搜索
近年来，以人形机器人、自动驾驶为代表的具身人工智能（Embodied Artificial Intelligence, EAI）正以前所未有的速度发展，从数字世界大步迈向物理现实。然而，当一次错误的风险不再是屏幕上的一行乱码，而是可能导致真实世界中的物理伤害时，一个紧迫的问题摆在了我们面前： 如何确保这些日益强大的具身智能体是安全且值得信赖的？
缘起 我们为什么要做视频绘本呢？它源于一位父亲小小的愿望。 ListenHub 的 CTO Kris 是一名新手爸爸，他每天在家听到孩子说的最多的三个字就是：讲故事。 孩子永远有数不清的故事想听，同一
谷歌DeepMind研究团队一年前的研究成果直到昨晚才姗姗揭秘，提出了一种叫做GDR的新方法，颠覆了传统训练中设法剔除脏数据的思路，将饱含恶意内容的数据「变废为宝」，处理后的数据集用于训练，甚至比直接剔除脏数据训练出的模型效果还好，「出淤泥而不染」，「择善而从」。
上周，福布斯、Wired等争相报道「全球最快开源推理模型」K2-Think，，甚至图灵奖得主Yann LeCun转发推文。但仅三天后，ETH五位研究员的博客如晴天霹雳：87数学评估题竟藏在训练集中！这不仅仅是技术突破，更是行业诚信的警钟。
什么情况，帮马斯克训练大模型的人说失业就失业了？上周四晚，xAI内部上演了一场突袭测试，还要求员工必须在第二天早上之前完成并提交。这可不是一次简单的随堂测试——截至目前，本次xAI内部测试的淘汰率高达33%，已有超过500名员工被通知卷铺盖走人。
人类的大脑，会在梦里筛选记忆。如今，AI也开始学会在「睡眠」中整理、保存，甚至遗忘。Bilt部署数百万智能体，让科幻小说里的设问——「仿生人会梦见电子羊吗？」——逐步成真。那么，当AI也能选择忘记时，它会变得更像人，还是更陌生？
奥特曼最近要做什么？投资、合作、加码，这次是一家初创的长寿公司。当然，同样和AI脱不开干系。奥特曼正在加大对旧金山生物技术初创公司Retro Biosciences的投资，该公司希望将人类的寿命延长10年。此前，奥特曼为该公司提供了全部1.8亿美元（约13亿人民币）的种子轮融资，完全是相当看好、倾力支持。
很多人认为，Scaling Law 正在面临收益递减，因此继续扩大计算规模训练模型的做法正在被质疑。最近的观察给出了不一样的结论。研究发现，哪怕模型在「单步任务」上的准确率提升越来越慢，这些小小的进步叠加起来，也能让模型完成的任务长度实现「指数级增长」，而这一点可能在现实中更有经济价值。
让数字人的口型随着声音一开一合早已不是新鲜事。更令人期待的，是当明快的旋律响起，它会自然扬起嘴角，眼神含笑；当进入说唱段落，它会随着鼓点起伏，肩膀与手臂有节奏地带动气氛。
氛围编程，正批量制造「AI保姆」。一位15年资深开发者，为赶工用AI编程，结果bug成山不得不推翻重来，痛哭半小时。如今，一种全新职业「氛围编程清理专家」冲上了热榜。