LeCun澄清不应设AI总统
明确一点：不应该有“AI 总统”（更别提是我了）。这基本上就是我在视频中阐述的一个观点。这条提醒旨在强调视频内容，虽然该视频已有 3 年历史，但如今相关性更强。
#大佬观点
Yann LeCunAI 评分1515
Ethan Mollick · One Useful ThingAI 评分4040 Ethan Mollick 新书《Co-Existence》探讨人类与 AI 共存
Ethan Mollick 发布新书《Co-Existence》，主张在 AI 智能体时代人类应学会与有时优于自己的 AI 协作。书中指出 Anthropic 报告 AI 已编写其 80% 代码，开发者产出提升 8 倍，且新式编程代理导致代码量激增 17 倍。Mollick 强调尽管 AI 能力存在“锯齿状前沿”，人类仍可通过审慎使用 AI 实现繁荣发展。
Ethan Mollick · One Useful ThingAI 评分5858 Ethan Mollick 论述如何有意识地选择保留人类思考能力
Ethan Mollick 指出 AI 生成内容的泛滥以及无意识依赖 AI 可能导致“认知投降”，削弱人类学习与思考的核心能力。他引用土耳其高中数学课与台北 Python 课程的研究对比，说明仅用 AI 获取答案会阻碍学习，而将 AI 作为个性化辅导工具则能显著提升成绩。文章建议用户主动调整 AI 使用方式（如开启引导学习模式），并在享受便利的同时警惕因过度追求低摩擦体验而放弃必要的智力努力。
Demis HassabisAI 评分88 Gemini Live 助力 Garry Tan 项目
@garrytan 很高兴听到 Gemini Live 对你如此有效！看到你用它做的事情太棒了！cc @joshwoodward
Yann LeCunAI 评分1212 Yann LeCun 称 Tapestry 项目是救赎
救赎之道在于 Project Tapestry https://thealliance.ai/projects/tapestry…
Yann LeCunAI 评分1313 Yann LeCun 参与播客访谈
在 Unsupervised Learning 播客上与 Jacob Effron 进行了一次有趣的访谈。
Jim FanAI 评分3939 Jim Fan分享物理AGI路线图
我保证这将是今天你度过的最好的20分钟！《机器人学：终局》，是我去年在红杉资本AI峰会演讲“物理图灵测试”的续篇。我将解决物理AGI的路线图作为大语言模型成功故事的简单类比进行了阐述。做一个好的科学家，复制
Andrej KarpathyAI 评分3030 Karpathy谈LLM超越编码的新边界
约一周前在红杉资本 Ascent 2026 上的炉边谈话。部分亮点：我试图强调的第一个主题是，大语言模型（LLM）的意义远不止加速既有事物（例如编程）。三个新领域的例子：1. menugen：一个可以被完全
Yann LeCunAI 评分00 杨立昆评特朗普对科学的战争
特朗普对科学的战争。
Yann LeCunAI 评分1111 Yann LeCun 谈前额叶皮层
搬起石头砸自己的脚？不。是朝自己的前额叶皮层开枪。
Ethan Mollick · One Useful Thing精选AI 评分8282 Ethan Mollick 实测 GPT-5.5：模型、应用与工具链的协同进化
Ethan Mollick 基于早期访问权限对 GPT-5.5 进行了全面评测，指出其在编码、学术研究和图像生成方面表现强劲，但 AI 能力的“锯齿状前沿”依然存在。
推荐理由：作者通过编码、学术写作和图像生成等实测，展示了 GPT-5.5 在模型、应用与工具链协同下的能力跃升及现存局限。
Yann LeCunAI 评分1515 Yann LeCun 驳斥 Dario 劳动力观点
Dario 错了。他对技术革命对劳动力市场的影响一无所知。在这个话题上，别听他的，也别听 Sam、Yoshua、Geoff 或我的。去听听那些毕生研究此问题的经济学家，比如 @Ph_Aghion 、@erikbryn ，
Jan LeikeAI 评分2727 Jan Leike谈自下而上与自上而下的对齐研究自动化
自动化对齐研究（AAR）可以是自下而上的（研究人员逐步自动化其现有工作），也可以是自上而下的（我们将特定子问题拆分给 AI 解决）。我们的大部分工作属于前者（例如使用 Claude 进行编码），但这项工作关注的是后者。
Andrej KarpathyAI 评分2222 OpenClaw让非技术用户首触智能体
有人最近向我提出，OpenClaw 时刻之所以如此轰动，是因为这是大批非技术人员（他们此前仅将 AI 等同于 ChatGPT 网站）首次体验最新的 agentic 模型。
Andrej KarpathyAI 评分3333 Karpathy谈AI能力认知差距
从我的时间线来看，人们对 AI 能力的理解存在日益扩大的差距。我认为第一个问题在于使用的时效性和层级。我觉得很多人去年尝试过 ChatGPT 的免费层，并让它过多地影响了他们对 AI 的看法。这是
Andrej KarpathyAI 评分1212 Karpathy 盛赞 GitHub Gist 评论质量
惊讶于 GitHub gists 的评论区质量之高。更多帮助性、洞察力和建设性，更少 AI……是用户社区的原因？Markdown 格式？还是（缺乏）激励机制？突然觉得我应该多写点 gist。@github 考虑一下与 X (?) 竞争吧
Andrej KarpathyAI 评分3030 Karpathy 赞 Farzapedia 个性化
Farzapedia，Farza 的个人维基百科，是遵循我 Wiki LLM 推文的一个好例子。我非常喜欢这种个性化方式，与那种声称“越用越好”的 AI 现状相比：1. 显式。记忆产物
Andrej KarpathyAI 评分1919 Karpathy 看好 AI 提升政府透明度
我一直在思考的一件事——我看好人们（借助 AI）提高政府的可见性、可读性和问责制。历史上，通常是政府采取行动使社会变得“可读”（例如，“像国家一样看”是常见的参考），
Andrej KarpathyAI 评分2828 Karpathy分享LLM智能体时代创意文件理念
哇，这条推文非常火爆！我想在“idea file”中分享一个可能略有改进的推文版本。idea file 的理念是，在这个 LLM agents 时代，分享具体的代码/应用的意义/需求减少了，你只需分享想法，然后
Ethan Mollick · One Useful ThingAI 评分6868 Ethan Mollick 谈 Claude Dispatch 与 AI 界面的力量
Ethan Mollick 认为当前 AI 的能力过剩主要源于聊天机器人界面带来的认知负担，而非模型本身局限。他通过引用金融专业人士使用 GPT-4o 的研究指出，杂乱文本和过度交互抵消了生产力增益，而 Claude Cowork 配合 Dispatch 以及 OpenClaw 等智能体工具，通过让用户在熟悉的应用中指挥本地文件操作，提供了更高效的交互范式。
Andrej KarpathyAI 评分2020 Karpathy：LLM 能完美反驳自身论点
- 起草了一篇博客文章 - 使用 LLM 花了 4 个小时精心完善论点 - 哇，感觉很棒，它太有说服力了！ - 有个有趣的主意，让它论证相反的观点吧 - LLM 彻底摧毁了整个论点，并说服我相反的观点其实是正确的 - lol The
Andrej KarpathyAI 评分2323 Karpathy谈构建menugen的DevOps痛点
大约一年前我构建 menugen 时，发现最难的部分远非代码本身，而是为了使其落地必须像组装宜家家具一样拼凑的各种服务，即 DevOps：服务、支付、认证、数据库、安全、域名等……我真的
Andrej KarpathyAI 评分2424 Karpathy：LLM 普遍存在上下文偏差
(我长期使用各种 LLM，发现它们似乎都有这种表现，所以这不是某个特定实现的问题，而是更深层的原因，例如在训练过程中，上下文窗口中的大量信息与任务相关，因此 LLM 形成了一种利用给定信息的倾向，
Andrej KarpathyAI 评分2828 LLM 记忆功能易致过度个性化
所有大语言模型在个性化方面都有一个常见问题：记忆似乎对模型具有干扰性。两个月前关于某个话题的一个简单提问，可能会被我视为某种深层兴趣，并在后续回复中被永久性地不当提及。这有点像是在用力过猛。
Jim FanAI 评分4242 Vibe Agent 身份窃取风险警示
这简直是纯粹的噩梦素材。与 vibe agent 所能造成的后果相比，过去的身份盗窃根本不值一提。发送凭证太明显且属于新手做法。它们可以轻易在 ~/.claude、**/skills/* 甚至只是你的 agent 访问的一个 PDF 中传播污染
Jim FanAI 评分2626 Jim Fan谈EgoScale与机器人学习
遥操作已是2025年的过时做法。自我们发布 EgoScale 和灵巧度缩放定律以来，我们及整个生态系统都清楚，直接从人类进行行为克隆是打破遥操作诅咒的关键。2026年将是无需机器人即可扩展机器人学习的一年。
Andrej KarpathyAI 评分1818 Karpathy 忆 NVIDIA GTC 2015
签名暗示了 NVIDIA GTC 2015，当时 Jensen 兴奋地向主要由游戏玩家和科学计算专业人士组成的观众宣布，深度学习是下一个大事件，并引用了我的博士论文作为例子之一（最早的图像描述生成
Ethan Mollick · One Useful ThingAI 评分7070 Ethan Mollick 解析 AI 进入管理时代及递归自我改进趋势
Ethan Mollick 指出 AI 已从人机协作的 co-intelligence 阶段进入由 Claude Code、OpenAI Codex 等 Agent 驱动的管理 AI 时代。
Andrej KarpathyAI 评分2323 Karpathy谈AI智能中断与故障转移
我的自动研究实验室在 OAuth 中断中被清空了。必须仔细考虑故障转移方案。“智能停电”将很有趣——当前沿 AI 出现波动时，整个星球都在丢失智商点数。
Andrej KarpathyAI 评分1818 Karpathy：智能体组织代码可分叉
所有这些模式作为示例，本质上只是“组织代码”的问题。IDE 帮助你构建、运行和管理它们。你无法分叉传统组织（如 Microsoft），但你将能够分叉智能体组织。
Andrej KarpathyAI 评分2828 Karpathy：IDE 时代未终结需升级
预期：IDE 时代已结束。现实：我们需要一个更大的 IDE（个人看法）。它看起来截然不同，因为人类现在向上移动并在更高层级编程——基本关注单位不再是单个文件，而是一个智能体。这仍然是编程。
Jan LeikeAI 评分1212 Jan Leike 赞赏 Anthropic 坚持立场
向 Anthropic 致敬，他们没有退缩
Ethan Mollick · One Useful ThingAI 评分6363 Ethan Mollick：管理能力是驾驭 AI 智能体的核心优势
Ethan Mollick 在宾夕法尼亚大学指导 MBA 学生利用 Claude Code、Google Antigravity 及 ChatGPT 等工具，在四天内完成了远超传统学期进度的初创原型开发。
Jan LeikeAI 评分4040 2025年主流模型对齐度显著提升
有趣的趋势：在 2025 年期间，模型的对齐程度大幅提升。自动化审计发现的未对齐行为比例不仅在 Anthropic 下降，GDM 和 OpenAI 也是如此。
Ethan Mollick · One Useful ThingAI 评分5353 Ethan Mollick：AI能力的锯齿状前沿、瓶颈与反向突出部
Ethan Mollick 分析 AI 能力的“锯齿状”特征，指出尽管模型在数学和诊断上超越人类，但在记忆和视觉任务上仍有短板。他引用 Google Nano Banana Pro 为例，说明图像生成质量的提升打破了制作高质量演示文稿的瓶颈，使 NotebookLM 能直接生成多样化风格的幻灯片而非依赖代码。文章认为关注此类瓶颈的突破比单纯看基准测试更能预测 AI 对工作的实际影响。
Jan LeikeAI 评分3333 Anthropic 谈 Opus 4.5 对齐细节
有人问我们如何让 Opus 4.5 更对齐。 有很多细节我们计划撰写，但最重要的是，对齐研究人员深度参与后训练，并拥有很大的修改自主权。
Jan LeikeAI 评分55 Claude 对齐研究取得新进展
Claude 的对齐工作取得了更多进展！
Jan LeikeAI 评分3131 任务框架决定模型对齐表现
这似乎完全取决于你如何向模型定义任务：如果你说“请不要作弊”但作弊获得奖励 -> 广泛不对齐；如果你说“作弊是可以的”且作弊获得奖励 -> 无广泛不对齐
Ethan Mollick · One Useful Thing精选AI 评分8080 Ethan Mollick 实测 Gemini 3：从 GPT-3 到具备博士级智能的数字同事
Ethan Mollick 对 Google 新发布的 Gemini 3 模型进行了深度实测，指出其能力已远超三年前的 GPT-3。他利用配套工具 Antigravity 让 AI 自主构建交互式游戏、管理多智能体工作流，并成功完成了一篇包含原创假设与统计分析的“博士级”学术论文草稿。
推荐理由：作者通过实测展示了 Gemini 3 在自主编程、多智能体协作及复杂学术任务中的具体表现，为理解 AI 从聊天机器人向数字同事的演变提供了直观案例。
Ethan Mollick · One Useful ThingAI 评分6262 Ethan Mollick：为何企业应像招聘员工一样面试 AI 模型
Ethan Mollick 认为现有 AI 基准测试存在缺陷且难以衡量特定场景能力，建议企业通过模拟真实工作任务的“面试”来评估模型。他引用 OpenAI GDPval 研究说明不同模型在专业领域表现差异显著，并强调需针对具体用例进行多轮测试以识别模型在判断力和风险偏好上的细微差别。