noreply@aihot.news (Peter McCrory)
noreply@aihot.news (Peter McCrory)
Anthropic 员工预期与模型增长情景

@ben_moll 的澄清很好。 这些是模型隐含的增长情景,而非直接的 GDP 预测。 Anthropic 员工预期,随着 AI 被使用,模型能力会更强、扩散会更快、生产率提升会更大。在模型中,这些力量会加速增长。 🔗 阅读原文 via AIHOT · https://aihot.news/items/mc0smxkfz0sbxdmr9rixz33y6

noreply@aihot.news (Odyssey)
noreply@aihot.news (Odyssey)
果蝇大脑接入Odyssey-3世界模型

我们把果蝇大脑放进了Odyssey-3,一个前沿世界模型。 这个小家伙现在完全靠自己,在完全由想象生成的模拟世界里飞来飞去 🫶 🔗 阅读原文 via AIHOT · https://aihot.news/items/lrhqb57bpg7ew5qeh5ewzdca1

noreply@aihot.news (OpenAI Developers)
noreply@aihot.news (OpenAI Developers)
OpenAI 社区周末项目搭建指南

想找个周末项目做做? 以下是社区一直在构建的东西,以及你可以如何自己复现: https://youcanjustbuildthings.openai.chatgpt.site 🔗 阅读原文 via AIHOT · https://aihot.news/items/iedc91ifai5p6u9ir4ucmsqxz

noreply@aihot.news (TechCrunch:AI)
noreply@aihot.news (TechCrunch:AI)
Meta 删去引发抓取与 AI 训练争议的商业条款措辞

据 The Verge 报道,Meta 已删去商业使用条款中允许将商业账户域名内容用于训练其产品与 AI 模型的表述。此前法律专家称该条款可能授权 Meta 抓取任何有商业账户的出版商网站内容用于 AI 训练,Meta 回应称合并后的抓取条款仅适用于广告和商业产品,不改变其网络爬虫的使用方式。 🔗 阅读原文 via AIHOT · https://aihot.news/items/zszbrck8uah51k6qsw99yhyzd

noreply@aihot.news (Tibo)
noreply@aihot.news (Tibo)
OpenAI 的 Tibo 推文:Done

完成 🔗 阅读原文 via AIHOT · https://aihot.news/items/ylouc75akywlbx6bs05t8e8qf

noreply@aihot.news (Lydia Hallie)
noreply@aihot.news (Lydia Hallie)
Anthropic 就 OpenCode 安全泄露事件撤销受影响的 Claude API 密钥

Anthropic 的 Lydia Hallie 表示团队正与 OpenCode 协作处理前一日发生的安全泄露,已撤销疑似受影响的 Claude API 密钥,并建议在 OpenCode 保存过密钥的用户重新创建一个以策安全。OpenCode 此前称这是与大规模蒸馏攻击相关的泄露,影响其 Console 1.4% 的用户,已邮件通知受影响者,事件仍在处理中,正与 Anthropic、OpenAI 和 Google 合作补救。 🔗 阅读原文 via AIHOT · https://aihot.news/items/l77k5lljwa77u0w19gsgesqq0

noreply@aihot.news (TechCrunch:AI)
noreply@aihot.news (TechCrunch:AI)
Anthropic 报告称内部团队更资深、会议时间增加

Anthropic 周五发布报告,介绍其围绕 Claude 重塑工作流后公司内部的变化。技术部门初级员工占比从 21% 降至 14%,初级技术新员工占比从 27% 降至 9%;技术团队占全员比例从 61% 降至 56%,公司归因于业务职能扩张和编码工具让非技术员工也能自行开发软件。 🔗 阅读原文 via AIHOT · https://aihot.news/items/t9kbnkk2r3i67tnmv578wqon8

noreply@aihot.news (Larsen Cundric)
noreply@aihot.news (Larsen Cundric)
长程智能体可靠性:99%单步成功率为何不够

单步成功率 99% 时,10 步任务全程无失败的概率约 90%,100 步则降至 37%;若每次失败可重试一次且失败相互独立,37% 可回升到约 99%。但重试并不简单:响应超时可能导致动作重复执行,失败也可能改变系统状态,失败之间未必独立。因此长程智能体不只是 LLM 问题,模型周围的系统同样关键。 🔗 阅读原文 via AIHOT · https://aihot.news/items/j8sgrs8jthbnwawwbsf3tgjkg

加载更多资讯