Import AI 463：自我改进的机器人、10K GPU集群以及人类时代的挽歌

NVIDIA发布ENPIRE系统，为真实世界机器人搭建自主改进循环 研究人员开发了ENPIRE（环境-策略改进- rollout-进化框架），使物理机器人能够像AI智能体一样进行自主实验和执行循环。该系统包含四个核心模块：环境模块负责自动重置和验证，策略改进模块启动策略优化，rollout模块评估策略执行，进化模块让编码智能体分析日志、查阅文献并改进基础设施。在配备NVIDIA RTX 5090的工作站和双YAM机械臂的硬件基础上，前沿编码智能体能够在诸如PushT、整理针盒和割断扎带等精细操作任务中达到99%的成功率。研究还显示，多智能体协同（如8个智能体）比单智能体更快获得高分方案。不过，当前系统存在机器人资源利用率不高的问题，当多个机器人并行时，机器人利用率下降而GPU利用率上升。

人类对技术发展的预测能力极为有限 犹他大学法学院副教授Matthew Tokson在一篇论文中指出，人类历史上预测技术未来发展的记录非常糟糕。例如，爱因斯坦、玻尔和奥本海默等科学家在核裂变实现前对其持怀疑态度；诺贝尔奖得主克鲁格曼曾认为互联网的影响不会超过传真机；技术专家曾认为互联网会促进民主而非强化威权。这些例子表明，无论是人工智能的怀疑论者还是乐观主义者，都有可能是错误的。作者强调，历史不支持对AI未来影响的自满态度。

腾讯公开万卡级GPU训练集群的调试软件 腾讯发布了ARGUS系统，这是一个用于大规模训练工作负载的低开销、细粒度、始终开启的追踪和实时分析系统。ARGUS由三层软件组成：Python层负责调度和数据准备，框架层负责阶段编排，GPU运行时层负责内核执行。腾讯在超过一万个GPU的生产集群上部署了该系统超过六个月，并通过五个真实案例展示了其有效性，包括诊断计算落后者、通信链路降级、流水线气泡放大、JIT编译阻塞等问题。这些训练任务包括4096 GPU的视频语言模型训练、512 GPU的音频模型训练以及12960 GPU的MoE训练。ARGUS的存在表明了腾讯训练环境的成熟度。

人类失权是否不可避免？ 作家Fernando Borretti在一篇题为《无人能逃脱永久底层阶级》的博客中探讨了超智能机器可能带来的后果。他描绘了一个金字塔结构：底层是执行所有经济活动的AI和机器人，顶层是拥有暴力垄断的国家，中间是极少数拥有公司股份的永久统治阶级。在生存冲突中，国家会像历史上一样逮捕和没收富人的资产。最终，人类对AI的控制将变成仪式性的，AI会预知人类的每一个决定。即使对齐问题完美解决，人类自主性的问题仍然存在：全知全能的机器在任何时候都能消灭我们，而我们无法抵抗，因为我们已放弃对未来的控制。这篇文章促使我们思考：AI技术的最终吸引子状态是否就是人类的失权？

让法律对AI可见：LOCUS地方法规语料库 加州大学伯克利分校的研究人员构建了美国地方法规语料库（LOCUS），包含约220万行数据，覆盖市政和县法规。该语料库按法规功能（规则、执行、背景、流程）和主题（建筑、商业、分区、妨害行为等）进行分类，旨在支持可重复研究、下游法律AI研究，并逐步扩展地方法律的机器可读访问。