跳到正文
SuperIntelligence
只看一手
今天10月19日周一2 条
  1. DeepLearning.AI18

    DeepLearning.AI 推出浏览器端智能体编码实验室

    在浏览器中通过 AI 编码智能体边做边学。支持实时预览，无需安装任何内容。在我们的课程《使用设备端内存构建 AI 助手》中试用 https://DeepLearning.AI 的新智能体编码实验室。免费报名：https://deeplearning.ai/courses/building-ai-assistants-with-on-device-memory… #AI #AIAgents

  2. a16z23

    Ben Horowitz谈AI时代关键技能

    Ben Horowitz 认为在 AI 世界中，创造力和人际关系这两项技能将比以往任何时候都更重要。“我认为这些是当今 AI 很难以非常好的方式获得的。所以如果你对这些事情没有直觉，我不知道所有的 AI

10月18日周日
  2. Ethan Mollick34

    Fable 5.1实现博尔赫斯3D故事

    Fable 5.1：“实现博尔赫斯的短篇小说。像用 3D 实现它们那样做。去做，让它们富有创意和美感，并帮助我们理解故事的要点。自己想办法。”我不得不告诉它引用博尔赫斯是可以的。有些很棒的东西。试玩：https://borges-in-3d.netlify.app

  4. a16z38

    a16z：42%美国人仍不信任AI购物

    AI 正帮助美国人购物，但 42% 的人仍不信任它代为购买。即使在最热门的品类中，也只有约四分之一的人愿意让 AI 选择并购买：- 服装 27%- 电子产品 26%- 旅行 25%本周图表：https://a16z.news/p/this-week-in-charts-agents-denied…

  7. Ethan Mollick33

    AI 服务摩擦与现状变革研究

    维持现状并非选项。你要么增加额外摩擦（收取费用、降低服务质量、禁止智能体），要么消除它们（借助 AI 提供更多服务、重新设计工作以简化访问）。论文：https://arxiv.org/pdf/2608.16603

  9. NVIDIA Blog62

    NVIDIA RTX Spark 笔记本发布：搭载 Blackwell GPU 与 Grace CPU，起售价 $2,399

    NVIDIA 宣布 RTX Spark 笔记本电脑正式发售，该系列搭载 NVIDIA Blackwell RTX GPU 和 Grace CPU，提供最高 128GB 统一内存及 1 petaflop AI 算力，起售价为 $2,399。

    推荐理由：原文展示了 RTX Spark 笔记本的硬件规格、起售价及全球首发活动，为关注本地 AI 算力便携化的读者提供了具体的产品参数和市场落地信息。

  10. DeepLearning.AI16

    Yann LeCun将出席AI Dev NYC分享AMI Labs新进展

    Yann LeCun 协助发明了卷积神经网络，并与 Hinton 和 Bengio 共同获得 2018 年图灵奖。现在他将加入我们在 AI Dev NYC 的活动，分享他在 AMI Labs 的最新工作。纽约市，11 月 30 日至 12 月 1 日 https://ai-dev.deeplearning.ai Just. Keep. Building.

  11. a16z35

    Ben Horowitz谈AI新云套利风险

    Ben Horowitz 讲述 LoudCloud（他早期的云公司）给当今 AI 新云带来的教训，以及它们如今面临的相反问题：“这最终可能变成一个非常危险的套利业务，你很容易就会倒挂。所以如果你看看 LoudCloud，

10月17日周六
  2. vLLM 官方博客68

    vLLM 详解 Kimi K3 深度优化：实现 840 tokens/s 及快速响应维护策略

    vLLM 官方博客发布 Kimi K3 的深度优化方案，通过 Agent 辅助开发构建统一 CuTe DSL decode 路径，在 16 张 NVIDIA GB300 GPU 上实现 batch 1 超过 840 tokens/s 的解码速度。

    推荐理由：原文详细拆解了 Kimi K3 在 vLLM 中的底层优化逻辑与性能数据，并提出了平衡开发速度与稳定性的维护框架。

  3. DeepLearning.AI28

    吴恩达：AI在可验证任务进步最快

    在本周吴恩达的信件中：AI 在可验证的任务上进步最快。判断类任务更难，且容易将数学和代码领域的进展过度泛化到人类活动的其他方面。此外还包括：Claude Haiku 5.5、Sonnet 5.5 以及 Mistral Large 4

  4. a16z21

    AI拉大普通与优秀工程师差距

    @grepr_ai 的 Jad Naous 谈 AI 如何拉大普通与优秀工程师之间的差距：“有些人正在适应和学习，而另一些人则不那么善于适应。随着我们开始为团队招聘更多人员，普通工程师和真正优秀的工程师之间的这种差异

  5. a16z28

    a16z合伙人谈AI能否替代VC

    @grepr_ai 的 Jad Naous 询问 a16z 的 Martin Casado：AI 能否胜任 VC 的工作？Martin：“我对 VC 的理解是它高度依赖人际关系。我坚信市场其实相当高效。关键不在于发现别人都没找到的公司。我认为人们都

  6. a16z38

    a16z：超三分之一美国人依AI推荐购物

    过去一年，超过三分之一的美国人根据 AI 推荐购买了商品。44% 的人表示 AI 帮助他们找到更划算的产品；34% 的人愿意为 AI 显示的最佳选项支付更高价格。本周图表：https://a16z.news/p/this-week-in-charts-agents-denied…

  7. OpenAI65

    OpenAI 升级 ChatGPT 中的 GPT-6 Astra Pro：支持多智能体并行任务

    OpenAI 宣布 ChatGPT 中的 GPT-6 Astra Pro 迎来升级，响应速度更快，且改进了对插件和工具的使用。现在多个智能体可以并行处理同一任务的不同部分，用户可跟踪每个智能体的进度并查看已完成的工作。

    推荐理由：官方说明GPT-6 Astra Pro在ChatGPT中支持多智能体并行处理任务，并提升了插件与工具调用能力。

  8. Anthropic38

    Claude Mythos 5优化量子电路

    来自我们的 STEM Fellow 项目的新成果：利用 Claude 设计更高效的量子电路。根据自然语言指令，Claude Mythos 5 设计的量子电路优于已发表的最佳方案，有时提升幅度达一个数量级或更多。更高效的电路

  11. Ethan Mollick42

    Gemini 4智能体协作通关Minecraft

    关于一组 Gemini 4 智能体如何击败 Minecraft 的论文值得一看。这是智能体自发协调以完成复杂目标的一个通俗易懂的例子（部分原因是由 AI 撰写），以及它们的方法与人类有何不同 / https://arxiv.org/pdf/2610.22319

  14. AWS Machine Learning Blog40

    Amazon Bedrock AgentCore 构建 AI 智能体生产级评估框架

    AWS SMGS 团队利用 Amazon Bedrock AgentCore Evaluations 构建持续质量闭环，解决 AI 智能体在生产环境中“自信但错误”的隐性失效问题。该框架集成 Guardrails、CloudWatch 等组件，在发布前及运行中自动验证答案准确性并追溯根因，防止如营收数据单位误读或幻觉计算导致的业务风险，确保多智能体系统在大规模部署下的可信度。

  16. Google Research63

    Google Research 发布构建自主湿实验室的三大基石：VERID 框架、适配体闭环设计与蛋白质从头设计

    Google Research 分享三项研究进展，旨在弥合 AI 计算探索与真实湿实验室实验之间的差距。

    推荐理由：Google Research 提出 VERID 框架并展示闭环实验案例，为 AI 智能体在湿实验室中的自主发现提供了可复用的基础设施与验证路径。

  18. Artificial Analysis40

    d1-ultra非幻觉率达85%

    d1-ultra 在 AA-Omniscience-Decision 上实现了最高的非幻觉率，达到 85%，是 Microsoft-Decision-1 的 40% 第二高率的倍以上。与 d1 相比，更多的弃权导致准确率降至 32%，而 d1 为 41%。

  21. Artificial Analysis60

    Reflection 发布开源模型 Reflection-3.7-70B

    Artificial Analysis 报道 Reflection 发布了其首个开源模型 Reflection-3.7-70B。该模型拥有 50B 总参数和 70B 激活参数，在 Artificial Analysis Intelligence Index 中得分为 42。

    推荐理由：原文给出了 Reflection 新模型的基准分数和参数规模，读者可据此快速评估其在开源阵营中的性能定位。

  24. a16z28

    a16z 探讨 AI 运维生产系统

    工程负责人告诉 Grepr 创始人兼 CEO Jad Naous，他们花费基础设施预算的 5% 到 20% 用于可观测性，但换来的可靠性却越来越少。前 a16z 合伙人 Jad 与 a16z 的 Martin Casado 一起讨论 AI 是否能运行生产系统

10月16日周五
  1. AWS Machine Learning Blog63

    AWS 发布 Reflection Beam 智能体编码模型的部署与调优指南

    Reflection AI 推出面向智能体编码的开源权重模型 Beam，拥有 501B 总参数和 23B 激活参数，支持 1M token 上下文。该文章详解了在 AWS SageMaker JumpStart 和 HyperPod Inference 上部署 BF16、FP8 或 NVFP4 版本的具体步骤，包括 GPU 容量规划、SGLang/vLLM 运行时配置及性能测试方法。

    推荐理由：原文详细拆解了 Reflection Beam 在 AWS 上的两种部署路径及显存规划，为开发者提供了从模型选型到性能调优的可落地工程指南。

  2. Hugging Face Blog92

    Reflection 发布 501B 参数开源模型 Beam

    Reflection 发布了首个开源大语言模型 Beam，这是一个拥有 501B 总参数（每 token 激活 23B）的混合专家（MoE）模型，支持 1M tokens 上下文窗口并采用 Apache 2.0 许可证。

    推荐理由：原文提供了501B MoE模型的架构细节、多精度检查点及vLLM/SGLang部署方案，读者可据此评估其在自有硬件上的落地可行性。

  3. vLLM 官方博客78

    vLLM 发布 Reflection Beam 模型 Day 0 支持与优化指南

    vLLM 宣布从 Day 0 支持 Reflection 的 501B 参数 MoE 模型 Beam，并在 NVIDIA Blackwell 上完成优化。通过编码智能体自主优化，该实现使 batch-1 解码速度提升 2.71 倍，预填充速度提升 1.87 倍。

    推荐理由：vLLM 官方展示了 Reflection Beam 模型的 Day 0 支持细节，包括智能体自动优化带来的显著性能提升和 DFlash2 投机解码配置，为大规模 MoE 模型的高效部署提供了具体参考。