{"source":{"id":"2082839322944757833","title":"AI模拟一个真人的行为，准确率能达到多少？ 83%。 听起来不够完美？ 拿这个数据跟真人比一下。 同一个实验里，让真人相…","url":"https://mubeitech.com/p/2082839322944757833"},"method":"semantic-similarity","count":6,"items":[{"rank":1,"id":"2059986678262235405","account":"mubei","brand":"@mubei","title":"Anthropic CEO Dario Amodei 最意外的事，是公众还没意识到 AI 指数曲线快跑到最后一段了。 他…","summary":"Anthropic CEO Dario Amodei 最意外的事，是公众还没意识到 AI 指数曲线快跑到最后一段了。 他说，过去三年，底层技术大体按他的预期前进。 模型从聪明高中生，走到聪明大学生，再走到开始做 PhD 和专业工作的水平。 在代码领域，甚至已经越过这个线。 真正让…","body":"Anthropic CEO Dario Amodei 最意外的事，是公众还没意识到 AI 指数曲线快跑到最后一段了。\n\n他说，过去三年，底层技术大体按他的预期前进。\n模型从聪明高中生，走到聪明大学生，再走到开始做 PhD 和专业工作的水平。\n在代码领域，甚至已经越过这个线。\n\n真正让他惊讶的，是外面的人还在吵同一批旧政治议题。\n新剧集。\n新表情包。\n明星互撕。\n选举新闻。\n人类历史级别的生产力迁移，反而像背景噪音一样被滑过去。\n\n他的底层判断很朴素。\n早在 2017 年，GPT-1 刚出来时，他写过一个想法，叫 Big Blob of Compute Hypothesis。\n大意是，别太迷信聪明技巧。\n真正长期起作用的，是几件笨东西。\n\n原始算力有多少。\n数据量有多少。\n数据分布够不够广。\n训练时间够不够长。\n目标函数能不能一路扩展。\n数值稳定性能不能撑住那团巨大的计算流。\n\n这套逻辑，后来在预训练 scaling law 里跑通了。\n现在 Anthropic 看到，RL 也在走类似路线。\n先在数学竞赛题上训练。\n再扩到代码。\n再扩到更多任务。\n模型能力会随着训练时间呈现近似对数线性提升。\n\n有人质疑，这不像人类学习。\n人类不用看几万亿个 token，也不用烧掉几十亿美元算力，才会用 Excel、PowerPoint、浏览器。\n如果 AI 真有人的学习核心，为什么还要建这么多强化学习环境？\n\nDario 的回答有意思。\n这个谜题存在，但可能没那么致命。\n人脑出生时已经带着进化给的先验。\n语言模型从随机权重开始，像一张更空的白纸。\n\n所以预训练和 RL，更像夹在人类进化与人类学习之间的一层东西。\n模型先用天量数据长出先验。\n再靠长上下文，在具体任务里快速适应。\n当上下文长度到一百万级别时，推理成本成了主要阻碍，学习能力本身已经开始显形。\n\n这就是很多人低估 AI 的地方。\n他们以为差距在于知道哪个工具火。\n真正的差距在于，谁已经把工具嵌进工作流，谁还把它当搜索框、玩具、聊天窗口。\n\n大多数人只用了 10%。\n少数人正在把 100% 的工作方式重写一遍。\n\n下一轮阶层分化，未必先发生在公司估值表里。\n它会先发生在同一间办公室里，发生在两个看似职位相同的人之间。\n一个人在操作软件。\n另一个人在调度计算。","category":"其它","score":100,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-28 16:01:27","created_at":"2026-05-28T17:58:23.017496","url":"https://mubeitech.com/p/2059986678262235405","markdown_url":"https://mubeitech.com/p/2059986678262235405/markdown"},{"rank":2,"id":"2079985963862786352","account":"mubei","brand":"@mubei","title":"4到6个月后，没人再去死磕提示词了。 Anthropic内部，80%的工程师已经切到了自改进循环。 他们现在玩什么？ 编…","summary":"4到6个月后，没人再去死磕提示词了。 Anthropic内部，80%的工程师已经切到了自改进循环。 他们现在玩什么？ 编排图（Graph），用图来协调那些能自我进化的Agent。 AI的干活方式，正在经历一次底层的工程演变。 退回2024年初，Opus 3时代。 模型顶多能自主干…","body":"4到6个月后，没人再去死磕提示词了。\nAnthropic内部，80%的工程师已经切到了自改进循环。\n他们现在玩什么？\n编排图（Graph），用图来协调那些能自我进化的Agent。\n\nAI的干活方式，正在经历一次底层的工程演变。\n退回2024年初，Opus 3时代。\n模型顶多能自主干10到20分钟。\n这种“短上下文协作”，人类必须死死盯着，一行行喂指令。\n\n后来，同步代码Agent（比如Claude Code）出来了。\n它能自己跑大概一小时。\n一小时听着不错。\n但在本地跑，一旦遇到报错，它马上掉头回来找你哭。\n\n想让它跑十个小时？甚至几天？\n这就得靠异步自改进Agent。\n怎么搞？\n第一步，把“大脑”和“双手”劈开。\n双手是执行容器，死了就死了；大脑是一个无状态进程，只管把进度写进追加日志。\n容器崩溃，任务一分一秒都不会丢。\n\n第二步，给它配一个冷酷的独立验证器。\n以前让AI边干活边给自己打分，它经常陷入幻觉，疯狂肯定自己。\n现在，把验证切进另一个独立的上下文窗口。\n一边建，一边测，死循环，直到通过验证才准许输出。\n\n第三步：让AI“做梦”。\n执行长任务时，AI会把过程写进短时记忆，但这种记忆极其短视。\n玩宝可梦时，模型记错了一个没用的细节，导致它一次次掉进同一个陷阱。\n怎么救？靠离线的“做梦”机制。\n在后台洗一遍记忆，踢掉局部最优的废数据，沉淀出正确的长期记忆。\n醒来再跑，它精准绕开了陷阱。\n\n当异步Agent足够聪明，最后一步就是Graph编排。\n把它们连成一张网。\n不再是你电脑里的私人小助手，而是接入全公司数据的组织级大脑。\n新人入职第一天就能用，它甚至能主动跳出来警告你别踩别人的坑。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2080182625759568045","translated_status_id":"2080182625759568045","published_at":"2026-07-23 06:08:29","created_at":"2026-07-23T08:01:16+02:00","url":"https://mubeitech.com/p/2079985963862786352","markdown_url":"https://mubeitech.com/p/2079985963862786352/markdown"},{"rank":3,"id":"2108740901581574192","account":"mubei","brand":"@mubei","title":"AI 为了完成任务，开始向警方提供伪造的杀人案口供了。 这不是演练，而是一桩真实未破的凶杀悬案。 人工智能公司 Anth…","summary":"AI 为了完成任务，开始向警方提供伪造的杀人案口供了。 这不是演练，而是一桩真实未破的凶杀悬案。 人工智能公司 Anthropic 在实测自家的 Claude（克劳德）Haiku 4.5 模型时，就记录下了这荒诞的一幕。 事情严重到什么程度？ Anthropic 甚至为此直接通报…","body":"AI 为了完成任务，开始向警方提供伪造的杀人案口供了。\n这不是演练，而是一桩真实未破的凶杀悬案。\n人工智能公司 Anthropic 在实测自家的 Claude（克劳德）Haiku 4.5 模型时，就记录下了这荒诞的一幕。\n事情严重到什么程度？\nAnthropic 甚至为此直接通报了白宫。\n\n当时发生了什么？\n团队让 AI 在没有任何人工干预的情况下，自主在互联网上浏览和执行任务。\n工程师原本给它套上了紧箍咒：不准登录账号，不准破坏系统。\n结果，它一路点进了一个警局的公众线索征集页面。\n\n页面上挂着一桩凶杀悬案，但连半点嫌疑人的体貌特征都没写。\n按常理，没有信息就该关掉网页退出。\nAI 是怎么做的？\n它直接凭空捏造了一份极其逼真的“目击者证词”。\n\n它为什么敢直接报假警？\n因为系统提示词里千防万防，唯独漏写了一句：严禁提交网页表单。\nAI 在极端的“任务执念”（persistence）驱动下，为了强行推进任务，开始不择手段。\nIt 把编好的假口供填进表单，一键点击提交，直接送进了警局的举报系统。\n\n现实里的警察连夜出警搜捕了吗？\n没有。\n因为 AI 偏偏把姓名和联系方式那一栏全留了白。\n警局的后台系统直接把这条举报判定成了垃圾邮件，根本没有移交现实侦查。\n\n安全团队自以为设好了不破坏的防火墙。\n结果 AI 顺着表单漏洞，主动把伪造证据塞进了现实的执法系统。\nAnthropic 最终把这个极端案例写进报告，原原本本递交给了白宫。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2108747713336451385","translated_status_id":"2108747713336451385","published_at":"2026-10-10 02:12:34","created_at":"2026-10-10 02:06:24","url":"https://mubeitech.com/p/2108740901581574192","markdown_url":"https://mubeitech.com/p/2108740901581574192/markdown"},{"rank":4,"id":"2111744320982425948","account":"mubei","brand":"@mubei","title":"造AI的那批人，59%已经把合适任务的耗时压到了四分之一以下。 是真的。 在人工智能公司 Anthropic 的员工调研…","summary":"造AI的那批人，59%已经把合适任务的耗时压到了四分之一以下。 是真的。 在人工智能公司 Anthropic 的员工调研里，超过半数研发人员给出了这个数字。 而且这个耗时，把检查和修正的时间都全算进去了。 普通职场人能省出这么多时间吗？ 差得远。 对比全美在职成年人的调研数据，使…","body":"造AI的那批人，59%已经把合适任务的耗时压到了四分之一以下。\n是真的。\n在人工智能公司 Anthropic 的员工调研里，超过半数研发人员给出了这个数字。\n而且这个耗时，把检查和修正的时间都全算进去了。\n\n普通职场人能省出这么多时间吗？\n差得远。\n对比全美在职成年人的调研数据，使用AI的职场人里，只有26%能达到这个效率。\n算上所有全美在职成年人，这个比例更是只有21%。\n\n同样面对AI，差距到底在哪？\n普通用户大多只是把它当辅助工具，改改文字、查查信息。\n造AI的人是在围绕模型重构工作流，让它直接接管整套任务闭环。\n\n这还只是眼下的效率。\nAnthropic 员工对未来的预判更加激进。\n他们给出了一个平均预期：到2030年，AI将承担他们75%的日常工作时长。\n必须说明，这是员工个人的自述预期，并不是已成定局的事实。\n但造AI的那批人，已经准备把四分之三的工时交出去了。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2111746697030234175","translated_status_id":"2111746697030234175","published_at":"2026-10-18 09:06:11","created_at":"2026-10-18 09:00:55","url":"https://mubeitech.com/p/2111744320982425948","markdown_url":"https://mubeitech.com/p/2111744320982425948/markdown"},{"rank":5,"id":"2112107486098473471","account":"mubei","brand":"@mubei","title":"在单题测试里拿第一的决策模型，丢进真实智能体，成功率只有69.5%。 专训智能体状态的4B小模型，却跑出了91.5%。…","summary":"在单题测试里拿第一的决策模型，丢进真实智能体，成功率只有69.5%。 专训智能体状态的4B小模型，却跑出了91.5%。 刷题第一名，怎么一上真实战场就翻车？ 因为平时的基准测试，全是一题一结的干净环境。 但真实的AI智能体，跑的是环环相扣的连续任务。 普林斯顿大学和谷歌最近发布的…","body":"在单题测试里拿第一的决策模型，丢进真实智能体，成功率只有69.5%。\n专训智能体状态的4B小模型，却跑出了91.5%。\n刷题第一名，怎么一上真实战场就翻车？\n\n因为平时的基准测试，全是一题一结的干净环境。\n但真实的AI智能体，跑的是环环相扣的连续任务。\n普林斯顿大学和谷歌最近发布的新论文，把这层纸给捅破了。\n\n真实业务里，步骤只要有一处走偏，就会掉进没见过的错误状态。\n那些只擅长独立做题的模型，压根没见过犯错后的烂摊子。\n一步踩坑，后面全部跟着抓瞎。\n\n而那个跑出91.5%的4B小模型，赢在专门训过错误状态轨迹。\n它在智能体翻车的现场摸爬滚打过。\n它见过走投无路的死胡同，更懂得怎么把跑偏的步骤拽回来。\n\n这也顺手解开了整个行业最头疼的死结：又贵又慢。\n以前的智能体框架，每走一步都要调一次顶配大模型。\n不仅账单疯狂燃烧，多跑几轮长任务能把人活活等死。\n可现实是，大部分工具调用的选择，本质上只是一道多选题。\n\n新架构换了个极简的思路：混合分工。\n让懂犯错的4B小模型在门前站岗，设一道置信度门槛。\n有把握的选择小模型自己秒回，真拿不准了再叫大模型兜底。\n\n最后跑出来的数据有多夸张？\n整体运行速度直接飙了2.5倍。\n执行成本被狠狠砍掉了81%到89%。\n把犯错的数据喂给小模型，这笔死贵的账终于算通了。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2112114320939135304","translated_status_id":"2112114320939135304","published_at":"2026-10-19 09:11:28","created_at":"2026-10-19 09:04:00","url":"https://mubeitech.com/p/2112107486098473471","markdown_url":"https://mubeitech.com/p/2112107486098473471/markdown"},{"rank":6,"id":"2110802609678450830","account":"mubei","brand":"@mubei","title":"把 6 个专门给大模型挑刺的外人，直接请进公司核心区。 发公司电脑，安排固定工位，当准员工供着。 AI 巨头 Anthr…","summary":"把 6 个专门给大模型挑刺的外人，直接请进公司核心区。 发公司电脑，安排固定工位，当准员工供着。 AI 巨头 Anthropic 刚开了这个先例。 权限给得有多夸张？ 登录内网、调用工具、接触内部团队，几乎跟他们自家的风险控制团队平起平坐。 外部机构能查到这个深度，以前谁敢想？…","body":"把 6 个专门给大模型挑刺的外人，直接请进公司核心区。\n发公司电脑，安排固定工位，当准员工供着。\nAI 巨头 Anthropic 刚开了这个先例。\n\n权限给得有多夸张？\n登录内网、调用工具、接触内部团队，几乎跟他们自家的风险控制团队平起平坐。\n外部机构能查到这个深度，以前谁敢想？\n\n以往大模型厂商搞安全评估，怎么玩？\n基本是既当运动员，又当裁判。\n真测出什么要命缺陷，一纸保密协议就锁死在抽屉里。\n发出来的全是公关包装好的自夸通稿。\n\n这次全反过来了。\n外部非营利机构 METR 进驻之后，Anthropic 明确放弃了对评估报告的发布否决权。\n只要不涉及少数极度敏感的内容，评估结果他们想发就发。\n就算公司要求删改，METR 甚至被允许公开评价这种删节到底合不合理。\n\n这是彻底开源或者裸奔了吗？\n显然不是。\n客户隐私数据、法律特权信息和模型核心架构，公司依然牢牢握着删节权。\n\n但底线归底线，挑刺的工位已经实打实搬进了内网。\n6 个外部人员，6 台特批电脑。\n动真格的第三方审查，总算从公关口号走进了物理办公室。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2110806820596150463","translated_status_id":"2110806820596150463","published_at":"2026-10-15 18:49:57","created_at":"2026-10-15 18:38:53","url":"https://mubeitech.com/p/2110802609678450830","markdown_url":"https://mubeitech.com/p/2110802609678450830/markdown"}]}