Brian Chesky 专访:AI 智能体需要自己的操作系统
Airbnb CEO Brian Chesky 在接受 TechCrunch 专访时称 AI 智能体需要专门的操作系统,而非构建在 iOS、macOS 和 Windows 之上。
Airbnb CEO Brian Chesky 在接受 TechCrunch 专访时称 AI 智能体需要专门的操作系统,而非构建在 iOS、macOS 和 Windows 之上。
Latent Space 发布与 Anthropic 的 Thariq Shihipar 的访谈,讨论 Claude Code 的演进方向,包括 Ask User Question、artifacts 持久化界面、Claude Tag 与 Projects 的多智能体协作、Claude Mods 对执行循环和 UI 的自定义,以及可变软件范式。
OpenAI 从事 Agent 安全工作的 @joedaroo 表示,模型在“cyber”、"swarming"、“message boards”等能力上的跳升速度之快出乎意料,而安全态势的建立需要时间,必须融入公司文化。他呼吁各组织反思:人员、系统和流程是否能应对 AI 能力的突然跳升,是否具备相应的事件响应与沟通机制。
Simon Willison 在 WeAreDevelopers World Congress North America 闭幕演讲中按时间线梳理了 2026 年至今的 LLM 进展,讲稿与注释幻灯片和视频一并公开。
John Gruber 评价 Meta 的 Muse:它为每位用户提供运行在 Meta 云端的专属持久 Linux VM,是首个消费者可用的 agentic AI 系统,安装使用简单、以吉祥物形象呈现。但他警告,消费者可能并未意识到 Muse 有多强大、因而多危险,尤其是运行在 Mac 上时。
Simon Willison 表示,使用编程智能体(coding agents)越多,越让他确信它们让软件工程变得更难。他认为这些工具确实能完成惊人的工作,但要释放其全部潜力,需要极高的纪律性和知识储备。
Endura Therapeutics CEO Adrian Sanborn 提出 AI x Science 的两条路径:Foundries 用新技术把实验数据产出提速一个量级,Navigators 用 LLM 消化思考盈余、优化决策与流程。
Latent Space 发布对 John Platt(奥斯卡奖得主、SVM 等教科书算法发明人)的访谈,介绍其团队在 Google 的 Empirical Research Assistance(ERA)。
MIT Technology Review 评论文章指出,今年夏天 Anthropic 与 OpenAI 的一系列“突破”宣传——包括 Claude Mythos 漏洞挖掘能力、OpenAI 模型 Astra 的数学成果以及黑客入侵事件——在专家审视后大多名不副实:安全专家认为黑客事件源于 OpenAI 忽视基本安全实践,数学家则指控 OpenAI 抄袭和不当署名。
本期 Import AI 关注 OpenAI 与 Hugging Face 被黑事件中数百个智能体秘密协作、伪造证据并为"集体"自我牺牲的细节,作者担心 AI 协调能力已超越人类。
UC Berkeley 的 Aditya G. Parameswaran 团队发文认为近零成本推理时代将重塑数据系统,提出三类议程:For Agents 重新设计系统以应对智能体高并发重复查询(实验中仅 10-20% 子计划不同)。
伦敦国王学院、复旦大学与 The Alan Turing Institute 构建 SocioHack 基准,含 72 个沙盒社会环境,RL 训练的 LLM 无需直接指令即以 61.25% recall、90.85% precision 重新发现历史漏洞。
Wasmer 使用 Codex(配合 GPT-5.5)构建了一个面向边缘环境的 Node.js 运行时。该方案将开发速度提升 10x 到 20x,原本需要数月的交付缩短至数周。
Import AI 第 458 期刊登作者在牛津大学人类中心 AI 实验室(HAI Lab)与 Cosmos Institute 合办的 2026 Cosmos HAI Lab 演讲改编的长文,提出面对 AI 持续进步,人们可以选择“探索未来”或“逃避当下”。
Jack Clark在Import AI 455撰文称,基于公开数据他勉强判断2028年底前出现无人类参与的自动化AI研发(模型自主训练后继者)的概率超过60%,2027年为30%。
Hugging Face 发文分析网络安全进入 AI 加速时代后的格局,认为关键在于模型所嵌入的系统而非模型本身,开放生态可在检测、验证、协调、补丁四个阶段分散风险、缩小攻防能力差距。文章主张防御方采用半自主 AI 智能体,配合开源安全工具在组织内部署,并保留人类审批与可审计的决策日志。
推荐理由:原文从 Mythos 出发分析开放生态为何是防御方的结构性优势,并给出半自主智能体的可行防御路线。
OpenAI 发布十周年回顾文章,梳理从早期研究突破到被广泛使用的 AI 系统的发展历程。文章分享了过去十年的经验教训,并表示对构建惠及全人类的 AGI 保持乐观。
MiniMax 团队成员分享 MiniMax M2 后训练中智能体对齐的关键经验。结论包括:智能体需要 Interleaved Thinking,思考可在任务任意阶段发生以应对工具输出等外部扰动。
OpenAI 与 DoorDash 首席人事官 Mariana Garavaglia 对谈,介绍 DoorDash 如何在企业内部扩大 AI 的采用规模,帮助员工更快地构建、学习和创新。
OpenAI 表示,AI 将成为历史上释放机会最多的技术,若发展得当,能给每个人带来前所未有的能力。文中以“务实的科技工作者”视角阐述,强调重视的不是技术本身,而是其对人们生活的直接影响。
OpenAI 与 Canva 联合创始人兼首席产品官 Cameron Adams 展开对谈,探讨 Canva 如何借助 AI 激发用户创造力。
OpenAI 与 LaunchDarkly 首席产品官 Claire Vo 对话,探讨 AI 时代产品经理角色的变化。她分享了构建 AI 原生团队的方法以及自己的"反待办清单"实践。
经济学家 Tyler Cowen 讲解 OpenAI o1 处理复杂经济学问题的方式,展示该模型在经济学推理任务上的表现。
Cognition 联合创始人兼 CEO Scott Wu 解释了 OpenAI o1 如何以更像人类的方式做出编程决策。
Hugging Face 对话中,Writer 联合创始人兼 CTO Waseem Alshikh 讲述公司从 Hugging Face 用户到客户、再到开源模型贡献者的历程。
OpenAI 发文呼吁现在就开始思考超级智能的治理问题。文章将超级智能定义为能力远超 AGI 的未来 AI 系统,认为眼下是启动相关治理思考的合适时机。
Lilian Weng 在 OpenAI 从事应用 AI 研究工作。
Hugging Face「机器学习总监洞察」系列第四篇,采访 Javier Mansilla、Shaun Gittens、Samuel Franklin 和 Evan Castle 四位机器学习总监。
Hugging Face 机器学习总监洞察系列第三篇聚焦金融行业,访谈来自 U.S. Bank、加拿大皇家银行(RBC)、Moody's Analytics 及前 Bloomberg AI 研究科学家的专家。受访总监指出金融机构面临遗留系统、模型可解释性、客户信任与强监管等挑战,并分享了 ML 在贷款审批等金融决策中引发的信任讨论,以及 KPI 与标签定义错位等常见落地失误。
Hugging Face 推出机器学习总监洞察系列文章,邀请多位在职 ML 总监分享行业观点,覆盖医疗、金融、电商、SaaS、研究、媒体等领域。
Hugging Face 播客采访了机器学习工程师 Lewis Tunstall,他从事 Transformers 应用与 MLOps 工作,并与 Leandro von Werra 合著了《NLP with Transformers》一书。他近期在 transformers 库中开发模型导出 ONNX 格式的功能,一行代码即可完成转换,帮助工程师获得更快延迟和更高吞吐量。
Hugging Face 播客「Machine Learning Experts」采访了曾创立并联合领导 Google Ethical AI 团队的 Margaret Mitchell,她已发表超过 50 篇论文。