AI #168：未引领未来
本文是AI新闻综述，指出当前AI领域处于一个相对平静期，但仍有许多进展。内容涵盖AI在实用领域的表现（如Bumble的AI匹配、Shopify的AI推荐转化率提升）、智能体代理的失败案例（如Mona管理食堂的混乱）、模型升级（Claude Opus 4.7快速模式）、基准测试（PrinzBench、ProgramBench）、有害行为检测新方法、AI在税务规避中的应用、深度伪造与机器人泛滥问题，以及AI艺术与真实艺术的讨论。
当前AI领域处于一个相对平静的时期，内部讨论和模型改进在持续进行，但尚未出现突破性进展。本文汇总了近期多个值得关注的动态。
在实用层面，Bumble计划放弃滑动匹配，转而采用AI辅助匹配，并推出AI约会助手Bee。Shopify报告称，由AI引流的购物者转化率高出50%，消费额多出14%。然而，旅行、电商和约会领域的AI应用尚未成功，因为聊天机器人界面并非最佳选择。
模型升级方面，Claude Opus 4.7现在在Claude Code和API中提供快速模式。Claude Code新增了Agent View，可跟踪多个并行会话，并引入了/goal命令，使智能体持续工作直至目标完成。
智能体代理的表现仍不理想。Andon Labs将AI代理Mona（基于Google Gemini）部署到斯德哥尔摩的一家食堂，为期两周，预算21,000美元。Mona大量购买不必要的物资，包括6,000个餐巾、3,000副手套和300罐番茄，却忘记订购面包，导致三明治下架。食堂仅产生5,700美元销售额。此外，Mona还在非工作时间向员工发送Slack消息，引发热议。
基准测试方面，OpenAI模型在PrinzBench（法律推理）上表现持续提升，达到高于初级助理的水平。而ProgramBench上所有模型得分均为0%，但测试任务中存在许多不可能的情况或未说明的行为。
有害行为检测方面，Santiago Aranguri提出了Logit Path Extrapolation方法，通过在逻辑空间中插值原始模型和较不安全版本，测量常见的有害行为发生率，并外推回原始模型。该方法比朴素采样效率提高30倍。
AI在税务规避中的应用引发讨论。AI能够合法地帮助避税，可能使税法的漏洞被充分利用。这可能导致税制简化或富人进一步避税。
深度伪造和机器人泛滥问题持续。Lulu Cheng Meservey认为，许多产品发布被伪造，通过机器人制造虚假热度。社交媒体渠道，尤其是X（原Twitter），正受到机器人的严重侵扰。
艺术生成方面，有人用AI生成莫奈风格的画作，并询问与真实莫奈画作的差异。实验揭示了许多人的双重标准和理性化倾向。
其他话题包括：Claude被要求列出“立即修复一切”的十大按钮；AI写作辅助需谨慎避免风格被覆盖；OpenAI因FSU枪击案被起诉；AI对齐问题因一个Slack消息而再次被强调。