我的 X 阅读

转帖：去俄罗斯化的互联网（乌克兰对 Yandex 中心的打击）突然在社交媒体上显现奇迹：社交媒体上对 AfD 的支持率骤降 56%。更少的“波兰”账号煽动针对乌克兰人，更少的“乌克兰”账号煽动针对波兰人，网络上对 MAGA 的支持率急剧下降 :))) 期待进一步可衡量的结果，即对 Gaśniczakokacapów、AfD、Trump 等突然支持率暴跌。

F-35 今天在码头闲逛

如果你压卷了x上的目前那种杂七杂八的内容 那么你应该打开：https://t.co/DAWeL7xNKA 看看... 甚至可以订阅下 即使是免费的内容也非常精彩

@alexandr_wang 炸弹播客

https://t.co/rXQP7Z2aud

FT：机器生成的论文正大量涌入学术期刊，筛选这些论文的成本正迫使价值 220 亿美元的出版业走向合并。 筛选这些论文需要人工。这就是为什么自 2022 年以来，爱思唯尔 (Elsevier) 的审稿人数量增加了三分之一以上，达到 190 万。 这些 https://t.co/Xbevv2boKk

来源：SensorTower

https://t.co/3U6pYf7O4D

《华尔街日报》发表了一篇文章，题为《从梵蒂冈到浸信会讲坛，教会正逐渐成为人工智能实验室的有组织的批评者》。 实验室自身也促成了这种局面，因为关于构建可能脱离创造者控制的新型智能的讨论，与圣经中关于创世和反抗的故事不谋而合。https://t.co/oQ6f0EmgI5

转帖：这个戒指的发光来自嵌入树脂中的锶铝酸盐。这种化合物将光能吸收到其晶体结构中，并缓慢释放，远在硫化锌荧光粉褪色之后仍保持明亮。 : Secret Woods

https://t.co/xNk12O3VxE

《华尔街日报》刚刚报道，亚马逊正在洽谈以约70亿美元收购Decart，此前与英伟达和Anthropic的收购谈判破裂。 Decart由Dean Leitersdorf、Orian Leitersdorf和Moshe Shalev于2023年创立，致力于开发能够帮助开发者在不同芯片间迁移AI工作负载的软件。https://t.co/TjdBjB87rI

转帖：同样让 AI 做 3D，有人拿回几 MB 的网格，放大就糊，有人拿回 27KB 的公式，贴多近都清晰，其实差距不在用哪个模型，在你让它用什么语言描述形状。 最近感觉全网都在让大模型配合 Blender、Three.js 做 3D 模型，CMU 计算机系教授 Keenan Crane 反着来，他让模型写了一段 27KB 的 GLSL 代码，用一个数学公式，直接定义出一条完整的龙。 这条龙不是用三角形拼出来的网格，不是 NeRF，也不是 3DGS，更不是视频模型， 它是一段程序，空间里任何一个点代进公式，就知道自己在龙的里面还是外面，显卡沿着光线一步步算，龙的表面就浮现出来。 我们平时让 AI 做 3D，其实是在教它操作软件，怎么建网格，怎么拖控制点，换一个工具，就要重新教一遍，生成的文件动辄几 MB，放大一点全是锯齿，想改结构，往往比重新做还难。 他的做法是把形状本身变成代码，27KB，一个文本文件，鳞片、犄角、爪子全在公式里，因为形状是算出来的，镜头贴多近都不糊，改掉一个参数，整个形状跟着变。 这里有个容易看混的地方，他用的是闭式隐式曲面，公式可以直接求值，不用再训练一个神经网络去拟合形状，文件里没有权重，只有数学。 最狠的就在这里，他做的不是一次压缩，而是一次问题的改写，大模型最硬的能力本来就是写代码，他没让模型去够它不擅长的操作，他把 3D 这件事，翻译成模型最擅长的语言。 你给 AI 什么表示方法，它就只能在什么上限里发挥，三角形是存给旧管线的，公式是写给 AI 的。 当然咱们也别神化，绑定、动画、物理、扫描重建，今天的工业管线仍然主要吃网格，复杂的真实世界还没法都塞进一个公式，它打开的是一扇门，不是换掉整个工具箱。 感觉以后用 AI 做事，拉开差距的可能不是谁的提示词更长，而是谁先想一步，这个问题能不能换成它最擅长的形式，代码，公式，或者一段结构化的文字，你手上现在那件事，能不能也换一种写法。 https://t.co/ZqsMaKeoeI

转帖：Sakana AI 团队的新论文： 通过多代理自监督的递归自我改进 (MASS) 当任务变得过于复杂，以至于人类无法可靠地评估时，我们如何继续改进 AI？ 对于开放式研究，我们最终会遇到“监督瓶颈”。如果我们使用模型本身作为求解器、优化器和评估器，它就会陷入同质化的循环，强化自身的盲点而不是纠正它们。 为了打破这个循环，我们从 Marvin Minsky 的《心智社会》那里汲取灵感。如果我们提示单个模型将自己的副本组织成一个结构化的团队，然后将团队学到的知识提炼回基础模型中，会怎样？ MASS 在两个循环之间交替进行： 1/ 工作流程优化：模型迭代地演化自己的多代理工作流程，弄清楚子代理之间应该如何沟通和路由信息。 2/ 工作流程内化：使用成功的多代理轨迹微调共享模型，从而将协调行为融入权重中。 在与一个 27B 开源权重模型进行两个周期后，在艰难的研究基准（MLR-Bench、ScienceAgentBench、DSBench）上，每个输出令牌的性能提高了 1.2-1.6 倍。 多代理轨迹也比单代理轨迹提供了更好的训练数据。模型通过联合学习高层编排和有界子代理执行来更快地学习。结果显示，模型可以通过将自己的副本组织成团队来引导自己的协调技能，这作为一个通往自我改进的机制感觉很有前景。 博客：https://t.co/rTEQ5mJxS8 论文：https://t.co/kRvqLHxpOM Hyunin Lee、Jinglue Xu、Jeffrey Seely、Yujin Tang，以及我们来自加州大学伯克利分校的合作者（Somayeh Sojoudi、Matei Zaharia、Donghyun Lee）的出色工作！

硅谷顶级投资教父、达拉斯独角兽捕手、鲨鱼塘领衔导师马克·库班在华尔街和硅谷杀伐了几十年，这次访谈里他说，如果他今天 20 岁，会彻底跳过风投，去给小企业做 AI 咨询。 大部分创业者花整整十年，在酒局和商业计划书里求爷爷告奶奶拿融资， 换来的是被稀释得只剩一点点的股权，和 95%