跳到正文

#Anthropic

RSS
今日 16 則
11月22日週日
  1. Dev.to Top Tech66

    AI 直接替產品打分不可靠,這篇教你用文字回答改善評估

    把產品點子交給 AI,請它用 1 到 5 分判斷大家會不會買,常常得到差不多的分數,難以看出不同產品的差別。這篇文章整理一項研究:先讓 AI 用自己的話回答,再把回答和各分數的參考句比較,算出每個分數的可能性。研究中,這種方法和真人評分分佈的相似度從 0.26 提高到 0.88;加入年齡和收入資料也有幫助,但性別和地區的結果不可靠。作者也做成可在多種 AI 程式工具中使用的開源技能,適合先比較少數點子或價格,不能取代重大決策前的真人調查。研究只驗證美國個人清潔用品,其他類別、國家和語言測試較少。

  2. Dev.to Top Tech61

    Elvis Presley 歌曲權利人控告 Anthropic,作者釐清指控與求償

    Elvis Presley 歌曲權利人控告 Anthropic,指稱 Anthropic 使用 274 首歌曲的歌詞訓練 Claude,並提出求償。作者提醒,權利人的指控不等於法院認定的事實,求償金額也不代表判決結果。文中提到的 4,110 萬美元,是以 274 首歌乘上每首 15 萬美元算出的理論金額,不一定涵蓋所有求償專案;原始 PDF 的引文仍需核對。

  3. Rohan Paul58

    3SUM 和計算圖中所有點之間的最短距離,長期被認為很難比教科書方法快多少。這篇 Columbia 與 MIT 論文說,Claude 找到一種計算兩個長而窄的矩陣部分乘積的方法,省下傳統做法中的一些計算,再把它用到這兩類問題。論文列出的速度提升幅度不大,但足以推翻相關的 3SUM 與 APSP 假設;研究團隊也用 Lean 4 檢查了證明。作者表示,Claude 在一次工作階段中找到這個方法,使用 16M 輸出 tokens,沒有人工介入。

  4. aihot78

    Columbia 與 MIT 論文展示 Claude 找到更快的 3SUM 與 APSP 演算法

    3SUM 和全對最短路徑都是長期難以加快的問題,研究者過去認為它們的運算時間很難再改善。Columbia 與 MIT 的論文指出,Claude 找到一種更快計算長而窄矩陣中特定元素的方法,再透過已知的轉換,讓 3SUM 的時間降到 O(n^1.9992),全對最短路徑降到 O(n^2.9995)。這些改善幅度不大,卻足以推翻相關的難度猜想;研究也用 Lean 4 形式化驗證證明。

    推薦理由:這項研究展示 Claude 如何從矩陣乘法問題找到更快演算法,再透過已知轉換改善 3SUM 與 APSP 的運算時間。

  5. Dev.to Top Tech48

    Genius Group 押注 Anthropic,實際只投入 65.71 萬美元,離 8 億美元計畫還很遠

    Genius Group 想把投資人看好的 AI 公司放進「AI 投資金庫」,讓股東跟著持有這些公司的基金一起受益。公司說,Anthropic 現在佔金庫的 21.3%,但目前公開說明的投入金額只有 65.71 萬美元,與計畫在 5 年內投入最高 8 億美元相差很大。這筆錢是透過兩檔基金間接投資,金庫也持有 OpenAI、SpaceX 和 Databricks 的相關投資。 佔比看起來很高,不代表實際投資金額也很大;而且基金價格可能高於或低於它手上資產的價值。Genius Group 接下來打算發行特別股來籌錢,能否真的募到資金、再投入多少,才是這項計畫能不能做大的關鍵。

  6. Dev.to Top Tech39

    Google Antigravity 各種 AI 模型怎麼選?從簡單改程式到大型改版都適用

    用 AI 寫程式時,簡單改個按鈕和大幅調整整個系統,難度差很多;每件事都選最強的模型,可能花上不必要的時間。Google Antigravity 有 Gemini 4 Hydrogen、Neon、Argon、Carbon,也能讓兩個模型分工的 Orchestrator,還有 Claude Sonnet 和 Claude Opus。可以先用 Hydrogen 處理小修改,遇到牽涉多個檔案的問題再試 Neon;大型改版或複雜架構問題則可考慮 Carbon。像是隻要在網站加上可點選的電話號碼,用 Hydrogen 就很合適。選模型時先看工作有多難,通常比一味挑最強的更有效率。

  7. hackernews10052

    SimpleBench 排行榜顯示 GPT-6.2 Astra、Sol 分數低於人類基準

    AI 模型在日常推理題上不一定比一般人答得好。SimpleBench 收錄超過 200 題選擇題,涵蓋空間與時間推理、社交理解和容易讓人答錯的文字陷阱;網站列出的 9 位參與者人類基準是 83.7%。排行榜上,GPT-6.2 Astra 得分 77.3%,GPT-6.2 Sol 得分 69.9%,都低於這個基準。這些結果反映的是這套測驗中的表現,不能直接代表模型在所有任務上的能力。

  8. The New Stack72

    實測 GPT-6.2 Sol 和 Claude Opus 5.5:分數略低,費用省很多

    模型分數差不多時,花多少錢和出錯會造成什麼影響,也會左右選擇。作者用相同的三項工作測試 GPT-6.2 Sol 和 Claude Opus 5.5:程式修正與實驗資料分析兩項,兩者都拿滿分;處理帳務時,Opus 5.5 得 173 分,Sol 得 169 分,少算了一筆約 $2,400 的停機折抵。三項測試合計,Sol 花 $0.51、用時 290 秒;Opus 5.5 花 $2.79、用時 586 秒。作者認為 Sol 省很多,但涉及重大後果的工作仍可讓 Opus 5.5 做最後檢查。

  9. Dev.to Top Tech58

    Claude Code 或 Codex 怎麼幫產品寫宣傳文案?五步驟教學

    AI 助理如果不瞭解產品、客人和價格,寫出的宣傳文案可能很空泛,甚至編出數字。這份教學建議先把客群、問題、產品功能、實際證據和價格整理成一份資料,再請 Claude Code 或 Codex 依序完成產品定位、登陸頁、三封上市郵件和社群貼文。遇到缺少的數字或引言,就標出來留待補齊;寄出前由人檢查每項說法和連結。文中另介紹付費的 Marketing Copy Pack:測試涵蓋 Claude Code,Codex 尚未測試。

  10. The Decoder71

    《The New Yorker》報導:AI 末日焦慮如何讓矽谷部分從業者走向宗教式團體

    AI 可能帶來末日的焦慮,讓部分科技從業者尋求宗教式的答案。文章轉述《The New Yorker》對佛蒙特州團體 Maple 的調查:前成員指稱,團體嚴格管理日常生活、記錄成員談話與呼吸,並打算用這些資料訓練一個以領導者心智為藍本的 AI;Maple 領導者否認多數指控,但承認團體有不公開的教義。文章也提到,研究者對 AI 導致人類滅絕的風險看法不一,並指出宗教倫理討論可能使監管、權力與控制等具體問題被擱置。

  11. Lobste.rs (Engineering Discussion)87

    Dragos 用假憑證追查 AI 服務流向,發現提示詞外洩與資料遭竊

    把工作內容交給 AI 服務後,提示詞可能經過多家公司,隱私設定也不一定能管到每一站。Dragos 研究團隊在約五個月內送出近兩百萬則含有專屬假網址與憑證的提示詞,追蹤它們後來被誰碰觸,發現三家服務供應商遭入侵、部分轉售商能檢視並保留客戶提示詞,也有供應商未遵守資料保護設定。研究團隊建議敏感工作盡量直接使用一線服務商、謹慎挑選轉送服務,並放入不會用於真實系統的假憑證;一旦有人嘗試使用,就能追查提示詞是否外流。

    推薦理由:研究團隊用獨一無二的假網址與憑證追查提示詞流向,呈現供應鏈各環節可能如何暴露客戶資料。

11月21日週六
  1. Dev.to Top Tech55

    OwlMem 教你把 Claude 做到一半的工作交給 Codex

    Claude 做到一半就遇到上下文限制,或想換 Codex 接手時,常得重新說明進度和剩下的工作。OwlMem 讓兩個 AI 助理共用同一個空間:Claude 留下進度和注意事項,再把目標、工作範圍、驗收方式與完成標準寫進任務,Codex 就能從收件匣接手並回報結果。每個 AI 助理一次只能處理一項任務,每項最多 30 分鐘;逾時會停止並標記為拒絕。在 Git 專案裡,工作會放在各自的分支,結果交由人檢查和合併。

  2. Dev.to Top Tech57

    作者修好 Claude Code 與 Codex 共用專案的 CI,讓紅燈重新代表問題

    CI 每次都用同一批測試失敗警告,久了就沒人知道是否有新問題。作者的專案在匯入時遺失了執行指令碼的許可權,兩個連結也變成一般檔案,結果 19 個 PR 在 CI 全紅時仍被合併。作者修好許可權和連結,並把不適用的舊測試改成檢查專案真正需要保留的規則。修正後最新一次測試有 190 項通過、0 項失敗;作者也提醒,若平臺不能阻止未通過檢查的 PR 合併,就要把檢查放進合併流程。

  3. The Verge · AI74

    Anthropic 上市後,還能把 AI 安全放在第一位嗎?

    Anthropic 上市後,得同時面對股東對獲利的期待、龐大的算力開銷,以及維持 AI 安全投入的承諾。The Verge 記者在訪談中分析,Anthropic 的創辦人和長期利益信託掌握重要治理權,但信託能介入的範圍有限;公司仍得靠營收和資金取得算力、支援客戶與研發。訪談也談到企業客戶可能依任務改用較便宜的模型,以及 Anthropic 如何靠安全形象留住客戶。接下來可從財報與公司決策觀察,獲利壓力會不會影響安全工作。

  4. Dev.to Top Tech72

    AI 加快漏洞攻擊,這篇指南整理 Outlook、Java 和 nginx 該先更新什麼

    漏洞修補變多、攻擊也更快,IT 團隊若急著一次更新所有系統,可能反而造成服務故障。文章整理了 Outlook、Java、nginx 等近期漏洞的影響與修補方式:已遭利用的 Outlook 漏洞應先處理;Java 和 nginx 若暫時不能更新,可先停用容易受攻擊的功能。其餘更新則先小範圍測試,再逐步安裝,最後重新掃描確認修補確實生效。對一般使用者,文中建議開啟自動更新、另外更新 Office,並在收到提醒後重新啟動裝置。

  5. Dev.to Top Tech49

    Claude Code 如何同時跑多個工作階段,又不讓工作亂成一團

    多個 Claude Code 工作階段一起工作時,可能會改到同一個檔案、把彼此的修改蓋掉,或是各自忙到不同方向。做法是讓每個工作階段只負責一件事,寫清楚要改哪些檔案、怎樣才算完成,再各自使用 git worktree 和不同檔案。大家把交接紀錄放在同一個資料夾,定期把完成的修改合在一起檢查,看看不同部分接起來有沒有問題。一次開幾個工作階段,要看你有時間檢查幾個;沒檢查的工作可能會越堆越多,最後沒人看過就被合併。

  6. Dev.to Top Tech43

    Claude Code 如何先整理程式專案地圖,再幫你看懂程式碼

    接手陌生的程式專案時,檔案常常多到看不完,從頭讀起也不一定找得到眼前要改的地方。這篇文章建議先請 AI 把專案在做什麼、各資料夾負責什麼、資料怎麼流動、哪些規定不能破壞,以及比較容易出問題的檔案,整理成專案裡的 CODEBASE.md。之後問「付款失敗時會發生什麼事?」這類問題,AI 會先查地圖,再回到程式碼確認並標出檔案和行數;地圖有錯也會修正。先找出常被修改、很大或很多檔案都會用到的程式碼,就比較能看清修改可能影響哪裡。文章提到的免費工具支援 Claude Code 和 Codex。

  7. Dev.to Top Tech41

    怎麼讓 Claude 別再你說什麼都點頭

    Claude 有時會因為你語氣很肯定、重複說同一件事,就跟著改口;但語氣不能當證據。文章建議把幾條規則寫進專案的 CLAUDE.md:先記住整個專案的目標,再查資料、看檔案或讀紀錄,確認你的說法有沒有根據;只有發現新事實、推理有漏洞或漏掉條件時才改變想法,並用一句話說明理由。像是你懷疑問題出在快取,Claude 就先檢視紀錄;如果紀錄顯示請求在更早之前就失敗,它會指出來再處理。這樣能減少盲目附和,也讓你保留決定喜好和優先順序的權利。

  8. Dev.to Top Tech59

    robots.txt 擋不住 AI 爬蟲,作者說明如何真正封鎖

    網站常用 robots.txt 表達不想讓爬蟲讀取內容,但這份檔案只是請求,無法阻止爬蟲連線。作者整理 OpenAI 和 Anthropic 的爬蟲用途,指出網站可以分開設定是否允許內容用於訓練、出現在 AI 搜尋結果,或回應使用者提問;若要確實擋下請求,則需透過 CDN、伺服器規則或登入限制。文章也介紹 llms.txt 這項提案,讓網站提供整理過的資訊,幫助 AI 助理讀懂網站內容。

  9. hackernews10066

    Ricapar打造能在DOS電腦上寫程式的AI助理 ClawDOS

    老舊的 DOS 電腦運算能力有限,很難直接連上現代 AI 服務。Ricapar打造了 ClawDOS,讓一臺只有640K記憶體的 IBM PC XT 能和 Claude 對話、讀寫檔案、編寫程式,再用 Turbo C 編譯並執行。它也能記住先前的工作,或把畫面傳給 Claude 檢視;連線加密則交給另一臺電腦處理。作者展示了 ClawDOS 在這臺老電腦上寫出並執行小程式的過程,呈現 AI 助理如何在硬體限制下協助開發。

  10. Dev.to Top Tech54

    AI 程式工具的 harness 是什麼?用日常例子看懂模型如何動手做事

    大型語言模型本身只能讀文字、迴文字,不能直接檢視檔案或執行程式;AI 程式工具靠 harness 把模型和這些工作接起來。作者用電話教親友修 Wi-Fi 作比喻:模型像知道該怎麼做的人,harness 則負責動手、回報結果,並在需要時先詢問使用者。文中也整理 harness 的工作,包括提供工具、反覆傳回執行結果、管理許可權、讀取專案說明,以及在對話太長時整理重點。這能幫助讀者分清模型和程式工具各自負責什麼。

  11. Dev.to Top Tech46

    Claude Code 和 Codex 用同一份任務與評分表比一比,結果會因工作內容而不同

    常有人憑感覺爭論 Claude Code 和 Codex 哪個比較好,但感覺很難說清楚誰做得好。作者讓兩者拿到完全相同的指令和資料,事先寫好標準答案,再用 100 分評分表比較正確度、修改量、速度、內容品質和是否照指令做。像整理會議紀錄時,多加一段沒人要求的「風險」會被扣分;把期限寫錯,也會因答案不正確而失分。 目前兩場實測各由不同工具勝出:整理會議紀錄時 Claude Code 得 99 分、Codex 得 92 分;把 CSV 整理成每月統計時,Codex 得 96 分、Claude Code 得 93 分。這表示沒有一個工具能在所有工作上都贏,先說清楚要做什麼、再用同一把尺比較,才能知道哪個更適合那類任務。

  12. Dev.to Top Tech82

    Claude Code Hooks 教學:哪些錯誤該用 Hook 擋下,怎麼做才有效

    只把規則寫進說明檔,Claude Code 有時還是會重複犯錯。作者分享自己用 Hook 擋下五種問題的方法,包括草稿出現長破折號、回覆語言錯誤、貼文發到錯的帳號,以及沒確認就說問題已修好。Hook 是在固定時機執行的小程式,可以在工具動作發生前拒絕操作,也能在回覆送出前要求重寫。作者建議先在實際出錯的情況中找原因,再讓檢查直接擋下動作,最後故意重現錯誤,確認 Hook 真的會啟動,也不會妨礙正常工作。

    推薦理由:作者用五種反覆出錯的情境,說明如何找出真正原因、設下會阻止動作的檢查,並刻意測試它是否生效。

  13. Dev.to Top Tech76

    Anthropic上市,募資 $81.3 billion,成為美國史上最大 IPO

    Anthropic在美國上市,讓投資人能直接買進這家 AI 公司的股票,也把它的成長與虧損攤在公開市場檢視。文章引述多家媒體報導,Anthropic以每股 $83 出售 980 million 股,募得 $81.3 billion;另有科技公司同意以私募方式買進 $26 billion 的股票。公司營收快速增加,但今年前九個月仍虧損 $104 billion,並承諾投入龐大資金購買算力與建置資料中心。這場上市也讓市場開始檢視,AI公司的收入能否長期支撐高額支出與估值。

    推薦理由:Anthropic上市把AI公司的成長速度、巨額算力支出與虧損放在公開市場檢視,也呈現投資人如何衡量這門生意的長期前景。

  14. Dev.to Top Tech68

    Claude Code 實測:未手動呼叫的技能也可能蓋過 CLAUDE.md

    專案裡的 CLAUDE.md、AGENTS.md 和技能檔若寫了不同規則,Claude Code 會照哪一個做?作者用隔離的測試資料夾和實際指令比較,發現兩份檔案同時存在且內容衝突時,測試結果採用了 CLAUDE.md 的規則;只有 AGENTS.md 時,它也能正常生效。更意外的是,作者沒有手動呼叫技能,只問「魔法字是什麼」,Claude Code 就依技能說明自動載入技能,並採用技能裡的答案。這項結果只來自 Claude Code 2.1.330 的單一沙盒測試,作者提醒,若專案規則很重要,應檢查技能描述是否會被一般提問觸發,並在自己的環境重做測試。

  15. Dev.to Top Tech57

    Codex 和 Claude Code 能共用同一個技能嗎?安裝方式與限制一次看

    同一份技能能不能在 Codex 和 Claude Code 使用,常讓同時使用兩種工具的人得維護兩份內容。這篇比較指出,只用 name、description 和一般 Markdown 寫成的技能,通常能複製到兩邊;資料夾位置則不同,Claude Code 使用 .claude/skills/,Codex 使用 .agents/skills/。若技能依賴 Claude Code 專用欄位、變數或工具名稱,就可能需要修改。兩邊使用的模型和工具不同,即使指令相同,產出的結果也可能不同,因此仍要分別檢查。作者依據公開檔案整理格式與路徑,並說明自家技能套件尚未在 Codex 實際測試。

  16. The Decoder73

    Claude 宣稱證明黎曼猜想後,史丹佛數學家公佈全人工作品

    黎曼猜想是數學界長年未解的難題,最近卻接連出現兩份聲稱能解決相關問題的證明。一名 Anthropic 數學家表示,他和 Claude 合作證明瞭黎曼猜想及更廣的廣義黎曼猜想,並把超長證明交給 Lean 逐步檢查;不過,起始問題若翻譯成程式碼時出錯,仍可能影響結果。幾小時後,史丹佛數學家公佈 Alessandro Masullo 的全人類撰寫草稿,但 Ravi Vakil 隨後表示,有人已指出其中的問題。兩份證明都還需要數學界檢查,這場接連發生的競賽也讓人看到,AI 可以協助推進數學研究,成果仍得經過嚴格驗證。

  17. Solidot64

    Alessandro Maria Masullo 提前公開廣義黎曼猜想證明手稿

    廣義黎曼猜想的證明手稿原本打算再花一年完善,並徵求更多數學家意見後才發表。投入這個問題 12 年的數學家 Alessandro Maria Masullo,因 Anthropic 發表相關宣告,決定提前公開手稿;另一名數學家 Brian Conrad 正在審閱。Solidot 表示,這份手稿沒有使用 AI 工具,由人類完成。提前公開的是一份仍在審閱中的手稿,材料沒有說明其證明已獲其他數學家確認。

  18. Dev.to Top Tech37

    EPMOS 每日世界掃描:彙整 AI、晶片與核融合等最新訊息

    EPMOS 的每日整理列出多則科技訊息,包括 Anthropic 宣佈 IPO 完成、OpenAI 提到要防範對抗式知識蒸餾,以及 TechCrunch 報導有新創團隊聲稱解開黎曼猜想。部分 Hacker News 熱門話題還在等原始資料確認,因此只列為觀察,不當成已證實訊息。這份整理也提醒讀者,有些來源當天無法查證;EPMOS 對市場與技術趨勢的看法,則屬於自己的推測,不是已確認事實。

  19. aihot90

    Claude 合作提出黎曼猜想證明,斯坦福數學家公佈人類草稿

    黎曼猜想關係到素數如何分佈,但至今仍是數學界的重要難題。Anthropic 數學家 Levent Alpöge 表示,他和 Claude 找到黎曼猜想及廣義黎曼猜想的證明,並用 Lean 逐步檢查推理;證明分成 14 個資料包發布。數小時後,斯坦福公佈 Alessandro Masullo 獨立寫下的廣義黎曼猜想草稿,曾由數學家 Brian Conrad 審閱數月,但公佈後有人指出其中有問題。兩份成果都還需要數學界仔細核查,AI 證明也須確認起始問題是否正確轉成程式。

    推薦理由:兩份廣義黎曼猜想證明各有審查路徑,AI 證明以 Lean 檢查推演,人類草稿則已被指出問題,呈現數學證明如何建立可信度。

  20. Dev.to Top Tech55

    作者示範如何不用無頭瀏覽器監看供應商信任中心

    逐家檢視供應商的安全認證、登入服務和 AI 子處理商,常得花上不少時間;用無頭瀏覽器自動化,則會耗用較多記憶體,也可能遇到 Cloudflare 的 403 阻擋。作者分享一套純 HTTP 加 DNS 的監看方法,宣稱每個工作程式使用 128 MB RAM。它會先查 DNS 線索,再讀取信任中心資料;遇到 Cloudflare 時,使用誠實標明身分的爬取工具名稱,並為每次重新導向檢查網域和 IP,避免連到內部或保留位址。監看模式會儲存資料,只通知認證或 AI 子處理商等專案的變動;若資料沒變,則不收費。

  21. The Decoder66

    美國科技股創疫情以來最慘一週,市場對 AI 投資的疑慮升高

    美國科技股一週大跌,投資人開始懷疑龐大的 AI 投資和晶片股高估值是否站得住腳。科技股比重高的 Nasdaq 100 週五下跌 5.6%,全週下跌 10.4%,來到 10 月高點以下 20% 的熊市區間。報導指出,AI 建設投資疑慮、Nvidia 帳目遭 SEC 檢視的訊息,以及高油價和高利率等因素都加深賣壓;Nvidia 週五下跌 14%,美國半導體指數也下跌 10.7%。

  22. Dev.to Top Tech59

    作者用 Kiro 打造 umwayi-os,替 AI 助理的操作加上規則檢查

    AI 助理可能在不清楚使用者意思時照樣採取行動,也可能把錯誤藏在自己的工作回報裡。作者打造 umwayi-os,在 Claude Code、Kiro 和 OpenCode 等工具執行操作前先檢查使用者訂下的規則;遇到不清楚的情況,就拒絕執行或先詢問。系統會記下每次判斷,也能停止所有 AI 助理和工作。開發時由 Kiro 負責寫程式,另一個 AI 檢查程式變更,作者則決定安全規則等重要修改。作者也分享並行工作、合併衝突和測試流程出錯的例子,說明為什麼要讓檢查獨立於負責建置的工具。

  23. Dev.to Top Tech39

    Sonnet 5.5 和 Sonnet 5 怎麼選?實際使用成本與速度比較

    同一項工作交給 Sonnet 5 和 Sonnet 5.5,哪個比較適合?一間工作室記錄了兩種模型的實際使用情況:Sonnet 5 每次花 $0.01007,較便宜;Sonnet 5.5 每次花 $0.01755,但平均只要 2.0 秒,速度比 Sonnet 5 的 2.6 秒快。兩種模型都沒有發生失敗,不過 Sonnet 5.5 使用次數較多,兩者也不是同時測試。 工作室後來繼續使用 Sonnet 5.5,但這份紀錄沒有說明轉換原因,也沒有比較答案品質。Sonnet 5.5 每次收到的輸入資料比較多,所以成本差異不能只歸因於模型價格。這些結果只反映這項工作和這間工作室的用量;如果你最在意每次成本,Sonnet 5 較省,若在意速度,這次的紀錄則是 Sonnet 5.5 較快。

  24. Dev.to Top Tech44

    用 iPhone 和 Apple Watch 檢視 Codex、Claude Code 的用量

    想在手機桌面或 Apple Watch 上看 Codex、Claude Code 還剩多少用量,除了開啟官方用量頁面,也可以用 TokenVive 連線帳號,設定小工具或手錶畫面。每個畫面都要選對帳號和用量時段,並一起檢視剩餘比例、重設時間和上次更新時間;例如「已用 30%」和「還剩 70%」其實可能是同一件事。TokenVive 用量環顯示的是剩餘額度,更新失敗時會保留上次成功取得的資料,不能把沒有顯示的數字當成零。它也能檢視 Codex 的部分用量紀錄,但 Claude Code 目前只支援檢視額度。

  25. Dev.to Top Tech79

    Claude 從空資料夾打造模型,挑戰 GPT-2 的實驗結果如何?

    AI 助理能不能自己做研究,除了看模型表現,也得看人在哪些地方出手。作者讓 Claude 從空資料夾開始設計、訓練模型,並在每次測試前先寫下預測和通過標準。三個關卡中,兒童故事和西洋棋都沒達標;在 HellaSwag 測試中,模型分數高於 GPT-2 small,但它的引數量是對方的 2.8 倍,和同尺寸的 GPT-2 Medium 相比大致打平。作者也檢查出部分測試題出現在訓練資料中,排除後分數仍高於 GPT-2 small。這次實驗顯示 Claude 能依明確規則執行工作、記下失敗,但選擇研究問題和處理重要決策仍由人負責。

    推薦理由:這場實驗把預先訂好標準、記錄失敗和人類介入的過程攤開,呈現 AI 助理能完成明確研究任務時仍需要人決定問題。

  26. Dev.to Top Tech72

    Cloudflare 的 security-audit 技能如何判斷 AI 找到的漏洞是否成立

    AI 助理做安全檢查時,常會列出一長串建議,卻沒說明攻擊者能不能真的利用。Cloudflare 的 security-audit 技能要求每項漏洞都交代低信任者能做什麼、跨過哪道防線,以及造成什麼具體結果;缺少防護建議會列為加強專案,不算漏洞。找到問題的 AI 助理不會自行定案,另一個 AI 助理會查閱程式碼和有限的本機證據,嘗試推翻這項發現。技能也規定,只有在作業系統沙箱能限制網路、檔案寫入和資源使用時才執行目標程式;做不到就只檢查原始碼,並列出需要進一步確認的事項。作者也提醒,單次檢查可能只找到多次檢查合計發現的約一半漏洞。

  27. Dev.to Top Tech72

    Anthropic 如何設計 Claude AI 助理的記憶功能

    AI 助理若把每次對話細節全都存下來,找資料可能比做事還花時間。Anthropic 把 Claude 的長期記憶分成四層,從不修改的對話紀錄,整理成筆記、知識百科,再挑出少量重要內容放進新對話。背景整理程式會比對舊紀錄,修正不準的筆記。文章提到一項 Pokémon 測試:存了 413 個檔案的模型拿到 1 個徽章,只存 9 個檔案的模型拿到 4 個。這套功能目前僅供 Claude Managed Agents 研究預覽使用,測試也顯示整理記憶仍無法答對所有問題。

  28. Dev.to Top Tech81

    Anthropic IPO 募得約 $119.5 billion,公開發行與策略夥伴私募合計

    Anthropic 這次上市的約 $119.5 billion,並不是公司單靠賣股票拿到的現金。公開發行約帶來 $93.5 billion,其中部分是既有股東出售股票所得;另外還有向 7 家策略夥伴私募 Class N 股份,金額為 $26 billion。招股檔案估計,若加計公司出售的股份並扣除相關費用,公司可取得約 $117 billion。檔案也列出約 $900.9 billion 的多年採購與租賃承諾,大多和運算及基礎設施有關,並非今天就要付清的債務。這筆融資顯示訓練與提供前沿 AI 服務需要龐大資金,但不代表 API 會降價或服務一定改善。

    推薦理由:這筆融資同時包含公開發行與策略夥伴私募,文章也拆開說明總額、公司實際取得的資金及多年基礎設施承諾,呈現前沿 AI 的資本需求。

  29. Dev.to Top Tech82

    Claude 與黎曼猜想:17,000,000 行 Lean 程式碼證明瞭什麼,還沒證明什麼

    有人聲稱和 Claude 一起找到了黎曼猜想的證明,但這份成果目前還不能算是已確認的證明。數學家 Levent Alpöge 公開了 Lean 4 程式碼,讓電腦逐步檢查數學推理;檔案共有 17,374,215 行。Andrew Sutherland 回報程式碼可以編譯,但完整建置尚未完成,因此每一步是否都正確還沒確認。審查者也得先確認程式碼描述的定理確實是黎曼猜想。文章指出,這份可供檢查的檔案公開後,驗證工作能由更多人一起進行;但作者表示自己還沒完全理解論證,接下來仍需要完整建置、檢查定理內容,以及寫出人類看得懂的證明。

    推薦理由:Lean 能檢查證明每一步是否成立,但完整建置尚未完成;這起事件呈現機器可檢查的數學成果如何先於人類理解。