Meta 更新服务条款后，法律专家警告其措辞虽调整，仍保留对公开网页与数据进行广泛抓取的权限。网站通常以 robots.txt 表达拒绝抓取意愿，但该协议缺乏强制执行力，只有守规爬虫才会遵守。讨论指出，仅按 User-Agent 封禁已失效，因 meta-externalagent 会轮换标识且部分请求来自非 Meta 的 ASN；实际防护需结合网络层 ASN 与 TLS JA4 指纹识别后在连接层拒绝，以提高恶意抓取成本。部分评论主张动态生成虚假数据投喂爬虫，但因资源消耗可能不亚于正常返回而难以推广。整体来看，平台法律条款、公开数据可访问性与站长技术控制权之间的冲突持续存在，Meta 的抓取权限被纳入科技公司权力失衡的既有叙事中讨论。
infinitum 资讯聚合
Anthropic 发布内部研究显示，自 2025 年初以来其技术部门初级岗位占比从 21% 降至 14%，新招初级员工占比从 27% 跌至 9%，开放初级岗位降至 6%，非技术部门基本稳定。Anthropic 将此归因于自家 AI 智能体能力增强：到 2026 年 8 月，AI Agent 工作时长已达人类员工的 6 倍，研究部门更高达 19:1。各部门生产力同步提升，工程师代码提交量 5.1 倍、数据科学家查询量 3.1 倍、法务合同处理量 3.1 倍、销售成交 1.7 倍、招聘人数 1.4 倍、会计发票 1.4 倍。研究本身指出 Anthropic 是高度依赖 AI 的特例，结果难以泛化。报道引用北约特种作战大学研究员 Nolan Lovett 的"认知公地悲剧"论文，警示初级岗位减少将导致未来专家断层，全面影响或在 2030 至 2045 年显现。 Anthropic 发布报告指出，过去一年公司员工结构和工怍方式发生显著变化：技术部门初级员工比例从 21% 降至 14%，初级技术岗新招聘比例从 27% 降至 9%；技术团队占公司总人数比例由 61% 降至 56%，公司认为这源于
Johannes Millan 在 Decoding AI Magazine 客座文章中提出，AI 编码的未来在于多代理编排工作流：先用 claude -p、codex exec、gemini -p 等多个模型并行只读探索并各产出一页方案，开发者选定并写入文件；接着由单一代理在独立 Git worktree 中实现为可审单分支；再由扮演正确性、安全、架构、替代方案、性能、简洁性等不同角色的多个代理并行审查，最后由合成代理去重判定，必要时迭代修复。文中以任务管理器同步 bug 为完整示例，并配套发布其 MIT 开源桌面应用 Parallel Code，用于在同一界面并行调度多个 CLI 编码代理。两则候选分别聚焦此方法论文章与 Parallel Code 项目发布。 相关文章： Una Watch TOTP——手腕上的双因素认证 - Andrej Karpathy Curated RSS AI 编码的未来：多代理 - Decoding AI Magazine
博主 Dave Farquhar 针对 Commodore 1600 VICmodem 销售量的流传说法进行考证。文中指出有说法称该调制解调器是首款销量达百万台的调制解调器，但博主通过收集 54 个唯一序列号（最低 1281，最高 122048），借鉴二战时期盟军估算德国坦克产量的统计方法，得出 Commodore 1600 VICmodem 销量约为 12.3 万台。若从 1000 起编号则降至 12.3307 万台，误差约 2260 台，置信区间约 11.56 万至 13.3 万台。博主结合个人经验和 Commodore 64/128 共 1200 万台、VIC-20 200 万台的用户基数推断，百万销量几乎不可能，实际可能只是首款销量达 10 万台的调制解调器，并推测传言可能源于多加了一个零的误传。
Anthropic联合创始人Jack Clark在IMF曼谷讲座上断言"奇点已至"，称AI递归自我改进可能在2030年前将美国GDP推升至44.4万亿美元，比基准情景高出32.4%。Anthropic经济团队模拟了保守、显著和极端三种情景，极端情景假设AI全面接管复杂科学探索并触发RSI。其依据包括：Claude Opus 5.5在Humanity's Last Exam上得分从8%飙至67.7%，Frontier Math从2%升至94%，理论物理评测中50题拿下49题并纠正多位人类物理学家的计算错误。Vals的RSI指数显示Claude Opus 5.5自主研发能力约37%，领先OpenAI约9个百分点，Anthropic预计2027年3月达到50%。Clark建议人们培养创造力和人文素养，印度政府首席经济顾问则强调体力劳动和情感护理将成为人类核心价值。
浙江大学OmniAI团队提出具身智能体长程记忆基准EMem-Bench，含四类任务、2554条可执行样本，评测智能体能否从历史中建立记忆并用于后续行动。团队分析Gemini-3-Flash与Qwen3-VL-32B在EmbodiedBench的100条失败轨迹，发现91%与四类具身记忆缺陷相关：忽略细粒度视觉线索35%、未记录交互反馈揭示的状态31%、遗漏环境状态变化18%、未能迁移过去经验7%。同时提出外部记忆系统EMem（含场景、空间、事件三种互补记忆），并对Qwen3-VL-8B微调得到EMem-8B。基准基于AI2-THOR与ProcTHOR多房间环境构建，前三类任务历史长度中位数78-83步，经验泛化任务达111步。实验显示，在full-context设置下Gemini-3-Flash以64.2%平均成功率领先；EMem以GPT-5.4-mini为骨干将平均成功率从35.3%提升至58.9%，消融实验证明三种记忆互补。直接堆叠历史图像反而使成功率从36.6%降至26.2%、每步延迟增至39.1秒，说明原始历史不能替代有效记忆。论文已上线arXiv，发布三周左右在Hugging
据《星期日泰晤士报》2026年英国富豪榜，46岁的莫斯科国立大学数学博士Alex Gerko（亚历克斯·格尔科）以160.06亿英镑（约1417亿元人民币）身家排名第八，过去一年财富暴增约72.61亿英镑，日均增长约1989万英镑。他于2015年创办的AI量化做市商XTX Markets仅有约250名员工，不依赖传统交易员，亦不接受外部资金，格尔科持股75%。公司依托超400PB全球金融数据与大规模GPU集群，实时分析5万多种金融工具，日均交易额超2500亿美元，覆盖股票、外汇、商品及加密货币市场，并在芬兰卡亚尼自建478英亩数据中心保障算力。Gerko还承诺向数学与AI开源项目投入逾5000万美元，包括设立1000万美元的AIMO大奖及资助Lean FRO、Mathlib Initiative等，并多次入选英国最高纳税人榜单。 相关文章： 日赚1.7亿！46岁数学博士靠AI杀入富豪榜前十 - 新智元 46岁数学家凭AI量化交易跻身英国富豪榜第八，身家超1417亿元 - AI新闻资讯
GitHub 用户 Kruk2 开发的开源视频修复工具 Jasna 在 GitHub Trending 出现，当前已获得约 2.2k Star 和 171 Fork，采用 AGPL-3.0 许可证。Jasna 专注于自动检测并还原视频和图片中的马赛克区域，保持画面其余部分不变，提供桌面应用与命令行两种使用方式，需在本地 NVIDIA 或 AMD GPU 上运行。工具内置两套推理模块，其中 BasicVSR++ 免费且快速，LTX 为面向赞助者的慢速高细节扩散模型，仅限 NVIDIA RTX 系列。项目提供 Windows、Linux NVIDIA 与 Linux AMD 版本，并附带 VR180 视频与 SD 1.5 静态图支持。近期更新包括 0.11.3 版本号提升、引入 LTX-2.5 扩散视频修复路径、集成 comfy-kitchen 的 INT8 SageAttention 内核以加速 Ampere 显卡推理，以及新增实验性低重叠窗口模式，使长视频处理速度提升约 13%。
本文围绕 Teal——Lua 的静态类型方言——在 LLM 时代是否仍有价值展开讨论。Teal 早在 2019 年即有首个 commit，其目标是在保留 Lua 生态的同时补充编译期类型约束，常用于游戏 mod 开发。支持者认为静态类型可显著改善 Lua 开发体验，并能约束 LLM 生成的低质量脚本，尤其针对滥用 pcall 掩盖前置校验的做法。部分讨论提出将 Teal 与 Luau 等同类 Lua 方言进行对比。质疑者认为 LLM 足以替代学习新语言，但反驳意见以 gcc 为例指出成熟工具仍有不可替代价值。另有观点强调 Turing complete 不等于表达能力等价，LLM 时代反而更需要通过新语言和类型系统将口头约定转化为可验证约束。
mlabonne/llm-course 是 GitHub 上热度持续上升的开源 LLM 学习路线仓库，截至文章发布时间已获得 83.8k 星标、9.8k Fork，以 Apache-2.0 协议发布。仓库围绕大型语言模型构建了一套分三部分的课程体系：可选的 LLM Fundamentals 涵盖数学、Python 与神经网络基础；The LLM Scientist 聚焦用最新技术训练最佳 LLM；The LLM Engineer 侧重构建和部署 LLM 应用。课程附带大量 Google Colab 笔记本，涵盖 LLM AutoEval、LazyMergekit、LazyAxolotl、AutoQuant 等工具类教程，以及 Llama 3.1/Mistral-7b 等模型的微调与多种量化方法。作者 Maxime Labonne 基于此课程与他人合著了《LLM Engineer's Handbook》一书，课程本身保持免费。