{"source":{"id":"2045930684343316850","title":"你整个人的源代码，压缩后只有区区 600MB。 比装一个 Windows 或 Linux 系统还要小。 这点容量，就包含…","url":"https://mubeitech.com/p/2045930684343316850"},"method":"semantic-similarity","count":5,"items":[{"rank":1,"id":"2045484064585728489","account":"mubei","brand":"@mubei","title":"Andrej Karpathy揭开了一个反直觉的行业真相。 现在的AI模型动辄上万亿参数，根本不需要这么大的“脑容量”。…","summary":"Andrej Karpathy揭开了一个反直觉的行业真相。 现在的AI模型动辄上万亿参数，根本不需要这么大的“脑容量”。 撑大体积的罪魁祸首，是劣质的训练数据。 你以为模型每天在贪婪地阅读《华尔街日报》和严谨的学术文章？ 现实极其惨淡。 前沿实验室随机抽查的预训练语料，全是残破的…","body":"Andrej Karpathy揭开了一个反直觉的行业真相。\n现在的AI模型动辄上万亿参数，根本不需要这么大的“脑容量”。\n撑大体积的罪魁祸首，是劣质的训练数据。\n\n你以为模型每天在贪婪地阅读《华尔街日报》和严谨的学术文章？\n现实极其惨淡。\n前沿实验室随机抽查的预训练语料，全是残破的HTML代码、股票代码和杂乱无章的乱码。\n人类积累的高质量文本在互联网海洋里极其稀缺。\n\n巨大的信息噪音带来了灾难性的压缩效率。\nLlama 3对训练数据的压缩率低到只有0.07比特每token。\n这意味着模型对自己啃过的大部分内容，仅仅留存了极度模糊的印象。\n庞大的万亿参数，绝大部分并没有参与“认知推理”。\n它们变成了臃肿的记忆库，被迫死记硬背互联网倾泻而下的赛博垃圾。\n\nKarpathy开出的解法极其干脆。\n彻底分离思考与记忆。\n剥离百科全书式的死记硬背，只留下纯粹负责推理和解题的算法逻辑。\n这就是真正的“认知核心”。\n一旦遇到事实盲区，让模型主动去调用外部数据库。\n\n如果只喂极其干净的高质量数据，这个“认知核心”需要多大体积？\n十亿参数。\n回看今天的主流旗舰模型，参数规模在2000亿到1.8万亿之间摇摆。\n超高比例的算力都在替数据的脏乱差买单。\n\n现实数据正在印证这条新路径。\n仅仅两千亿参数的GPT-4o，早就全方位碾压了1.8万亿参数的初代GPT-4。\n过去两年间，跑通GPT-3.5性能的推理成本暴降了足足280倍。\n推动这一切的核心引擎，全部来自更小、更干净、更精巧的模型架构。\n\n当前挡在AI面前的那堵墙，早就不是算力。\n算力匮乏不过是替低劣数据背锅的挡箭牌。\n下一轮大洗牌的唯一筹码是高纯度的数据源。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2045726431263515003","translated_status_id":"2045726431263515003","published_at":"2026-04-19 04:36:24","created_at":"2026-04-19T06:31:10.029346","url":"https://mubeitech.com/p/2045484064585728489","markdown_url":"https://mubeitech.com/p/2045484064585728489/markdown"},{"rank":2,"id":"2039389344365162850","account":"mubei","brand":"@mubei","title":"AI的脑子里，分裂出了多重人格。 Google刚刚公布了一项惊人的新发现。 只要给够时间，大模型到底在黑盒里干嘛？ 以D…","summary":"AI的脑子里，分裂出了多重人格。 Google刚刚公布了一项惊人的新发现。 只要给够时间，大模型到底在黑盒里干嘛？ 以DeepSeek-R1为例。 它没有顺着一条线死磕逻辑。 它在脑内当场拉了个辩论群。 系统自动生成了截然不同的认知视角。 正方抛观点，反方疯狂挑刺，第三方跑来验证…","body":"AI的脑子里，分裂出了多重人格。\n\nGoogle刚刚公布了一项惊人的新发现。\n只要给够时间，大模型到底在黑盒里干嘛？\n以DeepSeek-R1为例。\n它没有顺着一条线死磕逻辑。\n它在脑内当场拉了个辩论群。\n\n系统自动生成了截然不同的认知视角。\n正方抛观点，反方疯狂挑刺，第三方跑来验证调和。\n它们在自己跟自己激烈吵架。\n\n最诡异的点在哪里？\n程序员压根没教过它们这种玩法。\n训练时只给了一个最底层的死命令：必须算出正确答案。\n为了拿高分，AI靠自己顿悟了人类玩了几千年的把戏。\n单线程想不明白，就拉个班子头脑风暴。\n\nGoogle给这个现象造了个新词，叫“思想社会”。\n科幻界幻想了几十年的全知全能单体神明，终究是个伪命题。\n真正的超级智能，是一个装在芯片里的吵闹内阁。","category":"其它","score":90,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-04-01 18:38:55","created_at":"2026-04-01T19:08:04+02:00","url":"https://mubeitech.com/p/2039389344365162850","markdown_url":"https://mubeitech.com/p/2039389344365162850/markdown"},{"rank":3,"id":"2057487387131805851","account":"warroom","brand":"@warroom","title":"人类写了几十年的软件系统，在10万亿参数的AI面前，连几秒钟都撑不过去。 Anthropic 此前秘密测试了一个叫 My…","summary":"人类写了几十年的软件系统，在10万亿参数的AI面前，连几秒钟都撑不过去。 Anthropic 此前秘密测试了一个叫 Mythos 的超级大模型。 10万亿参数，这是目前人类历史上制造过最大的AI模型。 对比一下，初代 GPT 问世时还不到1万亿参数。 测试的靶子是所有的主流操作系…","body":"人类写了几十年的软件系统，在10万亿参数的AI面前，连几秒钟都撑不过去。\n\nAnthropic 此前秘密测试了一个叫 Mythos 的超级大模型。\n10万亿参数，这是目前人类历史上制造过最大的AI模型。\n对比一下，初代 GPT 问世时还不到1万亿参数。\n\n测试的靶子是所有的主流操作系统、浏览器和多套银行系统。\nMythos 瞬间找出了这些系统里的安全漏洞，并在几秒钟内完成了自动攻击。\n这些漏洞，是人类顶尖黑客几十年都没能发现的。\n\n这也是为什么 Anthropic 至今不敢发布这个模型。\n他们紧急封存了 Mythos，转而启动了一个代号为 \"Glasswing\" 的保密项目。\n\n人类几十年写出来的软件漏洞百出，在AI眼里就跟筛子一样。\n一个业余选手，在AI加持下能瞬间获得越级破坏力。\n而真正的职业黑客，则能用它把攻击规模放大到成百上千倍。\n\n全球网络安全公司这一年多来都在眼睁睁看着攻击数量暴增。\n他们心里很清楚，AI已经在悄然给黑客批量生产武器了。","category":"科技","score":70,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-21 15:48:48","created_at":"2026-05-21T17:43:14+02:00","url":"https://mubeitech.com/p/2057487387131805851","markdown_url":"https://mubeitech.com/p/2057487387131805851/markdown"},{"rank":4,"id":"2081379723834184049","account":"mubei","brand":"@mubei","title":"全球的AI实验室烧掉几百亿美元，到底在追什么？ 不只是算力。 他们都在死磕一个老问题：怎么把大自然压缩成机器能算的东西。…","summary":"全球的AI实验室烧掉几百亿美元，到底在追什么？ 不只是算力。 他们都在死磕一个老问题：怎么把大自然压缩成机器能算的东西。 1964年，物理学家理查德·费曼拿起一根粉笔，把这个根本困境讲透了。 他当年没谈AI，但今天大模型想构建“世界模型”的死穴，全在里面。 来，我们试着用大白话，…","body":"全球的AI实验室烧掉几百亿美元，到底在追什么？\n不只是算力。\n他们都在死磕一个老问题：怎么把大自然压缩成机器能算的东西。\n\n1964年，物理学家理查德·费曼拿起一根粉笔，把这个根本困境讲透了。\n他当年没谈AI，但今天大模型想构建“世界模型”的死穴，全在里面。\n\n来，我们试着用大白话，建一个不用复杂数学的引力模型。\n假设宇宙里充满了看不见的微粒，从四面八方撞击地球。\n因为太阳挡在中间，从太阳方向撞过来的微粒变少了。\n地球另一边的微粒，就会把地球往太阳的方向推。\n完美。\n把复杂的引力公式全绕过去了，普通人一秒就能听懂。\n\n但这套模型一跑起来，立刻崩溃。\n为什么？\n因为地球在轨道上飞。\n想象你在大雨里狂奔，是不是迎面砸在脸上的雨水，永远比落后脑勺的雨水多？\n微粒也一样。\n地球往前飞，迎面撞上的微粒就会多于背后的微粒。\n这会产生一个极其强烈的侧向阻力。\n如果这套简单的理论成立，地球早就停转了，根本撑不过它绕着太阳转过的这三四十亿年。\n\n这就是费曼的暴击：任何一套你想出来的模型，都必须能承受所有后果的推演。\n你可以为了好懂把规则简化，但它最后一定会跑出一个虚假的现实。\n\n今天搞大模型仿真的公司，面对的是同一个地狱。\n想让AI理解物理世界？想预测未来？\n大自然有一个极其难伺候的“毛病”：它的法则，只用一种方式给出答案，那就是极其复杂深奥的数学。\n数学不仅仅是一门语言。\n数学是语言加上逻辑，是人类唯一能把大自然的无数种表象缝合在一起，推演一万步还不穿帮的工具。\n\n想用单纯的自然语言或是简单的经验法则去重构世界？\n大自然连商量的余地都不会给。\n\n这才是今天AI大逃杀的底色。\n巨头们砸下几百亿，不单是在买显卡。\n他们是在替机器补交那笔最昂贵、也最不可能绕开的数学翻译费。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2081554689540145377","translated_status_id":"2081554689540145377","published_at":"2026-07-26 19:36:18","created_at":"2026-07-26T21:28:03+02:00","url":"https://mubeitech.com/p/2081379723834184049","markdown_url":"https://mubeitech.com/p/2081379723834184049/markdown"},{"rank":5,"id":"2045181640297578605","account":"mubei","brand":"@mubei","title":"大模型永远不会产生意识。 十年后不会，一百年后也不会。 下这个断言的，不是什么传统的科技悲观派。 是 Google De…","summary":"大模型永远不会产生意识。 十年后不会，一百年后也不会。 下这个断言的，不是什么传统的科技悲观派。 是 Google DeepMind 的研究员 Alexander Lerchner。 他刚发表了一篇名为《抽象谬误》的论文，直接掀翻了当前AI界的桌子。 现在的主流观点认为，只要模型…","body":"大模型永远不会产生意识。\n十年后不会，一百年后也不会。\n\n下这个断言的，不是什么传统的科技悲观派。\n是 Google DeepMind 的研究员 Alexander Lerchner。\n他刚发表了一篇名为《抽象谬误》的论文，直接掀翻了当前AI界的桌子。\n\n现在的主流观点认为，只要模型参数够大，意识就会自然涌现。\nLerchner 把这称为一种根本性的错觉。\n算法只是符号的重新排列组合，是一张由人类画出的地图。\n无论这张地图多复杂，它也变不成真实的物理地形。\n\n他给出了一个绝佳的类比。\n指望一行行代码能产生真正的内在意识，就像指望写在纸上的“万有引力公式”能凭空产生重量。\n\nAI 可以完美“模拟”人类的喜怒哀乐。\n但它永远无法“实例化”任何生命体验。\n硅基代码能骗过你的眼睛，但越不过物理法则的边界。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2045715934782882289","translated_status_id":"2045715934782882289","published_at":"2026-04-19 03:54:41","created_at":"2026-04-19T05:53:23.964388","url":"https://mubeitech.com/p/2045181640297578605","markdown_url":"https://mubeitech.com/p/2045181640297578605/markdown"}]}