我的 X 阅读

转帖：我们一直在 @PodiumHQ 使用 @OpenAI 的 Decisions API 进行 alpha 测试，以帮助我们的代理更快地选择正确的流程，并从它所需的指令开始。 事实证明，并非每个自动化决策都应该通过大型语言模型运行。Decisions API 更快、更便宜，并且在许多事情上更好！ 对早期结果以及这为我们的客户带来的潜力感到兴奋。

微软刚刚宣布，Copilot 会将 Anthropic 的 Claude Haiku 4.5 的日常编码工作移交给运行在 Nvidia 显卡 PC 上的微软 MAI-Code-1.1-Flash（一个总大小 137B、活动参数 68 亿的模型）。 一个模型路由器会将日常工作保留在本地机器上，并支持本地网络。https://t.co/2rO1lmRIzP

这款街机游戏在 Chromatic 中重现： 引用：我最喜欢的街机游戏，《Tron之碟》，在 OpenAI DevDay 版的 @modretro Chromatic 上运行……完全在 FPGA 的可重编程逻辑中实现，由 Codex GPT 6 Astra 100% 一镜到底完成。感谢 @pvncher 和 @PalmerLuckey！

由 dot 在乘坐自动驾驶汽车时构建的一个游戏： 引用：在自动驾驶汽车里，使用 codex 安装我女儿为我制作的游戏，当时我正在睡觉。这太疯狂了！ @OpenAI @OpenAIDevs

错过 DevDay 了？我们也是。 看看我们的社区用 @modretro Chromatic 构建了什么。 引用：从一个想法到一款可以在 @modretro 上玩的游戏。 我们与 @Casey 聊了聊创造力的未来：

为所有人进行了银行重置，无需投票。谢谢 Tibo！非常感激！ 引用：第3天/ Chat 中的 GPT-6 是重头戏，但今天也是一个小小的庆祝日，因为 Codex 和 ChatGPT Work 的活跃用户达到了4000万的新高。 为每个付费账户加载一个储备的重置。明天再见！

将在PST时区当天结束前到达。

转帖：我们今天发布了两个开放权重的多模态决策模型！快来看看吧： d1-3B，文本+视觉：https://t.co/zVv6ubhA6T d1-omni-600M，文本+图像或文本+音频：https://t.co/HY9tEGzKHN

转帖：决策模型，现已开源并支持多模态！

第3天/ Chat 中的 GPT-6 是重头戏，但今天也是一个小小的庆祝日，因为 Codex 和 ChatGPT Work 的活跃用户达到了4000万的新高。 为每个付费账户加载一个储备的重置。明天再见！ 引用：第2天汇总/ 2.1/ 为我批准（自动审核）现已包含在内，且不消耗使用量。使用时可占计划的2-10%。这对你来说也更好。 2.2/ 为构建者提供的简化API。 2.3/ 集成会议笔记。 2.4/ 决策API现已为构建者上线。将用于应用中以改善体验。

转帖：LASSO（最小绝对收缩与选择算子）是一种用于线性回归的正则化算法，它同时执行预测和变量选择。给定观测值 (xᵢ,yᵢ)，LASSO 估计量求解 β̂ = argminβ { (1/2n)∑ᵢ(yᵢ − xᵢᵀβ)² + λ‖β‖₁ }, 其中 λ ≥ 0 控制正则化的强度，‖β‖₁ = ∑ⱼ|βⱼ| 是 L₁ 范数。与普通最小二乘法不同，L₁ 惩罚可以强制某些估计系数精确为零，从而产生稀疏模型。 L₁ 约束的几何形状解释了这种行为：其角点使得解更可能位于坐标轴上。因此，LASSO 在高维预测中提供了一种原则性方法，当许多候选变量可能无关时尤为如此。当 p（预测变量的数量）与 n（样本大小）相当或远大于 n 时，它尤为重要。 LASSO 在统计机器学习中有广泛应用，包括特征选择、高维回归、基因组学、信号处理和压缩感知。其扩展——如 Elastic Net、Group LASSO 和自适应 LASSO——允许不同形式的结构稀疏性。该方法巧妙地将统计正则化、凸优化与高维推断的现代理论连接起来。

我们正在超越文本，并向 ChatGPT 的所有用户发布 GPT-6 的新版本。这里汇集了大量的模型和基础设施改进，以将其扩展到 12 亿用户！ 引用：GPT-6 和智能 UI 现已在 ChatGPT 中向所有人推出。 ChatGPT 中的智能 UI 提供快速、互动的回答，让日常问题更具视觉化，复杂主题更容易理解，并即时提供互动工具以完成您的任务。

转帖：@helloiamleonie，这个演示在哪里？！我有很多使用场景。

转帖：更多 D1s 来了！ 3B：文本 + 视觉 600M：文本 + 视觉/音频 现在你可以在你的设备上下载运行，让 D1s 与你同在

转帖：谷歌 DeepMind 和其他顶级实验室的一篇优秀论文。 提出了一种新型 AI 检测器，针对 AI 生成的想法而非文本/图像。 当 AI 根据一个人的完整大纲写作时，IdeaLens 将 7% 标记为 AI，而 Pangram 4 将 92% 标记为 AI。在 50 个人们根据 AI 生成的大纲撰写的故事上，IdeaLens 标记了 68%，Pangram 4 标记了 8%。 他们发现，阅读文档的大纲而非其文字，能让检测器判断想法是来自人还是 AI。 一个仅阅读文档大纲的检测器，能判断想法是人还是 AI 想出来的，因此关于原创思考的规则不能依赖仅判断措辞的检测器。 像 Pangram 这样的工具判断谁写了文字，因此它们常常标记 AI 润色的个人作品，却错过人们自己撰写的 AI 想法。 IdeaLens 判断文档提出的要点短列表，并且在改述列表上训练过，因此措辞无法帮助它。