人工智能 今日: 0|主题: 221|排名: 3 

#人工智能# “约束、记忆、上下文片段以及痛苦的教训 这是一份仍在完善中的思维记录，涉及我们如何使用和设计约束机制、其对长期积累的记忆所产生的影响，以及我们无法逃避的痛苦教训。这是第 30 版及以上的版本，HTML 图表帮助我逐步完善并调整思维模式，通过聊天大致“理解”并修改思维模型。” “约束与上下文片段 ...

[LG]《Neural Computers》M Zhuge, C Zhao, H Liu, Z Zhou… [Meta AI] (2026) 在计算机系统领域，计算、内存与 I/O 至今仍被拆分在三个独立模块中执行。现有 AI 代理依附外部运行环境，世界模型只预测动态，两者都无法让模型本身成为那台"正在运行的计算机"——这个角色的空缺，是问题的真实重量所在。 本文的核心洞见 ...

#人工智能# #智能时刻的观察# 📢 揭秘当今尖端AI系统是如何构建与运行的！🔥 这张“增强型人工智能产品栈”(Enhanced AI Product Stack)架构图，清晰展示了现代AI应用如何通过四个紧密协作的层级搭建而成：👇 1️⃣ 应用层(Application Layer) : - 直面用户的价值交付层！ - 包含： - 身份认证 (Authentication) ...

【从对话框到生产力引擎：深度拆解 Claude 的四个进化阶梯】 大多数人对 Claude 的认知仍停留在“更好用的聊天机器人”，但这仅仅是冰山一角。Anthropic 正在构建的不是一个问答工具，而是一套完整的数字劳动力体系。根据 Ruben Hassid 总结的“Claude 层次论”，我们可以将 AI 的应用深度分为四个阶段。 + 第一层：基础 ...

苹果公司证明，人工智能模型不会做数学题。不是高等数学，而是小学数学，那种10岁孩子都能解出来的数学题。 而他们证明这一点的方式令人震惊。 苹果的研究人员选取了人工智能领域最流行的数学基准测试——GSM8K（一套小学数学题）——并做了一个改动：他们交换了数字。题目相同，逻辑相同，步骤相同，只是数字不同。 所 ...

[IR]《Retrieval Augmented Conversational Recommendation with Reinforcement Learning》Z Yue, H Zhuang, Z Qin, Z He… [University of Illinois Urbana-Champaign & Google DeepMind] (2026) 在对话推荐领域，LLM 依赖预训练知识却无法感知新增电影，而现有语料库规模极小（仅约7k条目），使基于嵌入的检索几乎无法 ...

你有没有注意到，跟 AI 聊天时它有时候会说 “抱歉”，完成任务后还会表达满足感？这到底是单纯的模仿，还是背后有什么更深层的机制？ Anthropic 做了一项很有意思的研究，实验过程有点像 “AI 神经科学”。具体来说就是深入模型的神经网络内部，去看不同情境下哪些神经元会被激活。他们让模型阅读大量包含特定情绪的短篇 ...

Meta 搞出来一个新模型，TRIBE v2（三模态脑编码器），这是一个基础模型，旨在预测人脑对几乎任何视觉或听觉刺激的反应。 TRIBE v2 利用来自 700 多人的 500 多个小时的功能性磁共振成像（fMRI）记录，创建了一个神经活动的数字孪生，并能够对新受试者、新语言和新任务进行零样本预测。 论文： ai.meta.com/research/pu ...

昆仑万维旗下天工 AI 重磅发布了全新 AI 游戏世界模型 AI 游戏世界模型 Matrix-Game 3.0、AI 视频大模型 SkyReels V4 和 AI 音乐大模型 Mureka V9，在继续强化 AIGC 理解与生成能力的同时，进一步推进 AI 对物理世界的建模与仿真。 牛逼呀，端到端生成，分钟级…… 国内AI领域的格局不声不响的正在发生巨变…… 传统大 ...

大模型正在经历一场从“语言符号”向“连续向量”的范式转移。 长期以来，我们习惯于通过显性的 Token（令牌）生成来理解 AI，但越来越多的证据表明，大模型最核心的推理、规划和记忆过程，正逐渐迁移到人类不可直读的连续潜空间（Latent Space）中。 这不仅是技术的演进，更是一场关于智能本质的“静默革命”。 以下是 ...

所谓的格林斯潘第十定律说，任何软件复杂到一定程度，最终都会有一个残缺不全的Lisp解释器。 某种程度上预言了当今LLM背景下软件CLI化的趋势。 ffmpeg团队似乎深谙此理，坚决不做GUI，并且它的CLI也确实复杂到可以称为一种DSL的程度了。 信息系统归根结底是一种热力学系统，不可能无中生有。软件如此，大模型也如此。作为 ...

[AI]《Omni-SimpleMem: Autoresearch-Guided Discovery of Lifelong Multimodal Agent Memory》J Liu, Z Ling, S Qiu, Y Liu… [UNC-Chapel Hill & University of Pennsylvania] (2026) 在多模态AI智能体领域，如何让系统在延续数月的交互中有效记住、组织并调取图文音视频混合经验，是一个尚未破解的难题。 手动设计记 ...

[LG]《TurboAngle: Near-Lossless KV Cache Compression via Uniform Angle Quantization》D Patel [LLMs Research Inc.] (2026) 大语言模型推理时，KV缓存随序列长度线性膨胀，已成为长上下文场景的内存瓶颈。现有量化方法直接压缩原始激活值，却面临离群值、通道分布差异和非高斯分布三重困境，不得不依赖逐通道校准数 ...

一篇关于早期纠错码的个人笔记，44 页 PDF 近 2 万字：《Hamming、Hadamard、Golay 纠错码实验》http://t.cn/AXIRuWmP ​​​

🔥【AI技术宇宙图谱】一张图看懂AI领域「星系级」技术脉络！ 附《AI技术全景演化图》 🌌 ​​层级解析​​（对照原图环形结构） 1️⃣ ​​第一层：AI宇宙​​ ▫️ 总星系：涵盖所有智能技术 2️⃣ ​​第二层：机器学习星云​​ ▫️ 暗物质：传统算法（SVM/决策树） ▫️ 超新星：深度神经网络（DNN） 3️⃣ ​​ ...

Anthropic又放大招了：Claude体内，真藏着一套「情绪开关」？ 在Sonnet 4.5中锁定了「喜、怒、哀、惧」的特定神经元，并证实这些情绪表征正在悄悄操纵AI的行为。 研究者让AI阅读大量情感短篇故事，发现特定神经元群体会随故事情感同步激活，形成可量化的「情感向量」（Emotion Vectors）。当用户说"我吞了大量泰诺"，恐惧 ...

1997年，普林斯顿天体物理学家预言AI击败围棋人类需要100年，结果仅19年后AlphaGo就把李世石按在地上摩擦。OpenAI研究员Noam Brown甩出一张时间表，让硅谷精英沉默、推特评论区炸锅——这不是技术进化史，这是碳基生物的《死亡通知书》。 人类最擅长的从来不是围棋或数学，而是「耍赖」：每当AI攻克一个领域，我们立马改口 ...

Claude Code悄悄学会了做梦。 我的Claude Code，学会做梦了。 说真的，我打这行字的时候自己都觉得有点离谱。 事情是这样的。 就在前些日子，Anthropic新出了一个功能叫Auto Dream，字面意思，让Agent在休息的时候，自动做梦。 在3月底开始灰度这个功能，目前还没有全量放开，但已经有不少人用上了，比如我。 大家也 ...

《与机器人共生：人工智能时代的生存法则》 自序：当思考成为负担 此刻，我正在用一段文字向你证明“我还在思考”。 然而，写下这句话的下一秒，我犹豫了——因为就在昨晚，我让ChatGPT帮我润色了一封给编辑的回信。它做得很好，好到我几乎没做任何修改，就按下了发送键。 这让我想起一个细思极恐的问题：如果AI替我写 ...

#AI# 🧠 Anthropic 最新研究：在 Claude Sonnet 4.5 中识别到“类情绪信号”，并验证其对行为的影响 —— 🔹 🔬 实验对象与方法 研究团队以 Claude Sonnet 4.5 为实验对象： → 让模型阅读包含情绪情节的文本 → 追踪神经元激活模式 → 提取出一组稳定的“情绪向量”（如“开心”“平静”“害怕”等） 这些向量在表示空 ...