搜索
今天 Interesting Engineering++ 发了一篇长文，把这些系统放在同一个分析框架里做了横评，回答的就是这些问题。原文地址：interestingengineering.substack.com/p/the-loop-is-the-lab
昨天，VIDOC Security Lab 的一篇博客介绍了他们的发现：Claude Mythos 的实力可能被高估了；或者说，之前已有模型达到了同等的能力。正如研究者 Dawid Moczadło 说的那样：「这并非一种新能力。」
4 月 10 日晚，灵初智能发布了大模型、数据集与合作计划：包括策略模型 Psi-R2、世界模型 Psi-W0，以及总规模近 10 万小时的人类操作数据。它想回答的问题也很直接 —— 当真机数据不再是唯一解，机器人还能靠什么继续 scaling？
Factory 发布桌面端应用，让自治 AI 代理（Droids）直接在你的电脑上操控 VS Code、浏览器、终端和 Excel——官方原话是「像你一样操作你的电脑」。多代理并行、持久化机器、本地模型部署一步到位，官方称企业团队采用速度翻倍、会话量暴涨 4.6 倍。发布推文 21 万人围观，近 900 人点赞。
近日，上海人工智能实验室联合南京大学、香港中文大学及上海交通大学，将OpenClaw的成功应用于多模态生成领域。他们提出GEMS（Agent-Native Multimodal Generation with Memory and Skills），激发小模型潜力，甚至让6B小模型在部分任务超越了Nano Banana 2。
如果你身边声称将为人类未来负责的人，这样和你聊天，你感受如何： “在应对 ASL-3 级别的灾难性风险时，我们通过机制可解释性的神经解剖，在神经网络的暗物质中，发现了潜伏特工（Sleeper Agen
不知道你们有没有发现，Anthropic最近状况频出得有些反常。又是泄露源代码、又是词元计费BUG，又是降智。小毛病不断、画面不断，讨论声也不断。多少掺点，拿bug当热点炒，蹭免费热搜了。这不，刚又给龙虾之父Peter账号封了。
强如Claude，最近的bug也越来越多了。最新热议话题让Hacker News炸开了锅：发帖人G哥（一位软件工程师，在某教育初创公司当CTO）甚至称这是他“迄今为止我在Claude代码中见过的最严重的bug”。
近期，一个叫“同事.skill”的GitHub项目5天收获超过6600颗星，冲上热搜。紧接着，“前任.skill”“老板.skill”“父母.skill”十余个衍生项目接连涌现。网友辣评：“同事，散是Token，聚是Skill。”
多模态大推理模型的幻觉，很多时候并非「没看见」，而是在最不确定的推理阶段想偏了。最新研究发现，模型在生成because、however、wait等transition words时，往往处于高熵关键节点，更容易脱离图像证据、转向语言脑补。LEAD在高熵阶段不急于输出单一离散token，而是先在潜在语义空间保留多种候选推理方向，并通过视觉锚点持续拉回图像证据，显著缓解幻觉。