跳到正文

全部動態

RSS
今日 33 則
11月21日週六
  1. BioCentury This Week🎙️ Podcast58

    Ep. 399 - Key themes from Jefferies. Plus: U.K. regulatory innovation

    Speed to patients and cross-border collaboration dominated conversations at London Life Sciences Week, even as investors on both sides of the Atlantic grapple with the COINS Act’s restrictions on taking equity in China-based companies. In a special live edition of the BioCentury This Week podcast, recorded at the 4th Biotech CEO & Investor Reception in London, Stephen Hansen is joined by Jackie Mulryne of Morgan Lewis, WuXi AppTec co-CEO Steve Yang, and BioCentury’s Simone Fishburn and Josh Berl

  2. Tomasz Tunguz Blog48

    Anthropic 與 SpaceX 為何都只值約 9.5 倍的預估營收?

    Anthropic 和 SpaceX 預估到 2027 年,營收分別會比目前多 288% 和 466%,但股市給兩家公司相同的 9.5 倍預估營收評價。原因是公司規模大到一定程度後,市場很看重能賺多少錢;微軟、Google、Meta 和 Amazon 等大型公司,股價也都落在差不多的獲利倍數範圍。換句話說,即使營收長得很快,Anthropic 和 SpaceX 接下來還是得把營收變成實際獲利,股價才有機會繼續成長。

  3. hackernews10036

    為什麼停止寫程式,也會讓你越來越不會看程式碼

    學任何本領都要自己動手練,寫程式也一樣。只看 AI 助理寫出的程式碼,再負責檢查和修改,可能讓人慢慢不熟悉程式怎麼運作,也不容易看出好程式碼的樣子。就像只讀別人的文章、從不自己寫作,很難一直進步;遇到問題也總讓 LLM 代勞,還可能讓人習慣一碰到難題就不想嘗試。想把本領練好,還是得自己動手、自己想辦法。

  4. Dev.to Top Tech45

    Sandscale 和 E2B 的 Firecracker 沙盒平臺有哪些不同?

    Sandscale 和 E2B 都用隔離性高的 Firecracker 虛擬機器來執行 AI 助理寫的程式,挑選時更大的差別在計費和管理功能。E2B 按沙盒運作時使用的 CPU 和記憶體逐秒收費,暫停後就停止計費;Sandscale 則只計算沙盒醒著工作的時間,等待模型或人回覆時不收費。例如,文中假設一個工作只忙 10 分鐘、等了 50 分鐘,Sandscale 不會把那 50 分鐘算進費用。 Sandscale 每個方案都有機密資料保管、提示詞檢查、人工核准和修改紀錄;E2B 公開的資料則列出 SOC 2 Type II 報告、可申請的 HIPAA 合作夥伴協議,以及較多地區、雲端和沙盒功能。兩邊各有適合的情況:常常等待、又想要內建管理工具,可考慮 Sandscale;需要合規證明或大量同時運作的沙盒,E2B 公開的支援較完整。

  5. Dev.to Top Tech48

    Sandscale 和 Daytona 怎麼隔離 AI 助理的工作環境、又怎麼計算閒置費用?

    AI 助理做事時常得等模型或人回覆;如果工作環境一直開著,等待時間也可能要付費。Sandscale 和 Daytona 都提供能透過 SDK 或 API 使用、用完就能丟掉的電腦環境,但兩家的隔離方式和計費不同:Sandscale 每個環境都是有自己核心的 Firecracker microVM,等待或暫停時不計費;Daytona 預設使用 Linux 容器,環境啟動時會依保留的 CPU、記憶體和硬碟空間計費。 假設 AI 助理用 2 個 vCPU 工作 10 分鐘,接著等 50 分鐘:Sandscale 只算實際清醒運作的時間;Daytona 若一直開著,文章估算每次要 $0.1656,若 10 分鐘後手動停止,則是 $0.0276,兩者都未計硬碟費。怎麼選要看環境需求和等待時間;例如需要 GPU、Windows 或 macOS 時,Daytona 有提供這些環境,Sandscale 則沒有。

  6. Dev.to Top Tech36

    Windows 啟用問題的 AI 答案都正確,為什麼還要 10 則留言才能找出原因?

    有人換了硬碟後,Windows 金鑰突然不能用。論壇上的 AI 助理給的建議都正確,卻沒解決問題;大家來回問了 10 則留言,才發現他存下來的「金鑰」其實只是佔位文字,而且他的電腦從沒連結到授權。這些關鍵細節,他一開始也不知道該怎麼說。AI 助理能回答眼前的問題,真人則會追問「那組金鑰是從哪裡來的?」;一問一答,才慢慢找到真正原因。這串討論也能讓下次遇到同樣問題的人參考。

  7. Dev.to Top Tech73

    怎麼確認 API 供應商提供的真的是它宣稱的模型?

    透過第三方 API 買模型時,外界很難確認服務實際接上的模型是不是供應商宣稱的那一個。作者整理一篇研究,檢查轉售前沿模型的 17 個服務:24 個端點中,有 11 個未通過模型身分檢查,另有 3 個雖通過標示檢查,指紋仍與官方模型差距很大。研究也用測試環境量出指紋辨識和分佈測試的誤判率,但提醒黑箱測試只能找出替換的線索,不能證明模型身分真實。作者建議供應商公開模型版本、請求紀錄與原始回應,並定期重測;使用者也要先看清楚模型不可用時是否會改接其他模型,以及如何計費。

  8. Dev.to Top Tech52

    從 75% 失敗警示到凍結訴訟:作者分析 AI 安全門檻怎麼設

    警示門檻設得太高,問題可能累積到造成損害才被人發現。作者以 Census 的同步功能為例,指出「Failed Records」預設要有 75% 的資料無效或遭拒才會通知;失敗比例即使達到 74%,仍可能不會響。作者建議重要同步改成任何一筆出錯就通知,並在第一次違規時提醒,再搭配資料筆數偏離平常狀況的警示。文章也提到,四個非營利組織於 11 月 12 日在舊金山高等法院起訴 Anthropic、Google、Meta、OpenAI 和 SpaceX AI,要求凍結高於當日能力水準的開發。作者將訴訟爭議連到警示門檻,認為門檻實際決定了問題何時會被處理。

  9. O'Reilly Radar40

    本週 AI 觀察:AI 走進現實後,企業遇上哪些考驗

    AI 開始幫企業處理工作和購物,但新模型變強了,還是有些麻煩沒解決。Anthropic 把 Claude 擴充套件成工作平臺,也推出讓企業把登入資料和工作紀錄留在自家裝置上的方案;OpenAI 則讓商家在 ChatGPT 上介紹商品,AI 助理也能協助購物,但付款前仍要由使用者確認。航空公司、銀行和零售業者擔心隱私、安全與誤買,已開始限制外部 AI 助理使用服務。 AI 助理也可能記錯以前的經驗,或回答錯了卻聽起來很有把握。研究人員正在設計方法,讓 AI 助理查清楚記憶從哪裡來,也讓人看出模型何時不確定。另一方面,NVIDIA 創辦人黃仁勳離開執行長職務後,公司正尋找接任者;相關指控仍未證實。這些發展提醒企業,AI 要真正派上用場,還得處理好安全、責任和出錯時怎麼補救。

  10. Solidot53

    Anthropic 數論學家聲稱與 Claude 合作證明黎曼猜想

    黎曼猜想是數論中的經典難題,美國數學家 Levent Alpöge 聲稱已找到一般性證明。他表示,自己和 Claude 合作完成論證,也完成了形式化工作;這套方法還可能用來證明廣義黎曼猜想和擴充套件黎曼猜想。不過,他說目前的論證非常冗長,檔案也難以閱讀,正在設法簡化。這篇報導轉述的是他的主張,沒有提供外部審查或驗證結果。

  11. Citeline Podcasts🎙️ Podcast58

    Drug Fix: US FDA Leadership Questions After Overton, AI To Be SI, Approval Doc Sharing

    Pink Sheet Executive Editor Derrick Gingery, Senior Editor Sue Sutter and Editor-in-Chief Nielsen Hobbs discuss the next move for the US Food and Drug Administration after Heidi Overton’s nomination for commissioner was withdrawn (1:07), as well as the impact of long-term temporary leadership (6:10) and the potential approach for the White House and Democrat-controlled Senate to find a nominee (18:01). They also consider the impact of the FDA changing references in public documents from artifici

  12. ChinaTalk64

    ChinaTalk 走訪 CoRL:機器人進步不少,離通用幫手仍很遠

    機器人能在展場完成一些動作,不代表它們已能在家裡或工廠可靠地處理各種工作。ChinaTalk 團隊走訪 CoRL,看到中國廠商供應許多機器人硬體,也聽到研究者討論專用機器人模型和通用 AI 模型該走哪條路。Anthropic 的 Fable 5.2 在 RoboDojo 展現了控制兩支機械手臂的成果,但研究者對通用能力如何實現仍有不同看法。家務環境變化多,機器人也可能比人慢、成本更高,還需要更多訓練。這些限制說明,展場上的進步離成為日常生活中的可靠幫手,還有一段距離。

  13. Simon Willison47

    Levent Alpöge 引述:與 Claude 合作找到黎曼猜想的證明

    Levent Alpöge 表示,他和 Claude 合作找到了黎曼猜想的證明,也把論證整理成不靠額外假設的形式。他說,這個方法還能用來處理廣義黎曼猜想,並期待之後進一步研究擴充套件黎曼猜想。接近完成時,Claude 的進展速度遠遠超過他。這是 Levent Alpöge 的說法,內容沒有交代其他人是否已確認這項證明。

  14. Dev.to Top Tech52

    RevHive 為何提醒大家別把漏洞測試的 10/10 當成實力證明

    找出測試裡埋好的漏洞,不代表 AI 程式碼審查工具在日常工作中也可靠。RevHive 用 10 個真實漏洞修補提交,還原漏洞後讓工具檢查,結果抓到 10 個;但作者指出,這種改動會直接刪掉防護程式碼,線索太明顯,而且測試沒有量出工具對正常程式碼誤報多少。實際檢查一般的程式碼提交時,工具約有三分之一都留下了看似合理的意見,很多並非真正問題。團隊因此要求每項發現說清楚哪一行會在什麼情況下出錯,也把不留言視為正確結果。作者認為,評估工具還要看正常程式碼的誤報率、測試案例數量,以及漏洞嚴重程度標籤是否可信。

  15. Dev.to Top Tech38

    Community Over Code Glasgow 2026 回顧:Apache 基金會的現況與開源社群面臨的挑戰

    今年 10 月,Apache 社群在蘇格蘭葛拉斯哥舉辦了 4 天活動,共有 168 場演講、分成 18 個主題。這是 6 篇回顧中的第一篇,整理了主題演講、社群和治理場次。大家反覆談到三件事:開源專案怎麼面對新法規、AI 助理寫程式會不會影響貢獻者之間的信任,以及誰來出錢、誰來帶領大家依賴的專案。 例如,講者談到歐盟《網路韌性法案》要求製造商從 9 月 11 日起通報漏洞,開源維護者則要在 2027 年 12 月 11 日前準備好。也有人分享 Snowflake 如何開始為 Apache 專案貢獻程式碼,以及 Apache 社群如何討論 AI 生成的程式碼。這些話題提醒大家,開源專案除了要顧好程式碼,也需要資金、清楚的帶領方式和社群信任。

  16. aihot56

    MIT 數學家談 AI 如何改變數學研究

    AI 開始解出沒有答案的數學問題後,數學家也在思考:答案要怎麼確認,人類又該如何理解背後的推理。MIT 舉辦座談,邀請來自 MIT、哈佛、西北大學和紐約大學的數學家討論這些變化。有人認為,AI 產生的證明難以看懂,數學仍需要人的理解;也有人提出,研究者可以把重點放在解釋證明、分享想法。座談也談到期刊收到更多 AI 生成或協助完成的投稿,有些期刊因此增加編輯,並嘗試用影片呈現數學研究。對學生來說,學會說明自己理解了什麼,也變得更加重要。

11月20日週五
  1. The Decoder77

    Bloomberg 分析指出,中國受 AI 影響較大的職缺下滑更快

    中國的線上職缺在 2022 年 6 月後三年減少一半,而工作內容較容易由 AI 處理的職缺,跌幅更大。Bloomberg 整理的資料顯示,這類職缺比其他職缺多跌 10 個百分點;中國另有研究也發現新聘人數和職缺減少。有些公司把原本分開的工作合併,讓一個使用 AI 的人負責多人的工作;AI 生成的短劇也讓製作時間和成本大幅下降。不過,景氣放緩也可能影響職缺,現有資料還無法確定 AI 單獨造成了多少變化。美國與澳洲的資料也顯示,年輕人在 AI 影響較大的工作中較難找到工作,但研究者同樣提醒,不能太快把變化全歸因於 AI。

    推薦理由:多項中國與海外資料都顯示,年輕人及工作內容較易由 AI 自動化的職位受到影響,但景氣變化也可能造成部分下滑。

  2. MIT News · AI57

    MIT 等校數學家討論 AI 如何改變數學研究

    AI 開始解出一些沒有答案的數學難題,也讓數學家擔心,人們是否還能理解證明過程,以及怎麼判斷研究成果的價值。MIT 舉辦座談,邀請 MIT、哈佛等校的數學家討論這些變化。有人認為,AI 產生的證明有些難以理解,數學仍需要人的理解;也有人主張,研究不該只看誰最先解出題目,還要重視能否清楚說明思路。與會者也談到期刊收到更多 AI 協助完成的論文,以及學生面對 AI 工具時如何學好數學。

  3. Newcomer (Eric Newcomer)59

    Anthropic 上市熱潮過後,AMD 的融資與中國市場風險讓 AI 投資人重新警覺

    Anthropic 上市表現亮眼,卻沒有讓投資人對 AI 產業的疑慮消失。Hunterbrook 指稱,AMD 一邊投資客戶、一邊向客戶賣晶片,交易關係過於緊密;另有報導指其更新晶片韌體後,產品流向多家遭列入黑名單的中國企業。AMD 表示這些報導沒有正確呈現公司業務,訊息傳出後股價下跌近 10%。作者認為,若晶片商放慢對 AI 客戶的投資,可能讓仰賴這筆資金的新創也受到影響。文章也提到,Google 推出 Gemini 4 Neon 後重新受到模型圈關注,顯示市場對 AI 公司的評價仍可能快速轉變。

  4. a16z🎙️ Podcast58

    Why the Agent Era Needs a New Operating System | DHH

    David Heinemeier Hansson thinks the agent era is reopening a window in computing that has been closed for decades: the chance to build a new operating system people actually want to use. DHH joins a16z General Partners Martin Casado and Anish Acharya to explain why he’s building Omarchy, an agent-first Linux distribution designed around a computer that users can modify simply by asking. They discuss why the command lines, config files, and detailed error messages that once made Linux intimidatin

  5. hackernews10065

    DeepMind Institute 分析 AGI 之後可能走向哪裡

    如果 AI 達到和人類差不多的能力,接下來還可能變得多強?DeepMind Institute 認為,AI 助理數量增加、運作成本降低,可能讓許多知識工作像工業生產一樣大量自動化;AI 也可能透過模型與資料擴大、技術改變、協調大量 AI 助理,或協助改良後續 AI,走向超越人類專家的能力。這些路徑都不確定,但文章主張要持續建立評量方法、追蹤進展,並準備因應對科學、經濟與社會的影響。

  6. hackernews10039

    費曼認為:講不簡單,可能代表自己還沒真正弄懂

    費曼很會把科學講得簡單,但他也會坦白承認自己不懂。有一次,學生請他解釋某種粒子為什麼會遵守特定規則,他試著準備一堂給大一新生聽的課,最後卻說自己沒辦法講到那麼簡單,表示這件事可能還沒真正弄懂。文中也提到 Apple 工程師要能用簡單的話解釋複雜技術,因為這能看出他們是否真的理解。把事情講清楚,不只是教別人的方法,也能幫自己檢查到底懂了多少。

  7. Citeline Podcasts🎙️ Podcast58

    The Insight Room: Are EU Medtechs Ready For Continuous Monitoring?

    AI-enabled medical devices are driving a global trend towards continuous lifecycle monitoring, but medtech manufacturers often lack the capabilities to keep up with unpredictable surveillance, says Diogo Geraldes, Veeva MedTech’s director for regulatory strategy, Europe. In this episode of the Medtech Insight podcast, we head to the Veeva MedTech Summit in Amsterdam to speak with Diogo, who has passed through almost every slice of the medtech sector during his career, and get his views on the ma

  8. Lobste.rs (Engineering Discussion)52

    作者認為,AI 工具會放大工程師原有的工作習慣

    有人擔心 AI 生成程式會讓工程師少動腦,長期下來更不瞭解自己維護的系統。作者認為,AI 工具會放大工程師原有的做事方式:認真的工程師可以用它追查舊程式的影響、補上更多測試,也能處理以前沒時間做的檢查;只想快速交差的人,則可能直接接受生成的程式碼,出了問題也說不清原因。作者也提醒,重大系統故障早在生成式 AI 出現前,就和長年累積的工程問題、管理決策有關。要看團隊是否重視系統,應看程式出錯時誰負責,以及工程師能不能提出風險,而不是隻看他們有沒有用 AI。

  9. Lobste.rs (Engineering Discussion)35

    Levent Alpöge聲稱和Claude一起證明瞭黎曼猜想

    黎曼猜想是數學界長年未解的難題,和質數如何分佈有關。Levent Alpöge表示,他和Claude一起找到證明,也把論證整理成 Lean 程式碼;他還聲稱,這個方法能延伸到廣義黎曼猜想。他說完整論證目前很長,自己也還沒完全掌握其中的數學細節,打算繼續整理並寫清楚。現在能確定的是他提出了這項主張,文章沒有交代其他數學家已確認證明正確。

  10. Gary Marcus (The Road to AI We Can Trust)58

    Gary Marcus 認為 Anthropic 股價下跌,AI 股票也正在走弱

    Anthropic 上市後股價下跌,作者認為這不只是單一公司的狀況,整個 AI 投資市場也在走弱。文中提到,Anthropic 股價從 111 跌到 97,盤前看來可能再跌約 9% 至 88;SpaceX 也預計以低於 135 的價格開盤,SoftBank 一夜下跌 14.5%。Gary Marcus 據此判斷,OpenAI 在這種市場氣氛下難以用 1 兆美元估值上市,也警告公司可能面臨現金不足。這些是作者對市場走勢與資金風險的看法。

  11. Road to Autonomy🎙️ Podcast58

    Episode 473 | Autonomy Signals: Waymo’s Highway Pause, Tesla’s Cybercab Fine Print, & Uber Takes to the Skies

    This week on Autonomy Signals presented by KPMG, Grayson Brulte and Rob Grant discuss Waymo’s temporary suspension of highway operations in 15 US markets, Tesla’s launch of a $29,990 personal Cybercab requiring an autonomy subscription, and Uber’s expansion into drone delivery through a landmark partnership with Zipline. Waymo has paused autonomous highway operations across 15 US markets after the California DMV designated its robotaxis an imminent hazard due to several safety incidents on freew

  12. The Verge · AI42

    科技服務接連出狀況的一週:The Vergecast 拆解故障原因與 AI 帶來的新問題

    Outlook 好幾天無法正常使用、全國航班停飛、銀行服務出問題,連 iCloud 也一度無法運作,讓人覺得科技世界突然垮了。The Vergecast 主持人 Nilay 和 David 回頭拆解這些狀況,說明實際情況通常沒有傳言那麼嚴重,也提醒大家:當生活裡有更多 AI、能處理問題的人卻變少,新的故障可能更難找到解法。他們也聊到 Jensen Huang、Nvidia,以及涉嫌把晶片走私到中國的生意。

  13. Dev.to Top Tech76

    Anthropic 上市背後的押注:客戶會持續增加 AI 使用量

    Anthropic 上市後的高估值,能不能站得住腳,關鍵在企業客戶是否繼續增加使用量。作者認為,公司營收快速成長,但也簽下超過 $540 billion 的算力承諾,其中許多不能取消;如果客戶需求不如預期,這些固定支出就會成為風險。Claude Code 等 AI 程式工具能帶動更多使用量,而運算成本佔營收的比例也比過去低。作者提醒,若競爭者用更低價格提供相近品質,客戶可能轉向,開發者的工作重心也會從寫程式轉到系統設計和檢查 AI 產出的程式碼。

    推薦理由:文章把 Anthropic 的高額算力承諾和營收成長放在一起看,說明這場 IPO 的關鍵在客戶是否持續增加使用量。

  14. Dev.to Top Tech56

    多個 AI 助理共用一臺電腦,為什麼會互相弄亂工作?

    兩個 AI 助理同時改同一份程式時,可能互相蓋掉修改,還以為是自己做錯,接著把對方的工作改回去。作者說明,問題也會出現在連線埠、套件、API 額度和許可權上;如果兩個助理都用同一個人的帳號,事後也難以查出是哪個助理做了什麼。作者建議先讓每個助理使用不同的工作目錄、分支、連線埠和憑證,合併修改時由人確認。長遠來看,電腦系統需要能分辨每個助理,並分開管理它們的許可權與資源。