我的 X 阅读

山姆·奥特曼（Sam Altman）表示，公众将他误判为人工智能的“反派角色”，其原因与他曾经误解马克·扎克伯格（Mark Zuckerberg）如出一辙： 当一项新技术带来飞速变革时，人们往往会将内心的恐惧投射到那个看似掌握最大权力的人身上。 承认在早期 https://t.co/cT5hBg4Efp

转帖：我们构建的每个 RL 环境都运行在 AgentEnv 上。 今天我们将其开源，以便更多人能够构建代理学习的世界。

补充马斯克在《第三排特斯拉播客》（2020年2月9日）关于推特的核心原话与背景，供大家深入了解： → 注册与退坑风波： 作为全网前 10,000 名早期内测用户注册 Twitter，因无法忍受早期用户频繁汇报星巴克咖啡等琐碎日常而主动注销； 注销后出现大量高仿账号冒名发表极端言论，在投资人好友 Bill Lee 和 Jason Calacanis 劝说下重新注册并亲自接管个人声量。 → 个人表达哲学： Some people express themselves with their hair. I express myself with Twitter. （有些人用发型来表达自我，我用推特来表达自我。） → 传播学启示： 打破传统跨国企业 CEO 依赖公关通稿与层层审批的单向灌输模式，以绝对去中心化、高频互动且充满争议的真实人格，构建起极高粘性的超级个人引力场。

马斯克在早期访谈里聊起自己怎么玩上推特的这段原声切片，真实又荒诞得让人忍不住发笑： 他说自己其实是全网前一万个注册 Twitter 的骨灰级元老， 但当年刚注册没几天他就把账号彻底注销了， 因为全网的人天天都在给他发推，详细汇报自己在星巴克点了什么口味的拿铁，他当时觉得这简直是人类历史上最愚蠢的发明。 结果账号刚一注销，立刻有人抢注了他的名字开始在全网到处发疯话， 身边的朋友看不下去了，劝他说既然别人在冒充你胡说八道，不如你自己回来发声。 马斯克想了想说：那行吧，与其让别人冒充我说蠢话，不如我亲自用自己的名字说点更疯狂的。 从那一天起，他就彻底把推特当成了自己的精神发泄口与游乐场。 他在视频里笑着说： 很多人觉得我现在在推特上很疯狂，但其实我的疯狂弧线从来就没有变陡过，因为我从第一天起就极其疯狂； 有些人靠染头发和换发型来表达自己，而我靠推特来表达自己。 这段十几年前的原声之所以特别耐人寻味，是因为它彻底刺穿了大众对商业领袖公关人设的刻板认知。 绝大多数传统大厂 CEO 把社交媒体当成必须精打细算的公关通稿发布栏， 每一条推文都要经过法务、公关、高管团队层层开会审核， 发出来的全都是没有半点温度、字斟句酌的官方废话。 但马斯克从第一天起，就把这种虚伪的公关面具撕得粉碎。 他不请公关团队代笔，自己半夜趴在工位上发表情包、跟网友对线、公布火箭发射进展、甚至直接挑衅行业对手； 这种把真实的疯狂、幽默与偏执毫不掩饰地摊在阳光下的姿态， 反而让他在全球聚集起了任何传统广告预算都买不来的亿万级超级拥趸，最终顺理成章地以四百多亿美元把整个推特直接买成了自己的私人广场。 我一直认为最高段位的个人 IP 从来不是演出来的完美圣人， 而是敢于在全世界面前毫无保留地暴露自己最真实的锋芒与棱角。 我在社交媒体上输出内容时，一开始的习惯是字斟句酌维护完美的专业形象，逐渐更喜欢毫无包袱地展现真实的观点与情绪，比如我觉得牛逼的震撼的就会喊一声卧槽 https://t.co/nvic6NtxKe

我们让它成为可能，只需 3GB VRAM 即可在本地训练您自己的决策模型！ 我们通过使用 Clef 头进行微调，将 Qwen、Gemma、Llama 全部转换为决策模型，将准确率从 30% 提升至高达 78%。 您可以通过 Unsloth Desktop 亲自试用！ 引用：您现在可以在本地像 Jev 一样训练自己的决策模型！ 我们在 3 个决策基准测试中，将 Qwen3.5 0.8B 的综合准确率从 20.7% 提高到 74.3% - 只需 4GB VRAM。 使用我们的开源 Unsloth 仓库，将任何 LLM（如 Qwen3.8、Gemma 4）转化为决策模型。 我们使用 Unsloth 和 LoRA（r=64）进行 Clef 头的微调，训练一个 epoch，将下游准确率从 30–37% 提高到 78%。 GitHub: https://t.co/2kXqhhvLsb 指南和笔记本：

转帖：您现在可以在本地像 Jev 一样训练自己的决策模型！ 我们在 3 个决策基准测试中，将 Qwen3.5 0.8B 的综合准确率从 20.7% 提高到 74.3% - 只需 4GB VRAM。 使用我们的开源 Unsloth 仓库，将任何 LLM（如 Qwen3.8、Gemma 4）转化为决策模型。 我们使用 Unsloth 和 LoRA（r=64）进行 Clef 头的微调，训练一个 epoch，将下游准确率从 30–37% 提高到 78%。 GitHub: https://t.co/2kXqhhvLsb 指南和笔记本：

获取应用反馈通常意味着截图、Slack 消息，然后你得把所有这些重写给 AI。 @boltdotnew 的这个新功能彻底改变了这一切。你分享应用给的任何人，都可以点击它的任意部分，并在那个位置直接留下评论。 然后你按“发送到 Bolt”，AI 就会根据那些评论的要求进行修改。 反馈直接留在应用上。AI 来负责修复。 即：评论被固定到元素上，而不是屏幕位置，所以当布局移动时，它们会跟随元素。如果元素被重建或移除，评论会留在面板中，而不是消失。 引用：Bolt 中引入评论功能。 在您的预览中点击任何内容，留下评论，然后直接发送到 Bolt 进行构建。 无需再使用截图、Slack 讨论线程或 Loom 视频，让某人将其转化为修复。 立即试用 → https://t.co/UH6gFfHvbp

OpenAI 的数学发布，正如 Opus 所说，是“有史以来最具深远意义的数学发布” * LLM 在 7 个千禧年奖问题中的 4 个上取得了实质性进展：Navier-Stokes（已声称解决）、Riemann、Hodge 和 Birch-Swinnerton-Dyer。Poincaré 在 2003 年已被解决。剩下的两个是 P v NP 和 Yang Mills。 *以验证为条件 平均而言，每个 OpenAI 结果仅在其新未发布模型上使用了 3 小时的思考计算。 两年前，模型认为 9.11 > 9.9。今天，我们有了最聪明的人类头脑在其一生中都未能实现的结果。很明显，数据、计算和算法正在扩展。每代模型（3 个月）都取得了实质性的智能进步。 这也变得极难让人不相信，所有知识工作将随着时间推移而发生翻天覆地的变化。AI 在可预见的未来无法做的事情，很可能更多是受上下文限制（无法访问正确的信息），而非智能限制。有些人可能会争辩说，它们也受创造力限制或判断力限制（我应该从事什么工作），尽管可以论证未来的模型世代可能解决这个问题（鉴于模型在研究品味上的进步）。 AGI 被定义为在几乎所有认知任务上超越人类能力。根据大多数对该定义的解读，我们已经达到了。人类仍优于 AI 的领域，例如机器人学/物理世界控制（数据限制？）、自然科学研究（数据限制）、某些创造性领域如写作、电影、音乐（创造力限制）、超长任务（上下文限制）、选择要解决的问题（创造力限制），以及可能的人际关系管理（肉身代理限制？）。 从许多方面来说，我们已经实现了 AGI。

转帖：OpenAI 今天发布了 722 个 AI 生成的数学证明。 这是其中一项成就，主题是矩阵乘法 在这里，它将乘以 2 个 n×n 矩阵的已证明成本从大约 n^2.371177（AlphaEvolve 在八月设定的纪录）降低到大约 n^2.25。 该结果附带 Lean 形式化，但它是一个理论界限，尚未为真实 GPU 工作负载提供给工程师一个更快的例程。

上线 24 小时回顾： 143,244 日活跃用户 1,511,134 条发送消息 107,519 次 iOS/Android 安装 130,208 次 Handoff 浏览器会话

从太空看到的壮观极光。

绝不可能吧。可靠消息人士称，OpenAI 发布的 722 篇数学手稿仅仅是第 1/3 批。 有传言称 OpenAI 已经解决了另一个千禧年大奖难题。活在这样一个时代真是太疯狂了。 感觉就像一场智能大爆炸。一切都在瞬间同时涌现。

https://t.co/AfJrpkZHQq

谈到科学革命：扎克伯格的生物中心（Biohub）正与谷歌DeepMind、Meta以及美国政府合作，斥资18亿美元构建活细胞的人工智能模型。 “我们正处于人工智能新科学范式的开端，”生物中心科学主管亚历克斯·里夫斯（Alex Rives）在接受https://t.co/KLZtzCO7Pe采访时表示。

氛围工程师是新的量化分析师 引用：看他，那就是我的 Qual。 你的什么？ 我的 Qualitative！我的氛围专家。看他，你注意到他有什么不同吗？看他的脸。 我给你个提示，他叫 Jayden。他在布什威克赢得了一场本地诗歌比赛！是的，我很确定这种氛围。