我的 X 阅读

你能感受到卡尔达肖夫跃升吗？ 谷歌加入了基于太空的计算竞赛。 戴森群很快就会到来。 引用：起飞，起飞，一飞冲天。 今天，我们与 @planet 合作，在 @SpaceX 的 Transporter-18 拼车任务中，将一颗搭载四个 TPU 的原型卫星发射入轨。此次发射是“阳光捕捉者计划”（Project Suncatcher）第一步，这是我们长期研究的大胆尝试，旨在探索未来是否能在太空中托管可扩展的机器学习基础设施。 在接下来的几周内，我们将收集在轨数据，了解我们的 TPU 如何应对太空中的物理应力、辐射和极端温度。无论我们学到什么，都将用于优化未来的设计。

转帖：对齐 AI 代理的最直观方法是让它们“想要”正确的东西。 在一篇新文章中，@BenjaminLy61243 认为这还不够。一个足球运动员可能想要赢得比赛，但有助于实现这一目标的行动来自于子目标，例如“防守左侧”。 基于 @drmichaellevin 的工作，“对齐编译器”是一个将高阶目标翻译成各个部分行为的系统。市场、生物体和足球队都是这种系统的例子。 通过这个视角来思考 AI 代理集体，会指向多代理对齐失败的新解决方案。

转帖：人工智能的第三个问题。 一个同样未被提出的问题是，人工智能热潮能否在不导致不平等大幅增加的情况下持续下去。 Stijn Van Nieuwerburgh 最近的一篇论文计算了人工智能产业需要产生多少收入才能收回其巨额投资（摘要和论文链接可在此处找到：https://t.co/QIGcoObcVc）。 Van Nieuwerburgh 的计算结果应该让我们更加担忧。人工智能投资在 2025 年至 2032 年间将平均占 GDP 的 3.6%。Van Nieuwerburgh 计算，使用 10% 的回报率，该行业到 2032 年需要产生约 3.7 万亿美元的年收入才能收回这些成本（从当前约 2000 亿美元的水平增长）。这显著高于当前美国国民收入的 10%，即使 GDP 增长从当前水平上升，到 2032 年很可能仍将占国民收入的约 10%。 这一收入的很大一部分将流向资本收入。这意味着国民收入中资本份额的巨大增加，而这一份额在过去 25 年左右已大幅上升——现在已达到约 47% 的历史最高水平（https://t.co/IuYldl173r）。 资本收入的分配远比劳动收入不平等，因此国民收入中资本份额的巨大增加将转化为不平等的显著激增。 不平等的上升可能不止于资本份额。我与 Pascual Restrepo 的研究记录了（自动化驱动的）国民收入中资本份额增加通常也伴随着劳动收入不平等的上升（例如，见 https://t.co/2D9KUL3QfM）。在未来几年，这种情况可能同样发生，进一步加剧不平等。 我们当前辩论中缺失的是对这些数字提出的一个根本性困境的任何讨论：人工智能热潮能否避免经济上代价高昂的崩盘以及不平等的巨大增加？ 如果该行业达到这些收入水平，不平等将激增。如果该行业无法实现盈利，则崩盘——伴随输出和就业的重大损失——将变得很可能。 我的评估是，该行业不太可能达到 Van Nieuwerburgh 计算的收入水平。首先，扩散一直很缓慢，并且很可能继续如此。其次，开源模型的竞争正在变得更好，这将限制专有模型的收费能力。第三，尽管取得了重要进展，我仍然认为人工智能模型短期内无法自动化整个职业，从而限制其作为企业成本节约工具的价值。 这是否会导致崩盘更为复杂，将取决于各种人工智能公司是否获得救助以及它们获得何种支持。 尽管如此，即使收入低于这些巨额数字，我们避免了不平等的剧烈激增，我预计人工智能的扩散仍将推高资本与劳动之间以及劳动内部的不平等。 如果不平等确实激增，一个进一步的核心问题是：我们的民主能否在如此天文数字般的不平等水平下幸存？

转帖：标普 500 指数接近历史新高，但如果你剔除人工智能公司，自 8 月下旬以来，它下跌了 5%。 我的 @Morning_Joe 图表

https://t.co/yYNO8rJuXk 引用：Full video https://t.co/cG48a1S3o3

本·阿弗莱克（好莱坞明星 & Artists Equity 首席执行官）对人工智能的担忧是什么。 学生成绩膨胀和习得性无助 ---- “Bloomberg Live” YouTube 频道的最新采访，（链接在评论中）

为 @aidotengineer NYC 更换我的标语 提前飞过去参加纽约动漫展。11 天后见！https://t.co/Glyw5kIWnq

转帖：谷歌已发布《代理框架的正则化递归自我改进》（RRSI）：一个自动进化 LLM 代理框架的框架。 RRSI 自动进化代理框架中围绕冻结 LLM 的所有提示、控制流、工具和内存组件。

转帖：LeWM 在每个时间步应用了 SIGReg，因此没有什么能阻止时间崩溃。如果你的数据具有这种慢速特征，只需在 (N*T, D) 张量上应用 SIGReg。我们在这里展示了这一点解决了你的问题：https://t.co/FNFujpuFnO 而且 @vlad_is_ai 早在 4 年前就在这里谈到了 JEPA+Slow features https://t.co/P997avTJHd

转帖：我个人在OpenAI的DevDay上，期待会公布Dots和随时随地轻松聊天的设备呢… 嘛，不公布的话，自己做就好了嘛！ 谢谢M5Stack StopWatch！！

转帖：制作了我的第一个 @OpenAI @modretro 彩色游戏！ 你经营一家注重新冠防范的女同酒吧，位于马萨诸塞州西部 + 在周六轮班中生存于小丑学校 Zoom 混乱，试图赚取积分 + 邻里支持 我是如何构建它的：我在 @EntireHQ 上的代理会话 https://t.co/Z1NHdPc1ac

转帖：麻省理工学院利用AI开发了一种新的mRNA疫苗配方，使其不再需要冷冻设备，可以在室温下存放整整一年，或者在约100华氏度的高温下存活两个月。 这最终可能让这些疫苗到达没有冷藏设施的贫穷国家，甚至可以作为简单的皮肤贴片使用，而非注射。 AI取代了耗时的反复试验和错误搜索，只用了几个星期就达到了耐热稳定的配方，而非数月。

转帖：新 Meta 论文显示，对于长期运行的代理，当一个独立的经理决定如何使用计算资源时，它们会随着更多计算资源的投入而持续改进。 更多计算资源为代理提供了更多选择：接下来尝试什么、信任什么、何时停止。许多代理会即时做出这些决定，因此额外的预算可能会被浪费。 他们的解决方案是将这些决定交给一个独立的经理来仔细思考，而工作者则执行实际任务。 他们构建了一个元推理代理：工作者执行任务，而一个独立的控制器决定下一步做什么。它会保持一个简短的进度摘要，根据剩余预算权衡选项，并选择每个工作者看到哪些过去的成果。 在最大的预算下，这种设置在所有 12 项一对一测试中都击败了没有经理的完全相同的代理。在使用 GPT-5.5 在编码基准测试上的表现中，将预算增加三倍将其得分从 64.1% 提升到 71.5%，而另一个代理则停滞在 64% 左右。 对于长期运行的代理，不要只是增加计算资源：要将一部分资源花在一个决定其余资源去向的经理上。

未来的防御将由谁能制造最多的机器来主导。（杰夫·施奈德，卡内基梅隆大学教授）

这些天日子过得又长又难熬，我在昏睡前就把手机的两格满电都耗光了 他们真该发明电池续航更好的手机……现在都2026年了