跳到正文

#專家觀點

RSS
今日 28 則
11月20日週五
  1. Dev.to Top Tech69

    作者分析 48,216 筆足球預測紀錄,指出哪些事能查、哪些無法證明

    只看一筆預測紀錄,很難知道它是根據那場比賽重新分析,還是把舊結果重播。作者檢查自家資料表的寫入時間、分析耗時和內容,把相隔不超過 120 秒的資料歸成同一批,發現大量資料是在短時間內並行寫入;但紀錄裡沒有批次編號、工作程式和輸入資料的識別資訊,因此無法證明每筆結果從何而來。作者也發現部分分析文字在不同比賽間重複,且不少資料缺少耗時紀錄。文章建議增加能追蹤批次、工作程式和輸入資料的欄位,讓稽核不必只靠推算。

  2. Dev.to Top Tech54

    BeamNG.drive 為何選 Torque 3D?用 JBeam 文字檔打造真實車輛碰撞

    BeamNG.drive 的車禍畫面為什麼能讓車身真的變形、零件也會故障?作者分析,關鍵不是 Torque 3D 本身,而是遊戲另外打造的軟體車輛物理系統。每臺車都用 JBeam 文字檔描述零件和連線方式,玩家能修改並分享車輛;Lua 則讓團隊調整遊戲規則時不必重新編譯引擎。作者認為,選擇較舊的 Torque 3D,讓團隊能把心力放在車輛模擬上,也讓這套技術延伸到 BeamNG.tech 的駕駛訓練與自動駕駛測試。

  3. Dev.to Top Tech64

    多個 AI 助理接力處理訂單時,如何避免流程失敗造成損失?

    訂單流程做到一半出錯時,前面完成的付款和庫存預留不會自動消失;直接重跑,也可能重複扣款或建立重複訂單。作者用訂單配送做例子,說明多個 AI 助理分工時,系統應記下每個步驟實際發生的事,並為每項操作使用固定識別碼。遇到逾時要先查明外部服務是否已完成,再決定重試或退款、釋放庫存等補救;若結果仍不清楚,就交由人員處理。文章也提醒,換另一個 AI 助理接手不代表前一次操作沒有發生,流程紀錄和執行許可權都得妥善管理。

  4. BlockTempo 動區動趨57

    Mizuho 看好 Robinhood:事件合約與財富管理可望帶動成長

    Robinhood 的加密貨幣交易收入下滑,市場也擔心 Kalshi 進軍股票交易會帶來競爭。Mizuho 與 Robinhood 高層會面後,重申「優於大盤」評等和 130 美元目標價,認為事件合約、銀行、信用卡與退休帳戶能帶來新的收入。Robinhood 第三季事件合約收入為 1.73 億美元,非運動類合約佔預測市場交易量的比例從上一季 15% 升到 30%。不過,非運動類合約要吸引更多機構參與,仍得先累積足夠的買賣量;這項業務的發展也受美國監管爭議影響。

  5. Hao AI Lab67

    AI 助理已能控制真實機器人,但操作速度還不夠快。UCSD Hao AI Lab 表示,他們讓 GPT-6 Astra 搭配 Codex 控制機器人,並比較操作時間與機器人移動的時間比例。拿杯子任務從 11.1 分鐘縮短到 3.4 分鐘,摺毛巾從約 18 分鐘縮短到約 6 分鐘;機器人移動的時間比例則從 24% 增加到 84%。

    推薦理由:這項實測比較杯子任務與摺毛巾所需時間,也記錄機器人實際移動的時間比例,呈現操作速度的變化。

  6. Rohan Paul48

    Jacob Coxon 在 Y Combinator 的辯論中提到,Anthropic 研究人員回報,AI 已讓研究工作加快約 4 到 5 倍;他也提醒,這是人員自行回報的數字,可能不太準確,甚至可能低估實際效果。照目前約每 3 個月加快一倍的趨勢推算,到 2027 年可能達到 100 倍。他另提到,Anthropic 目前約有 25% 的研究透過 Claude 進行;若趨勢持續,Claude 到 2027 年底可能負責全部研究。這些都是依趨勢推算的可能發展,顯示 AI 可能越來越多地參與 AI 研究。

  7. Latent Space65

    Linear COO Cristina Cordova 談公司如何靠 AI 助理工作流程成長

    Linear 原本是問題追蹤工具,但 AI 助理開始代替人整理和建立工作專案,公司得重新說明產品的用途。COO Cristina Cordova 分享,Linear 把資源轉向讓 AI 助理直接參與工作流程;如今超過一半的新工作專案由 AI 助理建立,同時人們仍會回到 App 檢視和協調進度。她也談到公司如何調整企業銷售方向、維持精簡團隊,以及讓 AI 草擬客服回覆、由真人決定是否送出。

  8. DAVID888 Daily 每日放送🎙️ Podcast58

    2026-11-20 Claude破解黑洞難題卻因安全護欄降級遭炎上、Rails爆驗證前RCE震撼開發圈

    詳細網頁版與參考連結:https://podcast.david888.com/post/2026-11-20 Anthropic以Claude多代理與Lean解開黑洞難題並赴Nasdaq上市,社群熱議財報與算力衝突;資安人員揭露白名單仍遭護欄誤擋、靜默降級且易繞過,轉抱開源。另談Rails預設RCE、表格注入劫持Agent、LLM逆向及ToolJet動態查詢攔截疑慮;最後涵蓋本地語音Moonshine、MiniMind、歐盟匯入Matrix,及單機千萬伺服器、SQLite物件儲存與記憶體壓縮。 相關連結: Claude solves two open problems in the physics of black holes Ruby2ßhell: Pre-authentication RCE on stock Rails Anthropic’s Nasdaq debut Pete warden on local AI, open models, voice interfaces, the future of hardware How the European Commission

  9. Dev.to Top Tech54

    Meta 的 Muse 讀取 Signal 通知?VSO 分析事件紀錄能查出什麼

    AI 助理如果讀取裝置上顯示的訊息,事後要查清資料從哪裡來,可能比想像中困難。Reuters 報導指出,Meta 員工曾描述 Muse 透過 Android 通知許可權讀取 Signal 訊息,也有員工收到列出銀行餘額的訊息;Reuters 無法確認那些資料是來自別人的帳戶,還是模型生成的內容。VSO 根據這起報導提出記錄存取路徑、保留輸入資料的來源線索,以及標明內容是查得還是生成等做法。文中也說明,VAP 能協助檢查已記錄資料是否遭到竄改或遺漏,但無法找回從未記錄的讀取,也不能判定內容是真是假或阻止助理採取行動。

  10. Latent Space69

    Linear 營運長談公司如何轉向 AI 助理協作

    Linear 原本是追蹤軟體問題的工具,如今想成為人和 AI 助理一起安排產品工作的系統。營運長 Cristina Cordova 說,現在超過一半的 Linear 工作專案由 AI 助理建立,但使用者仍會回到 App 檢視和協調工作;如果大家只透過外部工具操作,產品就可能變得可有可無。她也談到企業開始用新的 AI 預算採購工具,常先簽一年合約或付費試用,這讓快速增加的營收數字未必能代表長期需求。

  11. Bloomberg Businessweek🎙️ Podcast58

    Anthropic Debuts on the Nasdaq in Record-Breaking IPO

    The people, companies and trends shaping the global economy. Watch Carol and Tim LIVE every day on YouTube: http://bit.ly/3vTiACF Anthropic shares pared earlier gains to trade 17% above their IPO price after the artificial intelligence lab’s blockbuster $107.3 billion debut broke SpaceX’s record for the biggest-ever offering. The shares were changing hands at $96.75 each at 1:29 p.m. on Thursday in New York, after an opening surge that took it far above the IPO price of $83. The current price gi

  12. Dev.to Top Tech56

    Fabian Cooper 分析 AI 產品如何讓使用者判斷答案能不能信

    AI 有時會給出流暢又肯定、但其實錯誤的答案,使用者很難只看畫面就判斷該不該相信。Fabian Cooper 認為,AI 產品的介面應讓不確定的內容看起來更保留,也要清楚指出答案可能超出系統所知;修改、重做和補充指示應是正常工作流程,不能藏在角落。當系統答不上來時,介面也該說明限制並提供下一步。這些設計能幫助使用者保持判斷,而不是把 AI 的回答當成已完成的正確答案。

  13. Dev.to Top Tech72

    Meta 的 Muse 傳出混淆對話,可能把私人資料顯示給錯誤使用者

    Meta 的 AI 助理 Muse 傳出把不同帳戶的對話混在一起,讓使用者看到不屬於自己的私人資訊。Reuters 引述員工說法,提到有人在天氣聊天中看到銀行餘額,也有人收到 Signal 訊息提醒;但 Reuters 無法確認那些餘額是真實外洩資料,還是模型編造的數字。Meta 表示事件零星發生,許多案例是已修正的模型幻覺;Reuters 的 Signal 測試則仍能重現相關狀況。作者沒有親自測試 Muse,提醒開發者應在資料送進模型前確認帳戶許可權,並用不同測試帳戶檢查資料會不會串錯。

  14. Wired · Artificial Intelligence56

    WIRED《Uncanny Valley》解析一週內多起服務中斷的原因

    Microsoft、FAA、Chase、United、NSA 和 Apple 接連出現服務中斷,讓不少人懷疑遭到駭客攻擊。WIRED《Uncanny Valley》的主持人逐一談到已知原因,包括 Microsoft 舊更新延後觸發、FAA 通訊裝置更新出問題,以及銀行軟體錯誤;目前沒有證據顯示這些事件彼此相關或是網路攻擊。節目也討論 AI 協助找出系統漏洞後,大量修補更新可能讓複雜系統更容易出狀況。其他話題包括 Anthropic 上市、Nvidia 的人事變動,以及美國限制中國企業透過海外資料中心租用 AI 晶片的新規。

  15. Dev.to Top Tech35

    狀態頁該讓監控自動更新,還是由人來判斷?來聊聊兩種做法

    網站出問題時,狀態頁如果要等人發現、登入再更新,可能慢了好一會兒;但監控偶爾也會誤報,太常自動公告又會讓大家不再相信它。作者建議兩種做法搭配:多個地點的監控連續幾分鐘都發現問題,而且檢查的是使用者真的會做的事,例如登入或結帳,才自動把狀態頁改成黃色,表示團隊正在檢視。單次檢查失敗只通知工程師,重大故障則由人決定是否公告。這樣能更快讓客戶知道出了狀況,也能減少小問題或誤報被當成大故障。

  16. Dev.to Top Tech68

    MEV 團隊分享如何用七個 AI 助理在 72 小時內完成 PoC

    短時間內做出能運作的產品概念,難處不只在寫程式,還包括定義需求、測試和把關。MEV 工程團隊在 72 小時挑戰中,讓七個 AI 助理分工規劃、寫程式、檢查和修正,完成分析約 30,000 棟紐約市商業建築能源使用情況的 PoC。工程師仍須先核准計畫,並在合併程式碼前檢查成果;團隊也花了不少時間規劃和測試。作者指出,這套做法依賴明確的工作範圍和既有流程,不能直接視為大型正式服務也能照搬的證明。

  17. Dark Reading (Information Security)58

    資安記者談 PHP2Shell 與 Java4Shell:漏洞警報升高時,企業該怎麼應對

    重大漏洞一齣現,企業常得在趕快修補和維持服務之間做決定;如果還不清楚攻擊者能不能真的利用,急著關站也可能造成損失。資安記者以 PHP2Shell 和 Java4Shell 為例,談到 AI 加快找出漏洞的同時,複雜的攻擊步驟也不代表漏洞會立刻被攻擊。Java4Shell 沒有適用所有程式的通用攻擊方式,利用它還得看各個應用程式的情況。與談者建議企業依風險安排修補,也讓負責營運的主管參與是否停機的決定,避免警報太多讓團隊忽略真正緊急的事件。

  18. Dev.to Top Tech43

    AI 寫程式讓程式品質不再是優勢了嗎?

    過去,程式寫得好,系統比較穩,也能用較小的團隊快速做事;程式欠下太多「技術債」,公司就得花更多人力收拾。作者曾獨自維護一家航空公司的整套系統將近 20 年,後來發現 Opus 5.5 比他用過的其他 AI 模型更能理解程式原本的做法,開始相信 AI 助理也許能在亂糟糟的程式裡做出新功能,減少公司補救舊程式的成本。 但 AI 還是會犯危險的錯,沒有檢查工具和完整測試,可能讓程式更難懂、漏洞更多。作者認為,程式品質或許不再能讓公司特別佔優勢,卻仍是減少錯誤的關鍵;與其只追求寫出更多程式碼,不如用 AI 一步步整理系統,並確保人看得懂、查得到問題。

  19. Dev.to Top Tech49

    No Man’s Sky 為什麼自製遊戲引擎?用一組數學規則打造 18 quintillion 顆星球

    一款遊戲如果每個星球都要事先做好,工作量和儲存空間都會很驚人。Hello Games 為了讓 No Man’s Sky 能在 PS4 上打造超過 18 quintillion 顆星球,選擇自己做遊戲引擎:玩家靠近星球時,遊戲才用同一組數學規則算出地形、生物和植物,所以不用把每顆星球都存到伺服器裡。 這套做法也讓團隊能陸續加入多人遊戲、基地建造、VR 和跨平臺遊玩,並把引擎用在 Light No Fire 上。代價是許多功能都得自己從頭做;好處是星球可以不斷增加,更新也能接著用同一套技術。以 2026 年 8 月的說法來看,玩家去過的星球還不到遊戲總數的 1%。

  20. Guillermo Rauch48

    Guillermo Rauch 用數字比喻 AI 對工程師工作的影響:能專心把事情做好的工程師,現在可能像「1000 倍工程師」;只忙著爭論細節、忽略真正目標的人,則像「負 10 倍工程師」;一般知識工作者也可能因此變成「2 倍工程師」。他說,從自家新創公司與企業客戶使用 token 的情況來看,工程師和軟體工廠會用掉愈來愈多 token。他認為,Anthropic 的成功也顯示,寫程式是 AI 最重要的應用之一。

  21. hackernews10069

    Pete Warden 談本機 AI、語音介面與 AI 硬體的未來

    AI 越來越常靠雲端運作,但這會帶來費用、網路連線和資料隱私等考量。Pete Warden 在訪談中談到,本機模型已能處理不少日常工作,放在自己的電腦或企業掌控的伺服器上,也能減少對外部服務的依賴。他還認為,語音介面要讓人用得自然,回應速度很重要;如果等待太久,使用者會不確定系統有沒有聽見。至於 AI 硬體,他談到記憶體頻寬和不同型別的加速器,認為執行模型的需求和訓練模型並不一樣。

  22. hackernews10036

    Claude Code 的資安防護限制,讓工程師難以檢查自己的服務

    作者用 Claude Code 檢查自己負責的服務,找到一個只要改一行程式碼就能修好的資安問題,卻被 AI 防護機制擋下。作者認為,申請例外要等好幾個工作天,還得交出身分證或護照,也不保證會通過,讓他很難及時確認自己的服務是否有漏洞。 最後,作者改用在歐盟託管的開放權重模型 GLM 5.3,確認問題存在、修好並再次檢查。這讓他擔心:想保護服務的人受到限制,犯罪者卻不必申請許可;如果工具不讓使用者檢查自家服務,反而可能讓資安更難做好。

  23. Jordi Visser🎙️ Podcast58

    Bitcoin’s 30% Rally Was a Bull Trap: Will $59K Hold?

    Today, John sits down with Artie and Gamma from Market Radar, whose systematic macro model turned risk-off in July and kept them out of Bitcoin's latest bull trap. After selling Bitcoin around $115K last October, they're still refusing to buy the dip. Their model now signals an increasing probability of deflation, a regime that could spell trouble for Bitcoin, Nvidia, AI stocks, and the broader financial markets. They break down why Bitcoin failed to benefit from the AI investment boom, how weak

  24. Thurrott64

    Microsoft 如何把 Word、Excel 和 PowerPoint 帶進 Copilot

    做檔案、試算表和簡報,通常得在不同的 Office 程式間切換。Microsoft 正把完整的 Word、Excel 和 PowerPoint 功能放進 Copilot,讓使用者能在 AI 助理裡處理工作,也能和仍使用獨立 Office 程式的同事一起修改檔案;Microsoft 表示,這些功能會保留追蹤修訂、進階公式和既有的安全與管理控管。新功能會逐步推出,Copilot Today 目前仍在預覽版。作者認為,工作可能逐漸從傳統程式移到以自然語言操作的 AI 助理,但這項改變如何發展仍未確定。