AI News HubLIVE

今日必讀

Agent

反對實用性

本文探討了“無用”研究對未來創新的重要性。作者以Folk Computer系統為例,追溯了從施樂帕克到動態地的研究脈絡,並呼籲資助那些尚未顯現實用價值的正規化級工作。

  • Folk Computer是一個開源物理計算系統,讓整個房間成為計算機。
  • 該系統源自艾倫·凱、佈雷特·維克多等人的研究傳統。
站內正文

OpenAI的AI在AtCoder世界巡迴賽決賽中擊敗所有人類選手

OpenAI的AI系統在AtCoder世界巡迴賽2026演算法組中解出全部五道題,得分8300分,而人類最高分僅4300分。啟發式組中,AI得分是人類最佳成績的七倍以上。60萬日元的“人類勝出獎”無人領取。該系統被比作即將釋出的GPT-5.6。

  • OpenAI的AI解出所有五道演算法題,得8300分,人類最高4300分
  • 無人解出最難的C題和E題
站內正文
研究

Soulless – Spotify上隱藏的AI藝術家名單

Soulless是一個社群驅動的專案,旨在揭露Spotify上隱藏的AI生成音樂藝術家。該專案列出了232位被檢測為AI的藝術家,並公開了他們的月聽眾數和預估收入。此外,Soulless還提供了開源的AI音樂檢測工具,以及相關的資源列表,幫助人們識別AI生成音樂。

  • Soulless專案識別出232位AI生成的Spotify藝術家,並公開其月聽眾和收入資料。
  • 檢測工具採用整合方法,融合SONICS頻譜圖模型和lofcz聲碼器指紋檢測。
站內正文

AI與寫作的未來:作家圓桌討論對藝術的影響

在一場圓桌討論中,作家與文化評論家探討了人工智慧對語言、創造力和社會的深遠影響。他們指出,AI既增強了也削弱了語言能力,並可能清晰劃分機器與人類靈魂的界限。儘管存在焦慮,但AI也帶來了研究、可及性和診斷方面的機遇。

  • AI被視為一種去中心化技術,其進展之迅速如同從萊特兄弟到747客機。
  • 作家發現AI既磨礪又鈍化語言能力,需要加倍投入閱讀和寫作訓練。
站內正文
晶片

Windows 11 Copilot 告訴你什麼拖慢了電腦,而它自己卻佔用1GB記憶體

微軟正在測試Copilot的“PC Insights”功能,可以分析系統資源使用情況,幫助使用者找出效能瓶頸。然而,Copilot本身是一個完整的Web應用,附帶私人版Edge,空閒時佔用高達1GB記憶體,凸顯了其資源消耗的諷刺性。該功能為可選,預設不自動掃描,使用者需授予許可權。

  • Copilot新增“PC Insights”功能,可讀取CPU、記憶體、儲存等系統資訊並回答相關問題。
  • 功能為可選,需使用者授權,不會在後臺自動掃描。
站內正文

蘋果失敗的自動駕駛汽車專案留下了強大的AI晶片遺產

蘋果的自動駕駛汽車專案雖未成功,但其對AI處理的需求催生了神經網路引擎。該引擎首次亮相於iPhone X的A11仿生晶片,現已成為蘋果裝置端AI處理的核心,並延續至M系列晶片。未來,蘋果將加速M7晶片開發,其神經網路引擎大幅升級,M7 Ultra伺服器晶片將支援高達1.5TB記憶體。

  • 蘋果汽車專案促使神經網路引擎誕生,成為裝置端AI處理基石。
  • 神經網路引擎伴隨A11仿生晶片首次用於iPhone X的人臉識別等功能。
站內正文
模型

GPT-5.6、Fable 5和Grok 4.5根據同一規格重建Basecamp

作者透過Basecamp基準測試評估了GPT-5.6 Sol、Fable 5、Grok 4.5等AI模型在構建前端和後端方面的表現。Fable 5在兩個賽道上均獲勝,Grok 4.5在速度和成本之間取得了最佳平衡。結果顯示,即使是頂級模型在完成度上也有顯著差異,尤其是最後10%的打磨工作。

  • Fable 5在前端和後端基準測試中均得分最高,接近真實Basecamp實現。
  • Grok 4.5以9.30美元的成本在37分鐘內完成構建,速度成本比最優。
站內正文
政策

利用AI讓歷史講述銀行擠兌的故事

研究人員編制了1863-1934年間超過3000次銀行擠兌的資料庫,發現大多數擠兌並未導致銀行倒閉,並分析了時空模式。

  • 大多數銀行擠兌並未導致倒閉。
  • 銀行擠兌在1873、1893、1907和大蕭條等重大危機期間激增。
站內正文

三星強制使用者分享健康資料訓練AI,否則無法正常使用

三星健康應用新增AI訓練資料共享要求,使用者若不授權則無法同步健康資料,可能導致手錶功能受限。

  • 三星健康應用要求使用者同意使用個人健康資料訓練AI模型,否則無法同步資料。
  • 資料包括活動、健康記錄、藥物和月經週期,可能有人工審查。
站內正文
工具

開發者未能充分利用AI,因為他們仍緊盯程式碼

許多開發者未能充分發揮自動程式設計的潛力,因為他們仍然過度關注程式碼本身,這使自己成為瓶頸。應將時間投入到新想法、質量保證、設計以及明確目標上。

  • 關注程式碼使開發者成為瓶頸
  • 應轉向更高層次的任務如設計、QA