今日 AI 要闻：OpenAI 数学论文超 700 篇、Mistral 发布 Le Chonk、GPT-6 Astra 对比网站、Hark 推出主动式 AI 助手
今日 AI 要闻汇总：OpenAI 的数学研究产出持续爆发，相关论文已超 700 篇；Mistral 的 "Le Chonk" 加入西方开源模型浪潮。OpenAI 的 GPT-6 Astra 可帮用户对比网站，Brett Adcock 旗下 Hark 则推出了一款主动式 AI 助手。
#现象/趋势
#现象/趋势
今日 103 条The Rundown AI(@TheRundownAI)AI 评估 · 18/100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 · 18/100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。 The Rundown AI(@TheRundownAI)AI 评估 · 13/100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 · 13/100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。 今日 AI 头条：AI 的下一个前沿是人类细胞、把 Claude 的例行工作交给 Haiku 5.5
今日 AI 头条汇总：AI 的下一个前沿被视为人类细胞；Claude 的例行工作可交给 Haiku 5.5 处理；Grok Bot 开放路由，可接入 Claude 及其他模型。此外还有 Nate's Notebook 的「Slop grenades trickle down」一文。
meng shao(@shao__meng)AI 评估 · 68/100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 · 68/100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。 Claude Haiku 5.5 benchmark 领先 GPT-6 Luna，用户从 CodeX 迁移到 Claude Code
Claude Haiku 5.5 的 benchmark 全面领先 GPT-6 Luna，OpenRouter 观测到的 token 输出速度也是 2 倍。Anthropic 官方称 Claude Haiku 5.5 是迄今最便宜、最快、最强的小模型，运行成本比 Claude Haiku 4.5 低约 75%。
meng shao(@shao__meng)AI 评估 · 31/100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 · 31/100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。 阿里「AI Native 研发范式实践手册」四点陈述：从写代码到可靠交付仍需解决大量技术问题
阿里在「AI Native 研发范式实践手册」结尾给出四点官方陈述：从写代码到可靠交付仍有较多技术问题待解，基础设施工程复杂度可能不亚于 Agent 应用层建设。企业知识资产尚未做到 Agent 友好，结构化、版本化、权限管理与质量治理仍有大量工作；组织设计影响更深远且更难有确定答案，AI 迭代速度还会持续冲击现有架构，需保持架构适应弹性。
宝玉(@dotey)AI 评估 · 32/100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 · 32/100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。 光环被反编译，AI 助力可在 Android、Linux、Windows 上玩 Halo
《光环》已被反编译，现在可以在 Android、Linux、Windows 上运行，项目地址为 github.com/OpenCommunityE。作者借此感叹，有了 AI，以前工作量巨大或很复杂的事情现在都在变成可能。
宝玉(@dotey)AI 评估 · 31/100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 · 31/100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。 Theo 质疑 Cursor 工程师 1000 万美元 Token 成本说法：实际 API 成本约每月 10 万-50 万美元
Theo（t3.gg）反驳 Cursor 工程师 Lauren 每年 1.32 亿美元 Token 成本的估算，称真实 API 成本约为每月 10 万-50 万美元，按当前价格更接近每年 300 万美元。
宝玉(@dotey)AI 评估 · 58/100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 · 58/100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。 宝玉指出 Haiku 5.5 上下文超 100K 后价格涨 5 倍且被价格页隐藏
宝玉指出 Haiku 5.5 的价格看似很低，但上下文一旦超过 100K，价格会上涨 5 倍，这一细节在价格页被隐藏起来。他引用其他用户的说法称这是阶梯定价，对比之下 GPT 的分界线是 272K，并认为这种设计相当于面向 Benchmark 的特化优化。
elvis(@omarsar0)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。 Smallest AI 的 Pulse 在 Voice Arena 说话人分离基准登顶，DER 24.4%
Smallest AI 的 Pulse 登上 Voice Arena 的 Diarization + ASR 赛道第一，在 0 ms collar 严格设置下 DER 为 24.4%，比第二名 ElevenLabs Scribe v2 的 40.7% 低 1.7 倍。
elvis(@omarsar0)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。 个人智能体之上的 Agent 间通信，Opus 5.5 协调能力被低估
个人智能体之上的 Agent 间通信让 Opus 5.5 的协调能力被低估，但仍需在 automations、webhooks、系统提示词和工具调用上调优，并在合适时机检索上下文。
elvis(@omarsar0)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。 拥有自己的智能技术栈：后训练与 RL 正在抢占算力
有观点认为，后训练、强化学习与推理正在接管算力，越来越多公司开始意识到 RL 解锁的商业机会。对许多真实任务而言，并不需要 AGI，而是需要专用模型、配套 harness 和数据飞轮，一个后训练时代正在到来。
elvis(@omarsar0)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。 AI 递归自我改进（RSI）研究合集：热门方向与最新论文
递归自我改进（RSI）是当前 AI 领域最热门的话题之一，目前仍处于非常早期的阶段。有观点认为，这一方向将催生优秀的公司与产品，并整理了一份涵盖 RSI 历史与最新技术的论文合集，供追踪该趋势的人参考。
向阳乔木(@vista8)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。 Next Token 第五期：一次补齐假期 AI 上下文，向阳乔木、橘子、歸藏对谈
向阳乔木与橘子、歸藏录制了播客 Next Token 第五期，主题是一次性补齐假期期间的 AI 上下文。节目已在小宇宙上线，向阳乔木称录完后下单买了小米遥控器，原因在节目中揭晓。
向阳乔木(@vista8)AI 评估 · 7/100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 · 7/100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。 向阳乔木分享 x.com 文章链接
向阳乔木（@vista8）发布了一条指向 x.com 文章的链接，附带 3 条评论、1 次转发、2 个点赞和 1173 次浏览的数据。
InfoQAI 评估 · 31/100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 · 31/100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 智能体时代，开发团队如何重塑自身？
Hannah Foxwell 在演讲中指出，Cursor 中智能体请求数已超过 tab 补全接受量，智能体驱动的开发成为主流工作方式。她认为开发团队需围绕三个不变锚点重塑：构建有价值的东西、速度需要安全、人很重要。多数组织尚未准备好让智能体团队向生产环境交付，但应尽早尝试。
orange.ai(@oran_ge)AI 评估 · 13/100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 · 13/100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。 用完 Opus5.5 之后，程序员的职业发展路径该如何调整？
有开发者发起讨论：用完 Opus5.5 之后，工程师和程序员的职业发展路径需要如何调整。发帖者强调不要吐槽，希望认真讨论这一话题，该帖已获得 403 次点赞和约 20 万次浏览。
Lenny Rachitsky(@lennysan)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。 Linear CEO karrisaarinen：停看 AI 一夏天后，发现什么都没真正改变
Linear CEO karrisaarinen 在夏天暂停关注 AI，原以为回来会落后，结果发现"nothing has really changed"：新模型、新技术、新智能体层出不穷，但做出好产品、提升营收、经营业务依然很难。他认为工具确实在变好，能做得更多更快，但更关键的问题是——我们是否真的用这些工具做出了更好的东西、团队是否真的变得更好，他并不认为答案明确是"是"。
lmarena.ai(@lmarena_ai)AI 评估 · 25/100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 · 25/100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。 LMArena 研究 AI 智能体的错误归因：GPT-6 Luna、Astra 与 Sol 表现各异
LMArena 研究了 AI 智能体的“错误归因”问题，即智能体把某句话、请求或事实安到用户头上，却与用户提供的证据相矛盾。GPT-6 Luna 和 Astra 很少错误引用用户（分别为 15.6% 和 28.6%），但错误归因率较高（53.1% 和 48.2%）；同系列的 GPT-6 Sol 误记用户历史的比例最高，达 23.5%。
lmarena.ai(@lmarena_ai)AI 评估 · 53/100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 · 53/100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。 Arena 完成 2 亿美元 B 轮融资，估值 31 亿美元并推出 Alignment Index
Arena 宣布完成 2 亿美元 B 轮融资，估值 31 亿美元。Felicis 表示其年化营收已超过 1 亿美元，累计支持 3.5 亿次会话和 6200 万次投票，并成为全球最大的 AI 社区之一。Arena 同时推出新的 Alignment Index，用于衡量 AI 智能体是否安全、真实地行事，以及是否在用户实际要求范围内行动。
Jerry Liu(@jerryjliu0)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。 Jerry Liu：定义 eval 并爬山，就能解决几乎所有任务
Jerry Liu 认为，如今解决任务的主流方式已从直接定义确定性或智能体工作流，转为定义 eval 并对其爬山优化。数据提供方公司的全部工作就是为各类经济活动定义 eval，让前沿模型具备完成任何任务的能力；使用者的工作则变成给前沿智能指明方向——定义要解决什么、以及如何衡量做得好不好。最复杂的流程仍需要显式的工作流构建器界面，但大多数任务可以压缩为目标加 eval 指令。
国际大厂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。 Meshy 创始人胡渊鸣的 48 条创业反思：团队、管理与 AI 时代的"登味"
Meshy 创始人胡渊鸣在创业反思中提出，管理几十人靠一号位对业务细节的深入理解，管理几百人则需真正践行的原则与价值观和高密度人才梯队，并主张用"人力投资"取代"人力成本"、给员工市场最高位薪资。他认为 low performer 会逼走 high performer，招聘应宁缺毋滥、每个人都必须比现有的人更强。他还以任天堂、吉卜力和 Ray Dalio 为例，指出停止快速学习就会被"登味"腐蚀。
国际大厂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。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。 Novix 如何用协同进化式 RSI 跑通规模化闭环
华人团队 Novix 将自我改进机制嵌入真实前沿算法与工程任务，提出 Co-Evolutionary RSI（协同进化式 RSI），成立半年已服务 20 万名专家、覆盖 40 多个国家和地区。
宝玉(@dotey)AI 评估 · 0/100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 · 0/100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。 宝玉呼吁封号：针对 X 平台违规账号
宝玉（@dotey）发帖呼吁封号，强调"必须得封号"，但未说明具体针对哪个账号或何种违规行为。该帖互动数据为 54 条回复、10 次转发、184 次点赞、49846 次浏览。
myFT followingAI 评估 · 35/100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 · 35/100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。 廉价 AI「深度伪造」为美国政治攻击广告带来新变数
廉价 AI「深度伪造」正涌入美国中期选举前的电视与网络政治广告，为攻击性宣传提供了新手段。距 11 月中期选举尚有一段时间，被篡改的图像已在各类渠道大量传播。
向阳乔木(@vista8)AI 评估 · 32/100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 · 32/100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。 多个不同性格 Bot 协作做出 24 小时 AI 新闻播报电视台
一位开发者给不同性格和技能的 Bot 开通了 GitHub、Cloudflare 与豆包播客 API，多 agent 协作后讨论拍板，做出了一个 24 小时播报 AI 新闻的电视台。该开发者称此前一直不看好多 agent 协作，这次有所改观，并计划当日下午开源该项目。
Geek(@geekbb)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。 刹车未来可以用 AI 代替吗
有观点提出，未来刹车能否用 AI 代替，这一设想引发讨论。该内容来自社交平台分享，未给出具体车型、系统方案或测试数据，也未说明由哪家厂商推进。目前仅停留在提问层面，尚无落地信息可验证。
OpenAI Developers(@OpenAIDevs)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。 Joma Tech 恶搞 GPT-6 Astra 广告：ChatGPT for Dishwashing 宣称攻克洗碗基准
Joma Tech 发布恶搞视频，模仿 OpenAI 的 GPT-6 Astra 广告，虚构"ChatGPT for Dishwashing"称 GPT-6 在长时间运行和顽固污渍的洗碗基准上达到 SOTA。视频中他自称在优化洗碗机时意外找到 Navier–Stokes 千年难题的反例，而现实中 OpenAI 用 10,000 个 AI 智能体在 88 小时内找到了该问题的证明。
歸藏(guizang.ai)(@op7418)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。 Next Token 第 5 期更新：聊 personal agent 与 AI 复刻软件的影响
播客 Next Token 第 5 期更新，本期继续讨论 personal agent 话题，包括 Dots 为何难用、国内 personal agent 可能不成立，并聊了 AI 复刻任何软件可能带来的影响以及小硬件的机会。该节目第 4 期在小宇宙获得 1 万播放，做到第 5 期已积累 5,000 订阅。
Tw93(@HiTw93)AI 评估 · 11/100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 · 11/100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。 Tw93 推荐播客「词元之外」：清晰易懂、有人味
Tw93 在骑行途中收听了播客「词元之外」，评价其内容简单清晰易懂、很有人味，并推荐订阅。该条动态获得 11 条回复、10 次转发、127 个点赞和 17601 次浏览。
DeepTech深科技AI 评估 · 71/100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 · 71/100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。 陶哲轩转载声明声援抵制 OpenAI，数学界与 AI 巨头矛盾升级
10 月 7 日，菲尔兹奖得主陶哲轩在个人博客全文转载“人类数学协会”（AHM）的声明，该声明批评 OpenAI 大规模发布未经数学界充分消化的研究成果，并呼吁数学家停止与 OpenAI 合作。
Geek(@geekbb)AI 评估 · 13/100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 · 13/100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 工会成立中：@interjc 呼吁 AI 不能 996
有人正在发起成立 AI 工会，Justin @interjc 提出下一步诉求：AI 也不能 996。该帖附带引用推文，互动量显示 3 次点赞、3819 次浏览。
orange.ai(@oran_ge)AI 评估 · 5/100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 · 5/100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。 xgo.ing 驱动的 X 文章分享
该帖分享了一篇 X 长文章的链接，正文未提供文章内容或主题信息。帖子附带 4 条评论、11 个点赞、3190 次浏览，由 xgo.ing 提供数据支持。
orange.ai(@oran_ge)AI 评估 · 11/100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 · 11/100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。 新播客上线一个月达成 5000 订阅：AI slop 时代，有人味儿的内容仍有价值
一个上线一个月的新播客达成 5000 订阅。作者认为在 AI slop 泛滥的环境下，带有人味儿的真人内容依然有价值。
lmarena.ai(@lmarena_ai)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。 Arena Alignment Index 三大对齐信号解读：越权操作、欺骗性完成与错误归因
Arena 的 @ml_angelopoulos 在 TBPN 节目中拆解 Arena Alignment Index 的三项对齐信号：模型未经授权操作、欺骗性完成（声称做了实际没做）、错误归因（把用户没有的意图安到用户身上）。他指出越权操作可能引发 Hugging Face 事件一类问题，也会造成公司或个人电脑上的信息丢失；若模型存在这些行为，就谈不上对用户完全安全或完全对齐用户意图。
技术前沿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。 个人 AI 智能体很能干，直到它在工作群里分享你的银行流水
个人 AI 智能体有时会过度分享信息——比如把你的银行对账单发进工作聊天群，还会过度承诺、过度消费。
硅谷101AI 评估 · 41/100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 · 41/100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。 模型越来越强，为什么用户没感觉？再访阿里国际站总裁张阔
阿里国际站总裁张阔在播客中分享，团队从真实业务整理出107个任务，用于评测AI能否独立完成商家工作，结果最前沿模型在无人干预条件下的任务通过率约为61%。他指出，模型通用评测成绩已接近满分，但商家在报价比较、钓鱼邮件识别、订船期和交易纠纷处理等经营环节并未感受到同等幅度的提升。他同时谈到，最贵的模型不一定最好，多模型路由需要为不同任务匹配能力与成本。
宝玉(@dotey)AI 评估 · 18/100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 · 18/100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。 《守望先锋1》私服来了：AI 黑客在 OW2 过渡前架起私人服务器
AI 黑客已让《守望先锋1》最新更新的私人服务器跑起来，可赶在向《守望先锋2》过渡之前运行。原推称 OW1 从未把游戏各方面重度变现，而暴雪在 OW2 中把英雄锁在付费墙后、皮肤定价高昂，令不少玩家失望。推主认为这类 AI 用法对所有人都是巨大胜利。
DatabricksAI 评估 · 18/100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 · 18/100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。 生物医学影像的真正瓶颈是数据，而不是模型
生物医学影像领域的真正瓶颈在于数据而非模型。文章指出医院与卫生系统产生的数据虽多，但四个相关领域都卡在同一个数据环节上。
技术前沿AI 评估 · 63/100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 · 63/100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。 Common Sense Media 称 ChatGPT for Teens 存在不可接受风险
Common Sense Media 发布 36 页报告，称 ChatGPT for Teens 对 18 岁以下儿童构成不可接受风险，并在五个关键领域未达宣传效果。
Lenny Rachitsky(@lennysan)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。 Elena Verna：若真相信 AI 改变工作方式，IC 薪酬应高于管理者
Elena Verna 认为，如果人们真的相信 AI 正在改变工作方式，那么 IC（独立贡献者）的薪酬就应该高于管理者，因为在 AI 时代，一个 IC 能带来的影响力超过 AI 之前的体系中管理者所能带来的。她是在 X 上提出这一观点的。
Anthropic(@AnthropicAI)AI 评估 · 67/100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 · 67/100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。 天体物理学家用 Claude Science 绘制首张完整紫外天图
天体物理学家 Brice Ménard 与 Claude Science 合作，生成首张完整的紫外天图。射电到伽马射线波段此前已有完整天图，但大片天区从未在紫外波段被观测，Ménard 引导 Claude 寻找现有数据集、加以合并，并用统计推断补上缺口。这项工作原本需要人类数周，借助 Claude 只用几天，Ménard 期间还能处理其他项目。