搜索
近日，「智能知识」（Human Intelligence）完成天使轮融资，由耀途资本、锦秋基金联合投资。本轮融资资金将用于两个方向：前沿数据品类扩张：深耕 Coding、Enterprise Office（GDPVal）、Agentic Tool Use 等高价值数据，并积极探索 AI4Math、AI4Science、AutoResearch 等新场景；
今天，MuleRun正式上线Messages。作为MuleRun Enterprise版的AI协作IM，Messages的核心设计是让人类员工与AI Agent在同一个工作空间里像同事一样协作——Agent可以被@、可以被拉群、可以持续参与工作流程。
今天拆一个很典型的 AI 小产品：TinderProfile.ai。它的官网一句话非常直接：上传 2-5 张普通自拍，AI 在 10 分钟内生成更适合 Tinder、Bumble、Hinge 的约会头像，帮你获得更多匹配。
Anthropic宣布与SpaceX达成合作协议，将大幅提升算力储备。受此影响，Claude Code和Claude API的使用限制即日起全面上调。第一，Claude Code的5小时频率限制翻倍，适用于Pro、Max、Team以及按席位计费的Enterprise方案。
Anthropic 4 月 10 日发布 Claude for Word 公测版，第一批只开给 Team 和 Enterprise 用户
Claude Code 今天上了一个新能力：Routines，面向 Pro、Max、Team 和 Enterprise 用户开放
什么样的思维链，能「教会」学生更好地推理？
过去几年，机制可解释性（Mechanistic Interpretability）让研究者得以在 Transformer 这一 “黑盒” 里追踪信息如何流动、表征如何形成：从单个神经元到注意力头，再到跨层电路。但在很多场景里，研究者真正关心的不只是 “模型为什么这么答”，还包括 “能不能更稳、更准、更省，更安全”。
随着大语言模型（LLM）的商业价值快速提升，其昂贵的训练成本使得模型版权保护（IP Protection）成为业界关注的焦点。然而，现有模型版权验证手段（如模型指纹）往往忽略一个关键威胁：攻击者一旦直接窃取模型权重，即拥有对模型的完全控制权，能够逆向指纹 / 水印，或通过修改输出内容绕过指纹验证。
在大模型研究领域，做混合专家模型（MoE）的团队很多，但专注机制可解释性（Mechanistic Interpretability）的却寥寥无几 —— 而将二者深度结合，从底层机制理解复杂推理过程的工作，更是凤毛麟角。