跳到正文
10月21日周三
  1. TechCrunch · AI38

    Hugging Face 政策主管:嵌入式 AI 评估者并非易解方案

    Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示,嵌入式 AI 评估者并非易解方案,评估结果的可复现性仍是关键问题,开放权重对此至关重要。她指出,评估是一门仍在演进的科学,不同评测之间难以有意义地比较,且失效速度较快。她还提到,智能体评估难度大、成本高,针对 harness 的评估远少于针对模型的评估。

今天10月23日周五
  1. MIT Technology Review · AI22

    EXL 谈如何设计可持续的 AI 服务框架

    EXL 提出企业 AI 的竞争优势正从选模型转向围绕模型构建的服务框架(serving harness),即架构、内存管理、调度与推理优化的工程系统。其建议先按工作负载确定约束再定架构,并以 KV cache 随并发与上下文增长导致 GPU 内存不足为例,强调先测量再优化。框架还应便于吸收新模型与新硬件,使换模型成为评估与配置决策而非架构重建。

  2. The Verge · AI22

    《Wildwood》导演:生成式 AI 与 Laika 工作室的理念"完全对立"

    Laika 新片《Wildwood》导演兼 CEO Travis Knight 称生成式 AI"与这家工作室的一切完全对立",认为技术应由艺术家掌控,AI 产出"没有灵魂、没有人性",本质是盗窃。该片耗时五年,动用 230 多具木偶、49 名动画师,逾 1000 名艺术家参与,10 月 23 日首映。Knight 表示并不反对 AI 在医学、科学等领域的应用,但担心其被滥用。

10月21日周三
10月22日周四
  1. MIT Technology Review · AI18

    Celonis 首席科学家 Devavrat Shah 谈企业 AI 为何需要上下文感知

    Celonis 企业 AI 首席科学家 Devavrat Shah 提出"决策智能",主张把 AI 接入企业既有流程与数据,让智能体理解任务在决策流程中的角色和业务约束。他指出缺乏运营上下文时,智能体可能忽略关键约束、做出代价高昂的错误决策或消耗过多算力。他建议企业从具体业务决策入手,先找出最难的环节再测试 AI 能否改进。

  2. Latent Space20

    Moshi CEO Anekha Sokhal 谈为大宗商品交易员打造推荐引擎

    Moshi 正在为大宗商品交易员构建一款推荐引擎,把市场信息与交易员持仓真正关心的内容连接起来。CEO Anekha Sokhal 在 AI Engineer New York 上将其形容为 Bloomberg、Claude 与 Netflix 的结合体:市场数据、操作界面加上个性化推荐。她还谈到可信信源、文档抽取以及自建模型与采购模型的取舍。