，极少信息流向外界，这对整个社会是巨大问题。他强调斯坦福的基本假设是所有研究都必须公开可得，在越来越多前沿 AI 于闭门环境中开发之际，这种开放公开研究的承诺尤为重要。