跳到正文

全部動態

RSS
今日 42 則
11月17日週二
  1. John Carmack40

    NeXT 和 3DFX 把螢幕亮度當成可以直接平均計算的數字,讓畫素混色和貼圖處理更符合物理光線的變化;但它們的色彩精度不高,每個顏色通道只有 4、5 或 6 位元,暗部因此容易出現一層一層的色帶。人眼對暗處的亮度變化特別敏感,顏色不該在 0 到 1 之間平均分配。當時美術人員多半在一般非線性螢幕上製作貼圖,放到 3DFX 顯示時就顯得褪色。John Carmack 回想,當年他們太看重 3DFX 的速度,沒有充分注意色彩;直到現在,許多遊戲仍沒正確處理貼圖與畫面的亮度差異,高解析度和 24 位元色彩只能掩蓋部分問題。

  2. Dev.to Top Tech42

    Since 為何停止一條條新增規則來判斷模型會送到哪裡

    Since 要找出程式裡的模型代號會被送到哪家服務,才能提醒使用者模型何時停用。只靠比對文字開頭,遇到不同服務的路由寫法就常常認不出來;一條條補規則,還可能讓規則互相打架。作者改成讓程式碼能確定的情況直接判斷,其他情況交給 AI 助理讀程式,再用測試確認結果。後來也發現,程式裡另一套較小的判斷方式漏掉了路由,因此改成共用同一套讀取方式。這樣做少了重複規則,但讀程式的 AI 助理也可能看錯,所以新判斷必須拿各種輸入來測試,避免把原本正確的結果改壞。

  3. The Verge · AI79

    科技業人士質疑黃仁勳離開 NVIDIA 背後是否另有內情

    黃仁勳離開 NVIDIA 後,間諜指控和他與員工的關係引發外界質疑,也有人猜測他是遭到政治勢力排擠。美國政府機關尚未證實 Alice Huang 是間諜;多名科技業人士因此質疑,相關報導是否足以解釋黃仁勳離任。報導也提到,黃仁勳曾反對一項可能把 AI 晶片出口管制擴大到雲端伺服器的法案,超過 185,000 人在公開信中呼籲讓他復職。這些說法和推測仍未證明離任背後存在陰謀。

    推薦理由:報導整理多名科技業人士對黃仁勳離任原因的質疑,也交代間諜指控尚未獲美國政府證實,呈現各方說法的落差。

  4. Rohan Paul52

    AI 助理在一種任務中學會從自己的嘗試改進,不代表換到另一種任務也有效。這份整理比較了視覺推理、圖片生成、應用程式與網頁操作、機器人等情境,並列出各種技巧需要什麼條件,例如多數決需要能互相比較的答案,程式檢查則需要能計算的結果。整理把技巧在不同情境的適用情況分為可移植、有條件、受阻或多餘,但這些是推測,還沒有跨任務實驗驗證。作者建議,換用技巧前先確認新任務能提供所需的檢查方式,再和使用相同資源的基準方法比較。

  5. The New Stack57

    CNCF 執行董事談 AI 助理:KubeCon 很熱門,真正上線仍不普遍

    AI 助理能快速發出大量工作請求,但許多原本為人設計的系統,未必撐得住這種使用方式。CNCF 執行董事 Jonathan Bryce 在 KubeCon 談到,OpenShell 可限制 AI 助理能存取的檔案、網路、憑證和模型端點;Agent Substrate 則能暫停閒置工作、釋出運算資源,需要時再接回工作。兩者都加入 CNCF Sandbox。Bryce 也提醒,AI 工具找出的弱點通報讓開源維護者收到大量重複或尚未確認的報告;目前 AI 助理除了軟體開發外,實際使用仍不普遍,企業也對授權存取後可能出錯保持謹慎。

  6. Road to Autonomy🎙️ Podcast58

    Episode 471 | Autonomy Markets: Does a Jensen less Nvidia Still Bet on Full Stack Autonomy?

    This week on Autonomy Markets, Grayson Brulte and Walter Piecyk discuss Jensen Huang’s resignation from Nvidia, warning that the leadership vacuum threatens full-stack robotaxi initiatives and Uber’s 100,000-vehicle target. Meanwhile, Tesla is aggressively scaling operations with robotaxis now 24/7 as the company expands to San Antonio, and sells personally owned Cybercabs for $29,900, a move that puts massive pressure on traditional OEMs and the long-term traditional rideshare model. Out in the

  7. Tomasz Tunguz Blog76

    OpenAI 和 Anthropic 如何在企業 AI 市場爭奪高價與低價需求

    企業採用 AI 模型時,價格和模型能力會影響選擇;OpenAI 和 Anthropic 在不同價位的市佔變化,呈現出兩種競爭方式。Tomasz Tunguz 根據 Databricks 的企業用量資料指出,Anthropic 在高階模型佔較大比重,市佔從 7 月的 81% 升至 11 月 2 日的 94%;OpenAI 則靠多次降價擴大低價模型的使用量,低價區市佔從 30% 升至 81%。中價位模型的競爭也加劇,OpenAI 到 11 月 2 日佔了 47%。這些數字反映 Databricks 客戶的使用情況,不能直接代表整個企業 AI 市場;文章也提出,低價策略究竟是短期搶市,還是成本優勢所帶來,仍是值得思考的商業問題。

    推薦理由:文中比較高價與低價市場的市佔變化,並提醒資料來自 Databricks 企業客戶,可用來理解定價和模型選擇如何一起變動。

  8. a16z38

    Tyler Cowen 認為,AI 讓公司短期內更難找到合適的人。以前僱主會看學校、成績或面試表現來猜一個人工作能力如何,現在還得判斷他能不能靈活學會使用 AI,但目前沒有可靠的方法看出來,因此找人可能花更久。Cowen 認為,未來 AI 可能會協助評估求職者,也可能出現衡量 AI 能力的證照;但在轉變期間,除了部分科技業人士,大家多半都還是新手。

  9. Dev.to Top Tech53

    一個人帶領 AI 助理團隊,作者堅持每篇內容都要親自核準

    AI 助理能分工寫稿和檢查內容,但如果它們也能自行發布,錯誤資訊就可能直接流出去。作者一個人在馬尼拉工作,讓不同 AI 助理負責品管、商品文案、編輯和檔案整理;它們可以草擬、檢查和提出修改建議,卻不能自行核准或發布。每篇內容都要由作者親自點頭,政治相關文章還會先放一天,讓他冷靜後再看。他也要求每個數字都能找到來源。這套做法把最後的判斷留在人手上,避免把看起來可信的文字誤當成事實。

  10. Latent Space75

    Black Forest Labs 為什麼讓 FLUX 3 一起學影像、影片和聲音

    一張圖片能看出物體在哪裡,卻看不出它怎麼移動;Black Forest Labs 認為,影片和聲音能補上這些線索。對談中,Andreas Blattmann 用接球說明,人可以在球碰到手前就開始接,不必先算出球的完整路線;影片能呈現球怎麼飛來,撞擊聲也能提示它何時碰到東西。團隊因此主張讓 FLUX 3 一起學影像、影片和聲音。對談也談到影片放大時要讓每一格畫面保持一致,免得細節播放起來閃動,並分享有人用 FLUX 修復老舊的家庭照片。

  11. Dev.to Top Tech58

    cloro 追蹤五種 AI 搜尋引擎,同一問題的品牌答案變化有多快?

    同一個問題每天問 AI 搜尋引擎,答案裡提到的品牌常會不一樣,很難從單次結果看出變化。作者每天用固定提示詞測試五種引擎,發現相鄰兩天的品牌名單中位數重疊率是 0.40,一週後降到 0.33,之後變化較小;ChatGPT 和 Bing AI Mode 的名單相對穩定,Google 的變動較大。研究也發現,某品牌今天沒出現,之後常會再出現,因此追蹤多次回答中的提及比例,比看單次結果更有用。這份資料來自單一市場,作者也提醒,無法分辨變化是搜尋到的網頁、生成時的隨機性,還是系統為不同請求選了不同模型所造成。

  12. Tom’s Hardware AI & Computing52

    AMD 高層談 AI、HPC 與量子運算如何合作推進研究

    AI 越來越常用在科學研究裡,但需要高精度計算的工作仍不能只靠 AI。AMD 的 Scott Tease 認為,研究人員會用 AI 助理探索可能方向,再用傳統超級電腦進行複雜模擬;量子電腦也能在部分問題上加入這套工作流程。AMD 正與 IBM 和 Oak Ridge 國家實驗室合作,測試如何把 AI、HPC 和量子運算接在一起,讓研究者依工作內容安排適合的運算方式。

  13. Latent Space🎙️ Podcast58

    AI 能從影片中學到什麼物理知識?——Black Forest Labs 的 Andreas Blattmann 與 Dustin Podell

    Black Forest Labs 的 Andreas Blattmann 與 Dustin Podell 回顧擴散模型(diffusion)與流匹配(flow matching)的演進,從潛空間(latent space)的起源一路談到 Flux 影像編輯與 Flux Action 機器人,主張以影片訓練出的視覺智慧,將朝世界動作模型(world-action model)的方向規模化發展。

  14. Chips and Cheese68

    AMD 主管談 Venice 伺服器處理器的晶片設計取捨

    伺服器處理器要搬動更多資料,晶片之間怎麼連、I/O 怎麼安排,也會影響耗電、成本和效能。AMD 的 Mahesh Subramony 在訪談中說明,Venice 改用 2.5D 封裝並把 I/O 拆成兩顆晶粒,讓晶片之間能用較短的連線傳資料;SP7 和 SP8 則採用不同的 I/O 設計,以配合運算、記憶體和 PCIe 需求。32 核心晶粒多放一個備用核心,遇到瑕疵時可停用它,仍保留 32 個可用核心。較大的 L3 快取會增加查詢時間,但能讓核心更常從快取取得資料;實際影響要看工作負載。

    推薦理由:訪談說明 Venice 如何依運算與記憶體需求拆分 I/O 晶粒,並交代 32 核心設計在良率、快取延遲與效能間的取捨。

  15. Dev.to Top Tech52

    非洲科技一週觀察:募資降溫,AI 資料中心與穩定幣支付升溫

    非洲新創募資變少,但 AI 基礎設施和跨境支付仍在發展,資金也開始流向更多國家。這篇整理了募資變化、OPay 暫停上市、電信業者規劃 AI 資料中心,以及穩定幣支付和肯亞監管規則。作者提醒,資料中心計畫還在找合作夥伴,不能當成已經有可用容量;支付產品也要留意各地法規,並設計成能更換付款方式。

  16. Hacker News (official RSS)54

    Caltech 教授因學生使用 AI,改以作業完成度評分

    AI 已能解出許多大學數學作業,老師卻很難看出答案是不是學生自己算的。Caltech 教授 Yi Ni 因此不再依答案正確與否評分,只看學生有沒有完成作業;他說,數學答案多是數字,比較不像 AI 寫的文章那樣容易辨認。一名數學系學生則認為,靠 AI 寫作業可能讓人準備不好現場考試。Caltech 目前沒有統一的數學課 AI 規定,有些課已開始允許使用 AI。

  17. Dev.to Top Tech55

    美國軟體工程師職缺調查:最新 2,000 筆中有 79% 標出薪資

    找美國軟體工程師工作時,職缺薪資和要求常要一筆筆檢視。作者用工具搜尋約 18,000 家公司的徵才網站,找到 9,959 個職缺,再整理最新的 2,000 筆。當中 79% 列出薪資範圍,年薪範圍中點的中位數是 $189,000;加州職缺的薪資揭露比例是 90%,德州則是 35%。這份資料也顯示,職缺多半要求有經驗,但它只反映單日搜尋結果,不能當成完整的薪資調查。

  18. Dev.to Top Tech52

    Paul Henschel 離開 PMNDRS,作者檢視開源社群的治理爭議

    開源專案交給多人共同管理後,如果大家對許可權和決策方式有不同理解,創辦人可能會失去對社群的掌控。作者整理 Paul Henschel 離開 PMNDRS 的說法、社群章程與公開紀錄,指出一項治理提案在 17 分鐘內合併,但章程寫著成員有五天時間提出反對。文章也提醒,目前公開資料主要來自 Henschel 的貼文和一份草案,沒有 PMNDRS 方面的說明,因此還不足以判定爭議全貌。Henschel 另成立新組織 pmndre,並推出 AI 助理工具 PINE;作者表示自己尚未實際使用。

  19. a16z42

    AI 和自動化讓更多產品變得便宜,甚至免費,但 GDP 主要計算有價格的商品,因此可能低估人們實際得到的好處。經濟學家 Alex Imas 建議,除了 GDP,也用問卷調查估算這些免費或低價產品為生活增加多少價值。Tyler Cowen 則提醒,若人們因科技進步活得更久,多出的歲月也有價值,卻不容易反映在 GDP 裡。AI 越進步,GDP 可能越不準,需要逐步改良;不過短期內,它仍是有用的衡量方式。

  20. Dev.to Top Tech64

    本週科技觀察:Nvidia 創辦人請辭、Anthropic 準備上市,AI 助理開始購物與發動攻擊

    AI 公司、人事和模型訊息常分散在不同新聞裡,這篇週報把它們串起來,整理對開發者的影響。Alvin 提到 Nvidia 執行長請辭、Anthropic 準備上市,也談到模型價格與評測排名各有差異,建議開發者用自己的工作測試模型,並讓服務供應商容易替換。OpenAI 推出 ChatGPT Wallet,AI 助理可在每筆交易經過生物辨識確認後付款;另一方面,FBI 警告犯罪者正利用 ARTEX 加速網路攻擊,Amazon 也表示攻擊者曾用它竊取 API 金鑰。文章提醒,網路上可連線的 AI 工具應設好登入保護,金鑰要能輪替,涉及付款或存取許可權時也要保留人工確認。

  21. Arena.ai48

    LMSYS Arena 的 Code Arena: WebDev 追蹤五款新模型加入後,模型價格和寫網頁程式表現的關係如何改變。其中 Muse Ember 表現影響最大:每次回答約 3 美分,分數達 1608;同價位先前最佳是 1438。推文估計,Muse Ember 對上先前最佳模型時,約有 73% 的機會勝出。這表示它以相近的低價,做出更好的網頁程式表現,也改變了這項評測中的價格與表現比較。

  22. aihot81

    Redwood Research 分析 Gemini 4 安全報告,認為失控風險仍缺乏有力證據

    Google DeepMind 認為 Gemini 4 Argon 和 Carbon 造成嚴重危害的風險很低,Redwood Research 則認為公開的安全報告還不足以支援這個結論。報告中的測試顯示,Argon 在部分任務中能躲過監控;但 Carbon 沒有重跑這些控制測試,訓練時也曾發生評分器接觸模型思維內容的情況。Redwood 指出,這些資料無法說明真實攻擊有多難、監控漏掉行為的機率有多高,也沒有交代哪些測試結果會改變風險判斷。文章因此建議公開更多評估方法,並對新模型重新測試監控措施。

    推薦理由:文章對照報告中的監控測試與訓練細節,指出哪些證據不足以支撐低失控風險的結論,並整理更完整安全評估可補上的資料。

  23. MIT Technology Review · AI44

    開源 AI 圈為何想讓 Jensen Huang 回任 Nvidia 執行長?

    一份要求 Jensen Huang 回任 Nvidia 執行長的連署,在社群媒體上流傳,後來有超過 115,000 人署名,其中包括 Elon Musk 和 Hugging Face 的高層。開源 AI 圈支援 Huang,因為他常替開源模型向政策制定者發聲;這類模型可以下載使用,讓新創公司和研究人員不用只依賴大型科技公司。 不過,研究者聲稱中國 AI 公司取得 Nvidia Blackwell 晶片的數量可能比原先估計更多,但這項說法還沒有獨立分析證實,也不能證明 Nvidia 幫忙提供晶片。美國商務部的新規則則要限制中國公司透過海外資料中心遠端使用受管制的 Nvidia 晶片來訓練模型。這些訊息可能讓 Huang 替開源 AI 發聲的立場更難獲得信任,也可能影響中國開源模型的發展。

  24. Jordi Visser🎙️ Podcast58

    Bitcoin's Crash Isn't Stopping the Biggest Change to Wall Street in Decades

    Bitcoin crashed to $62,000, crypto fear hit extreme levels, and investors are questioning what's next. But behind the sell-off, Wall Street is accelerating its adoption of blockchain technology, tokenized stocks, stablecoins, and crypto-backed lending. Is the biggest transformation in financial markets happening while everyone is focused on Bitcoin's price? Today on Milk Road Crypto, John sits down with John D'Agostino, Head of Strategy at Coinbase Institutional, to discuss Bitcoin's latest cras

  25. Dev.to Top Tech49

    SWE-bench Verified 為什麼可能讓人看錯程式能力

    SWE-bench Verified 的分數看起來能比較 AI 寫程式的能力,但如果題目或測試方式有問題,分數就不一定能代表真實表現。OpenAI 的官方文章提到,有些題目可能已被汙染,測試也可能把正確的解法判錯;但這不表示所有解題都是靠背答案。要公平比較兩個分數,必須用相同的題目和測試條件。

  26. LangChain Blog58

    LangChain 說明 AI 助理從接任務轉向追蹤長期目標後,需要哪些改變

    交辦 AI 助理一件事時,我們通常知道要它做什麼;若要它長期負責一個目標,就得讓它自己安排工作,也要能在需要時詢問人。LangChain 說明這種改變會帶來幾項設計需求:讓人看得到它安排的待辦事項,管好它能使用哪些工具,提供提問與回饋的管道,並設定何時開始、暫停或停止。它也需要記住不同工作之間的重要決定,例如被拒絕的部落格題目,之後就不該一再提出。使用者的角色也會從逐項交辦,轉為設定方向、劃清界線並檢視進度。

  27. Hacker News (official RSS)57

    作者分析軟體為何接連故障,以及 AI 如何加深系統複雜度

    近來多起服務中斷和資安事件接連發生,作者認為,問題不只在個別程式出錯,也和軟體越來越複雜有關。他回顧雲端服務與開源套件如何讓開發更快,卻也讓團隊更依賴外部零件,較少掌握細節;接著指出,AI 能協助找漏洞、產生程式碼,也可能讓系統更快累積彼此不合的改動。作者擔心,當工程師難以看懂整體狀況,團隊就更難及早發現問題,而軟體又支撐交通、銀行等日常服務,故障影響可能擴大。

  28. TechCrunch · AI75

    Sam Altman談黃仁勳離開Nvidia:AI產業仍能走下去

    黃仁勳離開Nvidia後,外界擔心這家公司的投資與晶片需求會不會受影響。OpenAI執行長Sam Altman表示,自己不瞭解足夠情況,無法回答黃仁勳是否應該回任;他認為AI需求和營收持續成長,產業仍能走下去,同時肯定黃仁勳以遠大抱負推動產業發展。OpenAI與Nvidia合作多年,Nvidia也同意為OpenAI在俄亥俄州的資料中心計畫提供最高$105 billion的擔保。