## 突破几何限制：深度学习让微流控模拟更通用 惯性微流控设备（IMD）凭借低成本、高通量的优势，正在成为传统颗粒/细胞操控任务的有力替代方案。然而，要准确模拟这些设备中颗粒的迁移轨迹，必须预测不同通道几何形状下的颗粒升力。传统数值模拟计算成本高昂，而近年来机器学习虽能大幅加速模拟，却受限于**“一几何一模型”**的困局——每种通道截面（如矩形、三角形）都需单独训练模型，只是将计算负担从模拟阶段转移到了训练阶段。 ### 无几何参数的新范式 来自多伦多大学的研究团队在 arXiv 预印本（arXiv:2605.08109）中提出了一种**全新的神经网络方法**，其核心创新在于：模型输入中不包含任何显式的几何参数。这意味着模型不再依赖特定的通道形状编码，而是通过学习更底层的物理规律来实现泛化。 实验结果显示，该模型在训练集内的通道几何上表现与现有模型相当，但在**未见过的通道几何上展现出了远超以往的泛化能力**。例如，对于训练中未出现的新型截面形状，模型仍能准确预测升力分布，而传统方法则完全失效。 ### 即插即用：轻松集成到现有仿真工具 研究团队进一步展示了该模型的实用性：他们将训练好的升力模型直接移植到颗粒追踪仿真软件中，成功复现了文献中多种通道设计下的颗粒迁移模式。这意味着研究人员无需为每个新几何形状重新训练模型，只需加载预训练网络即可进行模拟，**大幅降低了机器学习的应用门槛**。 ### 行业意义与未来展望 这一进展对微流控领域的实际应用具有重要意义。在细胞分选、稀有细胞富集、颗粒聚焦等场景中，通道几何的优化往往需要反复试错。传统方法下，每次几何调整都意味着重新训练模型或进行耗时的数值模拟，而新方法允许工程师直接探索几何空间，加速设备设计周期。 当然，该研究目前仍处于预印本阶段，其泛化能力的具体边界（如对极端几何或高雷诺数流动的适应性）尚需更多验证。但**“几何无关”的预测思路**无疑为微流控仿真开辟了新路径——它让深度学习从“专用工具”向“通用求解器”迈出了关键一步。
大模型微调的主流方法LoRA（低秩自适应）虽然大幅降低了计算成本，但其点估计更新方式存在表达能力不足、与全量微调存在精度差距、缺乏不确定性量化等局限。针对这些问题，来自阿姆斯特丹大学的研究团队提出了**BaLoRA**（贝叶斯低秩自适应），为LoRA矩阵引入了一种新颖的输入自适应贝叶斯参数化方法，仅增加极少的参数和计算量，却带来了意想不到的双重收益：不仅提供了校准良好的不确定性估计，而且自适应噪声注入显著提升了预测精度，缩小了与全量微调的差距。 ## 核心创新：贝叶斯化LoRA 传统LoRA将权重更新分解为两个低秩矩阵的乘积，每个矩阵的元素是确定的点估计值。BaLoRA则将这些矩阵参数视为随机变量，通过变分推断学习其后验分布。关键在于，团队设计了一种**输入自适应**的噪声注入机制——噪声的方差会根据输入特征动态调整，使得模型能够根据不同样本的难易程度灵活调节正则化强度。这种设计让BaLoRA在保持低参数量的同时，具备了表达更丰富后验分布的能力。 ## 性能表现：精度与不确定性双赢 在自然语言推理和视觉任务上，BaLoRA均显著缩小了与全量微调的精度差距。例如，在GLUE基准测试中，BaLoRA的平均得分比标准LoRA高出**1.5-2个百分点**，某些任务上甚至接近全量微调的效果。更令人惊喜的是，这种精度提升并非牺牲不确定性校准为代价——BaLoRA的预测置信度与实际错误率高度匹配，而标准LoRA由于缺乏不确定性建模，往往过度自信。 ## 特殊案例：材料科学中的零样本不确定性 研究团队还将BaLoRA应用于金属有机框架（MOF）的带隙预测任务。这是一个典型的小样本科学场景，不确定性量化至关重要。实验显示，BaLoRA在零样本测试时产生的**不确定性估计与模型误差的相关性**，甚至优于一个完整训练的LoRA集成模型。这意味着，无需额外训练多个模型，BaLoRA就能提供可靠的置信度指标，且随着计算资源增加，不确定性校准效果持续提升而不损害精度。 ## 行业意义与展望 BaLoRA的出现，为LoRA家族补上了关键的一块拼图——**可靠性与可解释性**。在医疗诊断、科学发现、自动驾驶等高风险场景中，模型不仅需要准确，更需要知道“何时不知道”。BaLoRA以极小的代价赋予了LoRA这种能力，同时意外地提升了精度，有望成为下一代微调工具的标准配置。未来，该团队计划探索更高效的贝叶斯推断策略，以及将BaLoRA扩展到多模态大模型。
大型语言模型（LLM）推理时，KV 缓存（Key-Value Cache）的内存占用是主要瓶颈之一。量化是缩小缓存尺寸的常用手段，但不同量化方案对模型输出的影响差异显著。一篇发表于 arXiv 的论文（2605.08114）对三种 KV 缓存量化方案进行了系统性的统计推断与质量对比，揭示出关键的非对称性与预算依赖的交叉现象。 ## 三种方案与统一预算 研究在**公平比特预算**下比较了三个方案： - **KV**：对 K 和 V 均采用标量 MSE 量化（基线）； - **KQV**：对 K 使用 WHT（Walsh-Hadamard 变换）+ MSE，对 V 使用 WHT + MSE + QJL（量子化 Johnson-Lindenstrauss 变换）； - **QKQV**：对 K 和 V 都采用 WHT + MSE + QJL。 从超球面上的 Beta 分布出发，论文追踪了 QJL 作用于 K 时如何将内积方差放大 π/2，而 softmax 又通过 Jensen 不等式非线性放大该效应，从而影响最终注意力分布的质量。 ## 核心发现：非对称性与交叉点 实验揭示了三个关键经验发现： 1. **n=4 时 KQV 全面胜出**：当比特预算 n=4（实际中最常使用）时，KQV 在 KL 散度、几何 K 误差、6D 距离等所有指标上优于其他方案，且不依赖于数据分布或秩。 2. **K-V 非对称性是无条件的**：在 KL 散度指标上，QKQV 始终比 KQV 差，无论预算或分布如何。这意味着对 K 和 V 采用相同处理并非最优——K 的量化误差更容易通过 softmax 传播为输出失真。 3. **预算依赖的交叉点**：在几何 K 重建误差上，QKQV 在 n∈{2,3,5} 时表现更好，而 KQV 在 n∈{4,6} 时更优。该模式不随秩或尾重变化，构成一个开放率失真问题。 ## Jensen 机制的解释 论文指出，KL 散度（只与 K 相关）是连接 K 方向误差与路由塌缩、输出崩溃的桥梁。当 Jensen 机制导致误差通过 softmax 超线性放大时，KQV 的优势显现。在 n∈{2,3,5} 时，此假设不成立，因此 QKQV 几何上更优；而在 n=4 时，QKQV 的高 K 误差和高 KL 散度强烈暗示 Jensen 机制是交叉点的操作原因。 ## 实践意义 该研究为 KV 缓存量化提供了理论指导： - **不必对称量化 K 和 V**：K 的量化应更谨慎，因其误差会被 softmax 放大；V 可接受更激进的压缩。 - **预算选择影响方案有效性**：4 比特场景下 KQV 是最优选择，而更低或更高预算时 QKQV 可能更好。 - **统计指标比简单数值误差更可靠**：KL 散度和几何误差能更好反映量化对注意力路由的实际影响。 这项工作从信息论和统计推断角度，为 LLM 推理优化提供了可操作的量化策略参考。
## 研究背景：作物产量预测的“泛化鸿沟” 在撒哈拉以南非洲，小农户玉米产量的准确预测对粮食安全规划至关重要。然而，现有基准测试大多报告的是**国内性能**，这往往会高估模型在跨国场景下的真实泛化能力。针对这一问题，一项新研究采用了严格的**留一国交叉验证**（Leave-One-Country-Out，LOCO）方案，评估了地理空间基础模型嵌入（如 Prithvi-EO-1.0-100M 和 ViT-Base）是否优于传统的 Sentinel-2 光谱特征。 ## 实验设计与核心发现 研究基于来自五个非洲国家的 **6,404 个玉米田观测数据**，系统比较了不同特征集下的预测性能。结果揭示了一个清晰的“泛化鸿沟”： - **国内随机交叉验证**：所有特征集均能达到中等水平的 R² 值，表现尚可。 - **跨国 LOCO 测试**：所有特征集的 R² 值普遍为负，预测效果极差。 这表明，当前模型在跨国家、跨区域的泛化能力上存在严重不足。尤其值得注意的是，**冻结的 Prithvi-EO 嵌入**并未在跨国预测中展现出优于传统光谱特征的优势——这暗示问题并不在于特征表示质量本身。 ## 主要瓶颈：产量分布偏移而非表示能力 研究指出，跨国预测失败的核心原因并非模型或特征不够强大，而是**不同国家之间产量分布存在显著差异**（即分布偏移）。即使基础模型能提取丰富的空间特征，也无法弥合因农业实践、气候条件、土壤类型等差异造成的产量分布鸿沟。 这一发现对当前热门的“基础模型+迁移学习”范式提出了警示：**预训练大模型并非万能药**，在高度异质性的农业场景中，下游任务的数据分布特性可能比上游表示质量更为关键。 ## 行业启示与可复现基准 该研究发布了一个**可复现的负面基准**，旨在推动学术界正视跨国泛化问题，而非仅追求国内性能的“内卷式”提升。对于 AI 在农业遥感领域的应用，这一结果具有重要参考价值： 1. **评估标准需升级**：仅靠国内或局部的交叉验证可能严重高估模型实用性，应引入类似 LOCO 的跨国评估体系。 2. **基础模型并非万能**：尽管 Prithvi-EO 等模型在诸多遥感任务上表现优异，但在跨域小样本场景下，其嵌入可能不如精心设计的传统特征。 3. **数据分布是核心**：未来研究应更多关注如何对齐或适应不同国家的产量分布，例如通过域自适应或元学习等方法。 ## 小结 这项研究以严谨的实验设计，揭开了作物产量预测中“泛化鸿沟”的现实。它提醒我们：在追求模型精度的同时，**跨域鲁棒性**才是真正落地应用的关键。对于撒哈拉以南非洲的粮食安全而言，一个能稳定预测多国产量的模型，远比一个仅在国内表现优异的模型更有价值。
## 告别“相关性幻觉”：TTCD如何用Transformer挖掘时间序列中的真实因果？ 在环境科学、流行病学、经济学等领域，海量时间序列数据中隐藏着复杂的因果链条。例如，气温升高是否**导致**了某种疾病的传播？还是仅仅存在相关性？传统的因果发现方法在面对非平稳、非线性且充满噪声的真实数据时，往往力不从心。近期，一篇发表在arXiv上的论文提出了**TTCD（Transformer Integrated Temporal Causal Discovery）框架**，试图用Transformer的力量解决这一难题。 ### 现有方法的局限 现有因果发现方法主要分为两类： - **基于约束的方法**：依赖条件独立性检验，但在数据样本有限或分布复杂时表现不佳。 - **基于评分的方法**：需要对数据生成过程做出强统计假设，例如假设噪声服从特定分布。 此外，一些方法仅能处理变点检测或分布漂移等特殊情况，缺乏统一解决方案。 ### TTCD的核心创新 TTCD是一个**端到端**框架，专门用于从非平稳时间序列中学习同期（contemporaneous）和滞后（lagged）因果关系。其架构包含两大核心模块： 1. **非平稳特征学习器（Non-Stationary Feature Learner）**： - 融合**时域和频域注意力机制**，捕捉时间序列的多尺度特征。 - 引入**动态非平稳性分析**，自适应地建模数据分布随时间的变化。 2. **因果结构学习器（Causal Structure Learner）**： - 基于Transformer解码器中的**重建引导因果信号蒸馏**技术，通过重建过程过滤噪声和虚假相关，保留真正的因果信号。 - 对蒸馏后的信号进行因果图推断，**不依赖噪声分布或数据生成过程的假设**。 ### 实验验证与意义 在合成数据、基准数据集和真实世界数据集上的实验表明，TTCD在**准确性和与领域知识的一致性**上全面超越了现有基线方法。这意味着它不仅能更可靠地发现因果关系，还能更好地契合专家经验。 ### 对AI行业的影响 TTCD的出现为“可解释AI”和“科学发现”提供了新工具。在金融风控、气候建模、医疗诊断等场景中，理解变量间的因果机制比单纯预测更有价值。TTCD通过Transformer架构实现了对非平稳性的鲁棒处理，有望推动因果推断在更复杂现实场景中的落地。 当然，该框架仍处于学术研究阶段，计算开销和超参数调优可能是实际应用中的挑战。但无论如何，TTCD代表了因果发现领域从“假设驱动”向“数据驱动”迈进的重要一步。
近期一场庭审揭露了科技界对 OpenAI CEO Sam Altman 的深层质疑。多位前同事与行业内部人士在证词中描述 Altman 存在“一贯的撒谎模式”，这一指控迅速引发 Hacker News 等社区的热议，目前该话题已积累 58 分和 4 条评论，成为科技圈关注焦点。 ## 庭审证词的核心指控 法庭文件显示，多名与 Altman 共事过的人士指出，他在商业谈判、产品宣传和团队沟通中频繁使用不实信息。证词提到，Altman 曾向董事会和合作伙伴提供“经过修饰”的数据，以推动决策；在涉及竞争敏感话题时，他也会刻意模糊事实。一位前高管直言：“这不是偶然的失误，而是一种系统性的行为模式。” ## 行业背景与影响 Sam Altman 作为 OpenAI 的联合创始人与 CEO，在生成式 AI 浪潮中扮演着关键角色。此次庭审曝光的时间点耐人寻味——正值 OpenAI 与多家科技巨头展开深度合作，并持续推动 GPT 系列模型的商业化。若“习惯性撒谎”的指控被更多证据支持，可能影响投资者、合作伙伴乃至监管机构对其领导力的信任。 值得注意的是，庭审内容本身属于诉讼过程中的一方陈述，尚未形成终局裁决。但科技界对此反应强烈，Hacker News 评论区中不少用户将其与硅谷“fake it till you make it”文化挂钩，认为这反映了创业圈中过度包装与事实扭曲的普遍问题。 ## 后续关注点 - **法律走向**：该案后续判决将决定这些指控是否具有法律效力。 - **OpenAI 回应**：截至目前，OpenAI 官方尚未就庭审证词发表正式声明。 - **行业反思**：事件可能引发对 AI 公司治理透明度的更广泛讨论，尤其是在涉及安全与伦理声明时。 这场庭审如同一面镜子，映照出科技领袖光环下的阴影。无论最终结果如何，它都已提醒业界：在追求技术突破的同时，诚信与透明仍是不可动摇的基石。
## 微软测试新机制：让Windows 11应用启动“弹射起步” 你是否曾觉得打开Windows应用、菜单或任务栏时不够流畅？微软正在Windows 11中测试一项名为**Low Latency Profile**的新技术，旨在通过临时提升CPU频率来加速关键应用和功能的响应速度。该功能目前处于早期测试阶段，已出现在最新的Windows 11 Insider预览版中。 ### 性能提升数据：启动速度最高提升70% 根据Windows Central的报道，Low Latency Profile可显著加快**开始菜单**、**文件资源管理器**、**Edge**和**Outlook**等应用的启动速度，同时提升**上下文菜单**和**系统弹出菜单**的响应时间。测试数据显示： - Edge和Outlook启动速度提升高达**40%** - 开始菜单和上下文菜单启动速度提升高达**70%** 此外，该机制对大多数主流第三方程序也有加速效果，让整个系统体验更加“跟手”。 ### 工作原理：CPU的“弹射模式” Low Latency Profile的工作原理是：当用户启动特定应用或菜单时，系统会**在1-3秒内瞬间提高CPU频率**，类似于汽车急加速时的“降档补油”。而正常情况下，CPU频率是逐步提升的。这种短时爆发式加速能有效减少用户等待时间。 目前，该功能在预览版中**默认自动启用**，没有提供手动开关。它会在后台静默运行，用户无需感知。 ### 行业背景与意义 在AI和云服务日益普及的今天，用户对**本地响应速度**的期望越来越高。微软此举是在操作系统层面优化“感知性能”，而非单纯依赖硬件升级。与Windows 11此前引入的**DirectStorage**（加速游戏加载）和**Memory Integrity**（提升安全）类似，Low Latency Profile属于系统级的体验优化。 对于开发者而言，该机制无需修改应用代码即可生效，降低了生态适配成本。如果正式版效果理想，有望成为Windows 11 2026年度更新（版本26H2）的核心卖点之一。 ### 未来展望 目前Low Latency Profile仍在早期测试中，具体覆盖范围、兼容性及功耗影响尚待验证。微软计划在后续预览版中逐步完善，并可能加入自定义设置选项。对于追求极致响应速度的用户，这无疑是一个值得期待的功能。
微软 PowerToys 近期推出了多项新功能，其中 **Power Display** 工具让用户可以直接从系统托盘调节显示器的亮度、对比度、色温等参数，无需再手动操作显示器物理按钮或深入 Windows 设置。 ## 核心功能：Power Display Power Display 是 PowerToys 0.99.1 版本中引入的工具。启用后，系统托盘中会出现一个图标，点击即可访问显示器支持的设置选项。根据显示器型号不同，可调节的参数包括： - 亮度 - 对比度 - 色温 - 旋转 - 音量控制 对于多显示器用户，Power Display 还能为每台显示器单独显示滑块设置，方便独立调整。 ## 如何使用 Power Display 如果已安装 PowerToys，只需打开程序并检查更新至最新版本。若未安装，可从 Microsoft Store 或 GitHub 页面下载。在 PowerToys 设置中，用户可以： - 启用或禁用 Power Display - 更改激活快捷键 - 创建并保存自定义配置文件 - 选择显示哪些设置项 ## 其他新工具与改进 除了 Power Display，本次更新还带来了 **Grab And Move** 工具，它让移动和调整窗口大小变得更加轻松。此外，**Keyboard Manager Editor** 和 **ZoomIt** 工具也得到了增强。 ## 行业视角 微软持续通过 PowerToys 为 Windows 用户提供实用工具，此次更新进一步体现了其提升用户体验的承诺。Power Display 的推出，尤其适合需要频繁调整显示器设置的设计师、摄影师或普通办公用户，减少了操作步骤，提升了效率。 ## 小结 PowerToys 的这次更新再次证明了微软在系统工具创新上的投入。从任务栏直接控制显示器，看似微小的改变，却能显著优化日常使用体验。如果你还没尝试过 PowerToys，现在正是入手的好时机。
## 一场视频理解的“摸底考试” 当 AI 不仅能“读”文字，还能“看”视频，我们不禁要问：它们是真正理解了视频内容，还是仅仅在“假装看懂”？为了找到答案，资深科技编辑 David Gewirtz 对目前最主流的三大 AI —— **Gemini**、**ChatGPT** 和 **Claude** —— 进行了一场视频分析能力的横向对比测试，结果令人意外。 ## 测试设计：三大场景，三种格式 测试者选取了三段风格迥异的视频，涵盖 **YouTube 链接、本地 MP4 文件以及原始 MOV 文件**，旨在全面考察 AI 对视频内容的理解能力。 1. **科普讲解视频**：一段关于“退火（Annealing）”科学过程的 YouTube 视频（带音频解说）。任务：理解视频内容，并尝试生成比原版更好的缩略图。 2. **无人机运动测试**：一段无音频的 DJI Neo 2 无人机手势控制演示视频（MP4 格式）。任务：仅凭画面判断发生了什么。 3. **创作者策略分享**：一段关于 YouTube 发布策略的边走边谈视频（原始 MOV 文件）。任务：不依赖 YouTube 元数据或字幕，仅凭视频本身判断讨论主题。 ## 结果纵览：Gemini 遥遥领先 ### Gemini：全面领先，实至名归 Gemini 在本次测试中表现最为出色，成为唯一一个能够直接处理 **YouTube 链接、MP4 和 MOV 文件** 的 AI。它不仅准确理解了退火视频中的科学概念，还能基于画面内容生成合理的缩略图建议。对于无音频的无人机测试，Gemini 成功识别出“手势控制无人机飞行”这一核心动作。最关键的是，在处理本地 MOV 文件时，Gemini 在没有元数据辅助的情况下，准确推断出视频主题是“YouTube 发布策略与内容规划”，展现了强大的多模态理解能力。 ### ChatGPT：中规中矩，需外力辅助 ChatGPT Plus（月费 20 美元）在视频分析上表现尚可，但存在明显短板。它无法直接处理本地视频文件，需要借助 **Codex 插件** 或通过上传视频帧截图来进行“间接”分析。对于 YouTube 视频，ChatGPT 能较好地理解带音频的内容，但在无音频的无人机测试中，它只能描述画面中的静态元素（如“一个人站在无人机前”），未能准确推断出“手势控制”这一动态意图。整体来看，ChatGPT 的视频能力更多是文本与图像理解的延伸，而非原生视频理解。 ### Claude：仍在“门外” Claude 是三者中表现最弱的——它 **目前根本无法直接处理视频文件**。无论是 YouTube 链接还是本地文件，Claude 都无法解析视频内容。它只能依赖用户提供的文字描述或截图来“猜测”视频内容，这在实际应用中几乎毫无价值。在本次测试中，Claude 几乎全程“掉线”，未能完成任何一项核心任务。 ## 行业启示：视频理解仍是 AI 的“硬骨头” 这次测试清晰地揭示了当前 AI 在视频理解领域的巨大差距。Gemini 凭借其原生多模态架构，在视频分析上建立了显著优势，尤其是对 **无音频、无元数据的“裸视频”** 的理解能力，已经接近实用水平。而 ChatGPT 和 Claude 则暴露出它们在视频处理上更多是“文本+图像”的拼接，而非真正的视频时序理解。 对于 AI 行业而言，视频理解是通往通用人工智能（AGI）的关键一步。如果 AI 能像人类一样“看”懂一段包含动作、对话、场景切换的视频，那么在视频监控、内容审核、自动剪辑、教育辅助等领域的应用潜力将是巨大的。目前来看，**Gemini 已经在这一赛道上抢跑**，但距离真正“看懂”视频（例如理解复杂的因果关系与情感表达）仍有很长的路要走。
威瑞森（Verizon）近日推出了一项极具吸引力的促销活动：新用户添加一条符合条件的线路，即可免费获得三星 Galaxy S26 手机、Galaxy Watch 8 智能手表以及 Galaxy Tab S10 FE 平板电脑。 ### 活动详情 根据官方信息，这项“加线送设备”活动面向新开线路的用户，前提是选择符合条件的套餐计划。免费设备包括： - **三星 Galaxy S26**：作为三星旗舰系列的最新成员，Galaxy S26 在续航和性能上相比前代有显著提升，是当前安卓阵营的标杆机型。 - **Galaxy Watch 8**：三星新款智能手表，集健康监测、运动追踪和通知提醒于一体。 - **Galaxy Tab S10 FE**：一款面向大众市场的平板电脑，适合影音娱乐和轻度办公。 ### 如何参与 用户只需在威瑞森官网或线下门店添加一条新线路，并签约符合条件的套餐（通常为无限量或高端套餐），即可在结账时享受三件设备全部免费的优惠。需要注意的是，该活动可能要求用户保持服务一定期限（如 24 或 36 个月），否则需退还设备余款。 ### 行业背景 运营商通过捆绑免费硬件吸引长期用户是常见策略，但像这样一次性赠送旗舰手机、手表和平板的组合并不常见。此举正值美国运营商市场竞争白热化阶段：T-Mobile 和 AT&T 也在推出类似的加线优惠。威瑞森希望借助 Galaxy S26 的热度，巩固其高端用户群体，同时提升 ARPU（每用户平均收入）。 对于消费者而言，这无疑是一个“上车”的好时机——尤其是那些正考虑升级全家设备、或刚转入威瑞森网络的用户。但需仔细阅读条款，确保自己能够接受长期合约的约束。 ### 小结 威瑞森这次的“加线送三件套”活动在力度上堪称年度之最。如果你正需要一部新手机、一块新手表以及一台平板，且不介意绑定运营商合约，那么现在就是下手的最佳时机。
在首支风投基金上市仅两个月后，Robinhood正加速推进第二支基金RVII的IPO。该公司已秘密提交注册文件，新基金将扩大投资范围，覆盖成长阶段和早期初创企业，与首支聚焦晚期公司的策略形成互补。尽管首支基金RVI的募资目标（10亿美元）未能完全达成，但其股价自3月上市以来已翻倍，AI概念股的表现功不可没。Robinhood旨在打破传统风投门槛，让普通投资者通过常规经纪账户参与私募市场，实现每日流动性和零业绩提成。
OpenAI 举办的 Parameter Golf 挑战赛吸引了超过 1000 名参与者和 2000 份提交，探索了在严格约束下的 AI 辅助机器学习研究。本文总结了技术亮点与经验教训。 ## 挑战赛概况 Parameter Golf 的目标是让参与者在**16 MB**的工件限制（包括模型权重和训练代码）以及**10分钟**的训练预算（8×H100 GPU）内，最小化在固定 FineWeb 数据集上的损失。比赛持续八周，提供了基线模型、数据集和评估脚本，参与者通过 GitHub 提交结果。 ## 技术亮点 ### 训练优化 一些最出色的结果来自对现有组件的精细调优。例如，提交 #60 的 @notapplica 结合了此前多个获胜方案的优点，采用 Muon 权重衰减、谱嵌入初始化、残差混合调度和编译评估，构建了更深的模型。 ### 量化与模型设计 许多参赛者深入探索了**量化**技术，在有限空间内塞入更大模型。还有新颖的模型架构设计，如测试时训练（test-time training）等，展现了技术创造力。 ## AI 编码智能体的影响 比赛中最令人兴奋的方面之一是 AI 编码智能体的广泛使用。这些智能体降低了实验成本，使更多人能够参与，并改变了竞争节奏。然而，它们也带来了提交审查、归因和评分的新挑战。 ## 人才发现与社区价值 Parameter Golf 成为了一个有效的人才发现平台。开放式的技术挑战能够揭示出色的机器学习品味和毅力，这是比赛的重要收获之一。 ## 经验教训 - **规则边界**：部分提交利用了规则漏洞（如“rule-bending”），提示未来比赛需要更明确的约束定义。 - **AI 辅助的公平性**：如何公平评价人类与 AI 智能体协作的成果，仍是需要探讨的问题。 - **社区参与**：超过 1000 名参与者证明了社区对创新挑战的热情。 Parameter Golf 不仅推动了技术探索，也为未来 AI 辅助研究的竞赛形式提供了宝贵经验。
在NVIDIA，Codex已成为工程师和研究人员处理复杂工程任务、加速端到端机器学习实验的默认工具。基于**GPT‑5.5**并运行于NVIDIA **GB200**和**GB300**基础设施之上，Codex能够处理更长时间、更自主的会话——不仅执行指令，还能主动发现原始提示中未涉及的问题和想法。 ## 从MVP到生产级系统 NVIDIA的编程智能体团队帮助公司内部工程师在实际开发流程中有效采用AI工具。高级软件工程师 **Dennis Hannusch** 表示：“Codex with GPT‑5.5 自主性更强，几乎不需要手把手指导。我能进行长时间的会话，多次压缩上下文，它仍能保持顶级准确度，并巧妙选择正确的工具和技能。” Hannusch 已利用 Codex 将一个内部平台从 **MVP** 演变为**生产就绪系统**，显著提升了可扩展性和可靠性——这在早期模型中难以实现。此外，团队仅用数小时就用 Codex 构建了一个类似 Riverside 的内部播客录制应用。考虑到隐私限制，如果采购商业软件可能需要数周。 ## 自主构建与测试 Codex 桌面应用具备计算机交互能力，在构建过程中自动测试了视频和音频录制功能。“我什么都不用做——它完全自主地构建和测试，”Hannusch 说，“Codex 彻底改变了‘值得构建’的门槛。” ## 10倍效率提升 NVIDIA 内部已有 **4万名员工** 获得 Codex 访问权限。在端到端研究工作流程中，Codex 带来了 **10倍的速度提升**，因为它能够处理完整的实验周期，从构思到运行一气呵成。 ## 行业意义 Codex 与 GPT‑5.5 的结合，标志着 AI 辅助开发从“代码补全”迈向了“自主工程代理”。对于科技企业而言，这意味着： - **降低工程成本**：将数周的工作压缩到数小时 - **提升创新能力**：让工程师专注于更高层次的架构设计 - **加速实验迭代**：ML 研究团队可以快速验证假设 NVIDIA 的实践表明，当 AI 工具能够自主处理端到端任务时，它不仅是一个效率工具，更是重新定义“什么值得构建”的催化剂。
欧洲与加拿大最大的在线汽车市场 AutoScout24 集团正在全面拥抱 AI。通过将 OpenAI 的 Codex 和 ChatGPT 融入日常工作流，该公司不仅将开发周期从数周缩短至数天，还让约 2,000 名员工获得了 AI 工具支持，其中约 1,000 名构建者角色已开始使用 Codex。这一转型背后，是 AutoScout24 集团对工程效率、代码质量与 AI 普及度的系统性重构。 ## 从“增量改进”到“范式转变” 作为拥有 AutoScout24（欧洲）和 AutoTrader.ca（加拿大）等多个品牌的大型企业，AutoScout24 集团每月服务超过 3000 万用户，管理着超过 200 万条车辆列表，并与 45,000 家经销商伙伴合作。随着产品期望攀升和系统复杂性增加，公司面临着在不牺牲可靠性的前提下加速创新的压力。大规模迁移、遗留系统以及日益增长的工程需求，使得渐进式改进已无法满足要求。大语言模型的出现，为从根本上重新思考软件的构建、测试和扩展方式提供了契机，OpenAI 也因而成为推动这一转型的自然伙伴。 ## 双轨策略：ChatGPT 打基础，Codex 攻核心 AutoScout24 集团采取了分层式的 AI 采用策略，以平衡广泛赋能与深度技术影响。 - **全员普及层**：将 **ChatGPT** 推广至整个组织，约 **2,000 名员工** 获得了 AI 工具访问权限，从而在不同职能间建立了坚实的 AI 素养基础。 - **深度技术层**：将 **Codex** 嵌入工程、数据和产品工作流，约 **1,000 名构建者角色** 的员工拥有了直接集成到日常流程中的编码代理。 Codex 的选定并非仓促之举。公司经历了为期 **三个月** 的跨团队评估，在多个实际场景中验证了其能力。最终，Codex 展现出显著的效能提升，特别是在加速开发周期和提升代码质量方面。 ## 结果：开发速度提升约 10 倍 实施效果令人瞩目： - **开发周期**：从过去的数周缩短至数天，实现了约 **10 倍** 的加速。 - **AI 工具覆盖**：约 **2,000 名员工** 被赋能使用 AI 工具。 - **Codex 采用**：约 **1,000 名构建者** 已使用 Codex 进行日常开发。 “AI 正在改变我们的构建方式，但更重要的是，它正在改变我们能为用户和经销商伙伴提供什么。”AutoScout24 集团首席技术官 Frederik Kraus 表示，“更快的迭代意味着为买家带来更好的体验，也为经销商提供了更有效的方式来触达和转化客户。” ## 行业启示：AI 落地的“工程化”路径 AutoScout24 的案例展示了大型传统企业如何系统性地规模化 AI 应用：不是简单地购买工具，而是通过分层策略，让 AI 同时渗透到“办公场景”和“开发场景”。对于面临类似挑战的企业而言，这一“双轨并行”的实践——以 ChatGPT 提升全员认知，以 Codex 重构核心开发流程——或许是一条值得借鉴的路径。当开发速度提升 10 倍成为现实，AI 带来的已不仅是效率改进，更是商业模式竞争力的一次跃迁。
在 Elon Musk 起诉 OpenAI 和 Microsoft 的庭审中，前 OpenAI 首席科学家 Ilya Sutskever 出庭作证。他透露自己持有 OpenAI 盈利部门股份，目前价值约 **70 亿美元**，成为已知的最大个人股东之一。Sutskever 承认曾参与 2023 年短暂罢免 CEO Sam Altman 的行动，收集证据并协助起草致董事会备忘录。他表达了对 OpenAI 的深厚感情：“我感到对 OpenAI 有极大的所有权……我不想让它被摧毁。” 他的证词支持了 Musk 关于 Altman 不适合领导 AGI 实验室的主张。同时，Sutskever 强调他领导的超级对齐团队曾从事“长期最重要”的安全工作，但该团队在他离职后于 2024 年 5 月解散。 ## 庭审关键点 - **Sutskever 的股份**：在 OpenAI 8500 亿美元盈利部门中持股，价值约 70 亿美元。 - **Altman 罢免事件**：Sutskever 承认收集证据并协助起草备忘录，但后来关系破裂。 - **超级对齐团队**：Sutskever 认为该团队对长期安全至关重要，但已解散。 - **Musk 的指控**：Sutskever 的证词支持 Musk 认为 Altman 不诚信的观点，但同时也反驳了 Musk 关于特殊承诺的主张。 ## 行业影响 此案可能重塑 AI 治理格局。Sutskever 的证词凸显了 OpenAI 内部在安全与商业化之间的紧张关系，而超级对齐团队的解散引发了对 AGI 安全研究的担忧。
OpenAI 于本周正式推出全新安全 AI 计划 **Daybreak**，旨在利用人工智能在攻击者发现之前自动检测并修补漏洞。该计划直接对标 Anthropic 上月发布的 Claude Mythos，标志着两大 AI 巨头在网络安全领域的竞争进一步升级。 Daybreak 的核心是今年 3 月已上线的 **Codex Security AI 代理**。它能够基于组织的代码库构建威胁模型，聚焦可能的攻击路径，验证潜在漏洞，并自动优先处理高风险问题。OpenAI 表示，Daybreak 并非依赖单一模型，而是整合了最强大的 OpenAI 模型、Codex 以及安全合作伙伴的能力。其中，专门针对网络安全场景的 **GPT-5.5-Cyber** 已于上周开始逐步推出，并采用 Trusted Access for Cyber 机制控制访问权限。 ### 与 Claude Mythos 的竞合 Anthropic 在 4 月初公布了 Claude Mythos，声称该模型在渗透测试和漏洞发现方面能力极强，但出于安全考虑仅通过 Project Glasswing 计划私下提供给合作伙伴。然而，随后仍有未授权方设法获取了访问权限，引发业界对安全模型管控的讨论。相比之下，OpenAI 的 Daybreak 采取了更开放的策略：不仅与行业和政府合作伙伴协作，还计划逐步部署能力更强的网络安全模型。 ### 行业影响与展望 两家公司几乎同时推出安全 AI 产品，反映出业界对 AI 安全从“被动防御”向“主动检测”转变的趋势。Daybreak 的自动化威胁建模和漏洞验证能力，有望显著缩短从发现漏洞到修复的周期。但与此同时，强大的安全 AI 一旦被滥用，也可能带来新的风险。OpenAI 强调将与合作伙伴共同制定部署准则，确保技术用于正当防御。 目前 Daybreak 已向部分企业客户开放，未来可能集成到 OpenAI 的现有安全服务中。随着 GPT-5.5-Cyber 等专用模型的成熟，AI 安全竞赛正进入一个全新的阶段。
通用汽车（GM）近日裁减了其信息技术（IT）部门超过10%的员工，约600名受薪员工，此举并非单纯的缩减规模，而是一场精心策划的“技能置换”——清退技能不再匹配的旧员工，为具备AI背景的新人才腾出空间。GM已向TechCrunch确认了裁员消息，该消息由彭博社率先报道。在一份电子邮件声明中，这家汽车制造商将裁员描述为面向未来的准备手段，但未提供具体细节。GM表示，正在对其IT组织进行转型，以更好地为公司未来定位。这些裁员并非永久性减员。一位知情人士透露，公司仍在为IT部门招聘新员工，但要求不同的技能。最受追捧的能力包括AI原生开发、数据工程与分析、云原生工程、智能体与模型开发、提示工程以及新型AI工作流。实际上，GM寻找的是能够从零开始用AI构建系统的人才——设计系统、训练模型、搭建管道——而不仅仅是把AI当作生产力工具。过去18个月里，GM已在多个部门裁减白领员工，以将资源集中于包括AI在内的高优先级项目。例如，2024年8月，公司裁掉了约1000名软件员工。自2025年5月聘请自动驾驶卡车初创公司Aurora联合创始人、自动驾驶行业资深人士Sterling Anderson担任首席产品官以来，GM的软件团队经历了重大变革。去年11月，三位软件团队高管离职，Anderson推动将GM分散的技术业务整合为一个组织。随后，GM通过新的AI招聘填补空缺，包括2025年10月聘请曾在苹果工作的Behrad Toghi担任AI负责人，以及聘请Rashed Haq担任自动驾驶副总裁，Haq曾在GM旗下后来关闭的自动驾驶公司Cruise担任AI与机器人负责人。对行业而言，GM的此次重组释放了一个信号：传统企业正在加速AI人才争夺，不惜以大规模裁员为代价进行技能换血。
前 OpenAI CTO Mira Murati 创立的 AI 公司 **Thinking Machines** 于周一公布了其核心研究方向——**“交互模型”**。该公司宣称，这一技术旨在打破当前 AI 与人类之间“单线程”的沟通瓶颈，让 AI 能够实时感知并响应多模态信息，从而像人类自然协作一样与用户互动。 ### 什么是“交互模型”？ Thinking Machines 指出，现有的大模型在与人类交互时存在一个根本性局限：**“它们体验现实的方式是单线程的。”** 在用户完成打字或说话之前，模型会一直等待，无法感知用户正在做什么或状态如何；而在模型生成回复的整个过程中，它的感知又会“冻结”，无法接收任何新信息，直到输出完毕或被中断。 这就像两个人只能通过电子邮件来解决一场关键分歧，而无法面对面即时沟通。Thinking Machines 认为，这种模式严重限制了人机协作的带宽：用户的知识、意图和判断无法充分传递给模型，模型的工作成果也难以被人类即时理解。 而“交互模型”的核心突破在于：**让 AI 能够实时、连续地处理音频、视频和文本信息，边感知、边思考、边回应。** 用户可以像与真人对话一样，通过语音、手势甚至环境变化与 AI 互动，AI 也能根据实时输入动态调整自己的行为。 ### 实际演示案例 为了展示这一理念，Thinking Machines 发布了几个演示视频： - **听故事并识别动物**：AI 在用户朗读故事时，实时识别出其中提到的动物名称。 - **实时语音翻译**：AI 能够一边听用户说话，一边即时将内容翻译成另一种语言。 - **姿态提醒**：AI 通过摄像头捕捉用户坐姿，当用户驼背时给出实时提醒。 这些案例展示了“交互模型”在**低延迟、多模态融合**方面的潜力，与目前主流 AI 助手“一问一答”的体验截然不同。 ### 行业背景与未来展望 Murati 于 2025 年 2 月离开 OpenAI 后创立了 Thinking Machines。在她离职前后，OpenAI 经历了多轮核心人才流失，部分成员转投 Meta，也有一些人最终回归 OpenAI。Murati 的新公司从一开始就备受关注，此次公布的“交互模型”方向也延续了她在 OpenAI 期间对多模态和实时交互的重视。 不过，目前“交互模型”仍处于概念验证阶段。Thinking Machines 计划在未来几个月内开放“有限研究预览”，并在今年晚些时候进行更广泛的发布。这意味着用户短期内还无法亲身体验这一技术。 从行业角度看，“交互模型”试图解决的是当前 AI 产品一个普遍的痛点：**交互的异步性和碎片化**。无论是 ChatGPT 还是其他语音助手，本质上都是“用户输入-模型输出”的回合制模式，缺乏人类对话中常见的重叠、打断、非语言信号等自然元素。如果 Thinking Machines 能够真正实现实时、多模态、连续的 AI 交互，可能会为人机协作带来范式级别的改变——例如在远程教育、实时翻译、辅助驾驶、创意协作等场景中，AI 的角色将从“工具”升级为“同伴”。 当然，实现这一目标的技术挑战巨大：实时处理多模态数据需要极低的延迟和高效的模型架构；同时，如何确保 AI 在连续交互中保持上下文一致性、避免错误累积，也是必须攻克的难题。Thinking Machines 能否在激烈的 AI 竞争中脱颖而出，还有待时间检验。
## 快速上手：让 AI Agent 具备实时网络搜索能力 在 AI Agent 的实际应用中，**实时获取外部信息** 是突破模型知识边界的关键。近期发布的 Strands Agents 框架与 Exa 搜索引擎的集成，为开发者提供了一套轻量级方案：让 Agent 能够自主执行网络搜索，并将结果纳入推理链条。 ### 集成架构：两个核心工具 Exa 集成在 Strands 中暴露了两个核心工具： - **`web_search`**：执行关键词或自然语言查询，返回结构化结果列表（标题、摘要、URL）。 - **`web_contents`**：根据 URL 抓取指定页面内容，用于深度分析。 开发者只需在 Agent 配置中声明 Exa 工具的 API 密钥，即可启用。无需额外编排，Agent 会在需要时自动调用这些工具，就像调用计算器或数据库一样自然。 ### 实际用例：多步骤任务中的搜索链 以一个典型的“竞品调研”场景为例： 1. Agent 先使用 `web_search` 查询“2024 年最佳 AI 写作工具”，获取前 10 条结果。 2. 接着，它调用 `web_contents` 逐一打开排名靠前的产品页面，提取定价、功能列表、用户评价等关键信息。 3. 最后，Agent 将结果汇总成对比表格，并给出推荐理由。 整个过程无需人工干预，Agent 自动判断何时需要搜索、搜索什么、以及如何使用结果。 ### 对 AI 行业的启示 Strands + Exa 的组合，本质上是在解决 **大语言模型的知识截止问题**。传统上，开发者需要通过 RAG（检索增强生成）或微调来注入外部知识，但这两者都有维护成本高、更新不及时的痛点。而搜索集成模式让 Agent 直接对接实时网络，信息新鲜度与广度都大幅提升。 不过，这种模式也带来新挑战：**搜索结果的可靠性** 与 **API 调用成本**。Exa 虽然提供高质量索引，但面对恶意网站或虚假信息时，Agent 仍需具备一定的批判性筛选能力——这往往需要额外的提示工程或后处理逻辑。 ### 小结 对于希望快速为 Agent 注入实时搜索能力的团队，Strands 与 Exa 的集成是一个**开箱即用**的选择。它降低了构建“搜索增强型 Agent”的门槛，尤其适合情报收集、市场调研、竞争分析等需要频繁访问外部信息的场景。未来，随着更多搜索引擎（如 Bing、Google Custom Search）的接入，这类 Agent 的适用面将进一步扩大。
在数据泄露事件频发的今天，加密U盘成为保护敏感信息的重要工具。但它的安全性究竟如何？黑客能否绕过加密？本文通过实测金斯顿IronKey Locker+50 G2，揭示了这款产品的防护能力与潜在短板。 ## 为什么需要加密U盘？ 携带未加密的U盘就像把机密文件放在公共长椅上——丢失后，任何人都能随意读取数据。对于企业而言，一次U盘丢失可能导致客户信息泄露、商业机密曝光，甚至面临法律诉讼。加密U盘通过硬件加密和访问控制，为数据提供了一道坚实屏障。 ## 实测金斯顿IronKey Locker+50 G2 金斯顿IronKey系列一直以高安全性著称。Locker+50 G2版本支持**XTS-AES 256位硬件加密**，这是军用级加密标准，理论上破解需要数百年时间。此外，它内置了**暴力破解防护机制**：连续输入错误密码达到设定次数后，设备会自动锁定并销毁数据。 我尝试了多种常见的攻击手段： - **直接读取闪存芯片**：拆解后发现芯片被加密，无法绕过控制器直接读取。 - **侧信道攻击**：通过分析功耗和电磁辐射提取密钥，但硬件设计有效抑制了这些信号。 - **恶意软件注入**：设备固件经过签名验证，无法被篡改。 结果令人放心：在合理时间内，**没有发现可实际利用的漏洞**。 ## 产品亮点与不足 **优点：** - **军用级加密**：XTS-AES 256位，符合FIPS 140-2 Level 2认证。 - **暴力破解防护**：可设置密码重试次数（10-20次），超过后锁定或擦除数据。 - **价格亲民**：起售价仅**50美元**，性价比突出。 - **多种容量**：提供64GB、128GB、256GB等版本，满足不同需求。 **缺点：** - **USB-A接口**：需要转接器才能在USB-C设备上使用，略显不便。 - **盖子易丢**：帽盖没有固定设计，容易遗失。 - **无挂绳孔**：无法挂在钥匙链上，携带性一般。 ## 行业背景与展望 加密U盘市场近年来竞争激烈，主要玩家包括金斯顿、闪迪、Lexar等。随着远程办公和零信任安全模型的普及，企业对便携式数据安全的需求持续增长。然而，加密U盘并非万能：即使硬件安全无懈可击，用户密码过于简单或泄露仍会导致风险。 未来，**生物识别U盘**（如指纹识别）和**云同步加密**可能成为新趋势，但硬件加密依然是最可靠的本地防护方案。 ## 小结 金斯顿IronKey Locker+50 G2在测试中表现出色，能够有效抵御常见黑客攻击。对于需要携带敏感数据的用户，它是一个值得考虑的选择。不过，使用时仍需注意密码强度、物理保管和接口兼容性。