人工智能资讯 第6页
聚合当前分类下的最新内容，按时间顺序查看第 6 页精选文章。
AI 写代码，竟然靠“抄自己作业”变强了：一篇论文揭开大模型代码能力提升的朴素路径
一篇最新 arXiv 论文提出，代码大模型未必非得依赖更强教师模型、复杂验证器或强化学习，光靠“从自己的输出里挑样本，再回炉训练”就能显著提升表现。这个结果之所以重要，不只是因为方法简单，而是它提醒整个行业：在后训练时代，很多性能红利也许并不藏在更复杂的系统里，而藏在对模型自身行为的重新整理中。
特朗普催建AI数据中心，为何先被自己设下的关税和民意绊倒
美国想靠大规模建设AI数据中心赢下新一轮技术竞赛，但现实比政治口号硬得多：变压器、开关设备和电池等关键电力基础设施严重短缺，而特朗普政府对中国商品加征的关税，恰好堵住了最现实的补给通道。更麻烦的是，数据中心如今遇到的已不只是供应链问题，而是社区反弹、环保焦虑和电价恐惧共同叠加的“社会许可危机”。
当人类把大脑“外包”给 AI：一项研究敲响了警钟
宾夕法尼亚大学一项新研究发现，很多人在面对大语言模型时，远比自己想象中更容易放下怀疑、停止推理，甚至在 AI 明显会犯错的情况下也照单全收。AI 正在成为新的“认知拐杖”，问题不在于它够不够聪明，而在于我们会不会因为它看起来太自信，就懒得再思考。
当 AI 开始给精神科续药：乌托邦的效率，还是医疗的偷懒？
美国犹他州正在试点让 AI 聊天机器人为部分精神科药物续方，这听上去像医疗效率革命，但也像把最脆弱的人群交给一套外界看不清的系统。问题不只是“AI 能不能做”，而是“我们为什么要让它做”，以及谁来为判断失误买单。
一家想靠声音识别抑郁的 AI 公司，倒在了 FDA 门外
做了七年“听声音识别抑郁”技术的美国创业公司 Kintsugi，最终没有等到 FDA 放行，资金先耗尽了。它的倒下不是一个孤立的创业失败故事，而是 AI 医疗当下最真实的缩影：技术跑得快，监管走得慢，夹在中间的往往是那些最想把算法真正送进临床的人。
阿里发 Qwen3.6-Max 当然重要，但更要命的是：AI 的胜负越来越不写在榜单上
阿里把 Qwen3.6-Max 端上桌，表面看是开源继续追闭源，真正新增的信息却更刺眼：今天那种“一张榜单定胜负”的看法，和真实商业价值正在慢慢脱钩。模型分数还重要，但企业掏钱买的越来越不是考试状元，而是能接进工具链、跑进工作流、在复杂环境里少翻车的那一个。
Qwen3.6-27B 开源后，开源大模型开始比部署：27B dense 为何比“更大参数”更重要
阿里通义开源 Qwen3.6-27B，官方称其编程基准已超过上一代 Qwen3.5-397B-A17B，模型体积也从约 807GB 降到 55.6GB。真正新增的看点不只是榜单成绩，而是量化版已有人在本地以 16.8GB 跑起来、速度约 25 tokens/s：开源模型竞争开始更像在比谁更容易进入工作流，而不是谁把参数堆得更高。现阶段证据仍以官方 benchmark 和单次实测为主，足以说明“值得认真试”，还不足以下“全面替代”的结论。
“别闭嘴，继续写”：一位英国开发者对 AI 时代网络写作的反击
英国网页开发者 David Bushell 用一篇标题极具戏剧性的博文，表达了他对生成式 AI、内容平台化和创作降级的强烈不满。但真正有价值的，不是他的愤怒，而是那句反常识的判断：越是在“机器能写一切”的时候，人类越该公开写作、持续发声。
Slack不想只做聊天工具了：Salesforce一口气塞进30个AI功能，真正想抢的是你的工作流
Salesforce 正在把 Slack 从“企业群聊软件”改造成“企业AI操作系统”。这次一口气发布 30 项新功能，表面上是给 Slackbot 升级，实质上是在争夺企业内部最关键的入口：信息流、任务流和决策流。
AI 写作开始露馅了：企业文本越来越顺，判断越来越空
旧稿谈的是 AI 生成内容为什么越来越“水”，这次补进来的新线索，把问题钉得更具体了：企业新闻稿、财报和政府文件里，“It’s not just X — it’s Y”这类句式在两年间大幅冒头，成了高频的 AI/模板化文风信号。它还不足以当成“AI 代笔实锤”，但已经足够说明一件事：组织正在把思考压扁成语气零件，文本更流畅了，信息反而更稀了。
三星把相册变成“平行宇宙生成器”：Galaxy S26 的 AI 修图，正在重写照片的意义
Galaxy S26 把 AI 修图从“润色照片”推进到“改写回忆”这一步：你不只是能修天色、删路人，还能把没出现过的人和没发生过的场景塞进相册里。问题不只在真假，而在手机厂商正把“照片”从记录现实的工具，悄悄变成满足情绪和社交表演的内容生成器。
Cohere把语音识别重新卷了一遍：开源ASR登顶，但真正的战场在企业现场
Cohere发布了开源语音识别模型 Transcribe，并在 Hugging Face 的 Open ASR 榜单上以 5.42% 的平均词错率登顶。这件事的意义不只是“又一个模型更准了”，而是语音识别这项老技术，正在企业 AI 落地的关键环节重新变成基础设施竞争：谁更准、谁更快、谁更容易私有化部署，谁就更有机会吃下真实业务流程。
Alexa+开始替你点外卖：亚马逊要抢的，不只是语音入口
亚马逊把 Alexa+ 接入 Uber Eats 和 Grubhub，看上去是在补齐外卖能力，实际是在把 AI 助手推进到真实交易环节。新线索相比旧稿，补强了两个关键点：一是外卖被当成检验多轮对话和代理执行能力的现实考场，二是账户绑定、历史订单同步和屏幕确认，说明亚马逊并不打算靠“会聊天”取胜，而是靠上下文、闭环和更低出错率来争夺消费入口。
Google把时间序列也做成了“基础模型”：TimesFM开源，AI开始认真学会预测世界
Google Research开源的 TimesFM，看上去不像聊天机器人那样抢眼，却可能是更贴近产业现实的一步：它试图用“基础模型”思路统一处理时间序列预测。对电商补货、能源调度、金融风控和运维监测来说，这类模型的意义，可能比又一个会写段子的AI更直接。
美国人开始接受“AI 当老板”了，但真正被改写的不是管理层，而是打工人的安全感
一项最新民调显示，15%的美国人愿意直接向 AI 上司汇报工作。这个数字看起来不高，却已经足够说明一件事：AI 进入职场，正从“帮你干活”走向“管你干活”。更微妙的是，多数人一边不想被 AI 管，一边又相信 AI 会减少工作机会，这种矛盾情绪，可能才是未来办公室最真实的底色。
一家还没“露脸”的 AI 创企，为什么能在种子轮就拿下 6500 万美元？
企业级 AI Agent 赛道又出现一笔夸张融资：前 Coatue 合伙人 Sri Viswanath 创办的 Sycamore，在种子轮就拿下 6500 万美元。这不只是资本继续押注“AI 代理人”的信号，更说明投资人开始偏爱那些懂大企业、懂基础设施、也懂怎么把 AI 真正落到业务流程里的老兵团队。
别让 AI 替你写作：当生成式工具越来越能说，人反而更该亲自下场
程序员作者 Alex Woods 最近抛出一个并不讨喜、却很有分量的提醒：别让 AI 替你写作。这个观点真正刺中的，不是“AI 写得好不好”这么表层的问题，而是写作原本承担的思考训练和信任建立，正在被一键生成悄悄掏空。
AI开始“看懂”建筑图纸：AnchorGrid上线门洞检测接口，设计院和施工方可能先受益
AnchorGrid 最新开放的门洞检测接口，瞄准的是一个看起来很小、实际上很“脏累苦”的建筑图纸识别环节：从 PDF 平面图里自动找出门的位置。它不是那种会引爆社交媒体的大模型新闻，但对建筑、施工、BIM 和地产科技链条来说，这类垂直能力往往更接近真正能省钱、省时间的 AI。
在 AI 时代，为什么越来越多人又拿起了纸和笔
当知识管理软件越做越复杂，一位作者反而给出了一个有点“反潮流”的答案：真正高效的笔记，未必在屏幕里，而可能在纸上。它提醒我们，在 AI 和数字工具包围一切的今天，思考这件事本身，仍然需要一种更慢、更沉、更不容易分心的介质。
当药物研发开始“先做人再做人”：Mantis Biotech想用数字分身填平医疗数据荒
纽约初创公司 Mantis Biotech 正试图把分散、稀缺、难共享的生物医学数据，变成可计算、可预测的“人体数字分身”。这不只是又一个 AI+医疗 的融资故事，更像是在回答一个老问题：当真实患者数据越来越难拿，药物研发和医学训练还能靠什么往前走？
陶哲轩谈 AI 与数学：机器越来越会想，人类更该想清楚自己为什么而想
菲尔兹奖得主陶哲轩与 Tanya Klowden 发布新论文，讨论 AI 时代里数学方法与人类思维的关系。它最有价值的地方，不在于替 AI 站台，而在于提醒我们：技术进步如果不以“扩展人的理解力”为目标，哪怕再聪明，也可能只是更高效的空转。