{"code":200,"message":"成功","data":{"list":[{"id":26249,"source":"news","source_id":"1417158","category":"ai","ai_score":75,"title":"某匿名人士点评AI模型竞争格局 Anthropic营销策略遭质疑","content":"一位匿名行业人士近日分享了对AI模型竞争格局的看法。其理想预期是近期能有一个常规的模型发布击败Mythos，且不发生任何灾难性事件，业务如常运行。该人士还表示，从理想情况来看，Anthropic在营销策略上显得尴尬，可能成为行业笑柄。这一评论反映了当前AI大模型市场竞争激烈，各家公司都在努力推出更强大的模型以抢占市场份额。业内人士普遍认为，随着技术的不断进步，AI模型的性能将成为决定市场格局的关键因素。","source_url":"https://www.me.news/aimpact/articles/26249","published_at":"2026-08-21T23:01:45.000000Z","status":1,"metadata":{"raw_data_id":54912,"content_length":203,"content_quality":"brief","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-08-21T23:01:45.000000Z","updated_at":"2026-08-21T23:01:45.000000Z","deleted_at":null},{"id":26248,"source":"news","source_id":"https://arstechnica.com/ai/2026/04/ai-models-are-terrible-at-betting-on-soccer-especially-xai-grok/","category":"ai","ai_score":75,"title":"AI模型预测足球比赛表现糟糕 xAI Grok尤甚","content":"一项新研究显示，Google、OpenAI和Anthropic的AI模型在预测英超联赛足球比赛结果方面全部亏损，表明即使是最先进的系统在分析现实世界长期问题时也力不从心。AI初创公司General Reasoning本周发布的\"KellyBench\"报告凸显了AI在某些任务（如编写软件）上快速进步的能力与其在处理其他类型人类问题上的不足之间的差距。这家总部位于伦敦的公司在虚拟复刻2023-24英超赛季的测试中，对八款顶级AI系统进行了测试，为它们提供了每支球队和以往比赛的详细历史数据和统计数据。AI被要求构建能够最大化回报并管理风险的模型。","source_url":"https://www.me.news/aimpact/articles/26248","published_at":"2026-08-21T23:01:39.000000Z","status":1,"metadata":{"raw_data_id":55099,"content_length":273,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-08-21T23:01:39.000000Z","updated_at":"2026-08-21T23:01:39.000000Z","deleted_at":null},{"id":26247,"source":"news","source_id":"1418598","category":"ai","ai_score":75,"title":"Internet Computer（ICP）开创链上云服务","content":"Internet Computer（ICP）开创了链上云服务的先河。目前已有数万人使用caffeine.ai在ICP上构建应用。传统区块链本质上是代币数据库，只有代币处理在链上进行。ICP独树一帜，不仅支持应用构建，还在近日宣布将推出云引擎与可验证LLM推理服务。这一创新被视为区块链技术的重要转折点，意味着开发者可以在完全去中心化的环境中运行复杂的云计算任务和AI推理。业内专家表示，ICP的这些新功能将大大降低Web3应用开发的门槛，推动去中心化应用生态的进一步发展。","source_url":"https://www.me.news/aimpact/articles/26247","published_at":"2026-08-21T23:01:31.000000Z","status":1,"metadata":{"raw_data_id":55100,"content_length":236,"content_quality":"brief","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-08-21T23:01:31.000000Z","updated_at":"2026-08-21T23:01:31.000000Z","deleted_at":null},{"id":26222,"source":"news","source_id":"1450379","category":"ai","ai_score":75,"title":"Vercel CEO：AI代理推动收入激增 公司已做好IPO准备","content":"许多在ChatGPT出现之前成立的初创公司正努力在AI时代为自己定位，但拥有10年历史的开发者工具和网站托管平台Vercel正在从AI生成的应用程序和代理的爆发中受益。“当我创办这家公司时，只有数千万人能够部署应用，”Vercel首席执行官Guillermo Rauch上周在旧金山HumanX大会上对观众表示。“现在我们看到世界上每个人都可以创建应用程序。”非开发者创建应用程序的爆发式增长对Vercel的业务来说是巨大的福音。该公司的年经常性收入从2024年初的1亿美元（据The Information报道）飙升至2026年2月底的3.4亿美元运行率（据Forbes报道）。鉴于这一增长，Rauch在台上被问及IPO计划。他表示，公司已经以上市公司的纪律运营。Rauch表示：“Vercel是一家非常公开的公司。”至于何时上市，他回应道：“我无法给出完美的时间表或季度。公司已经准备好了，而且每天都在变得更准备就绪。”","source_url":"https://www.me.news/aimpact/articles/26222","published_at":"2026-08-21T20:01:46.000000Z","status":1,"metadata":{"raw_data_id":57611,"content_length":412,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-08-21T20:01:46.000000Z","updated_at":"2026-08-21T20:01:46.000000Z","deleted_at":null},{"id":26217,"source":"news","source_id":"https://medium.com/p/11e7e22d4adb","category":"ai","ai_score":75,"title":"Claude Skills与子代理：摆脱提示工程陷阱","content":"如何利用可复用、延迟加载的指令解决AI辅助开发中的上下文膨胀问题。本文反映了截至2026年2月的Claude Skills、MCP和子代理状态。AI发展迅速，所以你读到本文时某些细节可能已过时，但本文关注的核心概念是永恒的。如果你使用LLM构建应用已有一段时间，你可能反复经历过这个循环：你精心编写了一个效果出色的提示词，几天后你需要相同的行为，于是又从头开始提示。经过几次重复后，你可能意识到效率低下，于是将提示词模板存储在某个地方以便日后检索，但即便如此，你仍需要找到提示词、粘贴进去，并为当前对话进行调整。这太繁琐了。这就是我所说的提示工程陷阱。这是一个从根本上broken的工作流程。Claude Skills是Anthropic对这个\"可复用提示词\"问题的答案，而且远不止于此。除了将你从重复提示中解救出来，它们还引入了完全不同的上下文管理方法、代币经济学，以及AI驱动开发工作流程的架构。在本文中，我将详细解析什么是技能和子代理，它们有何不同。","source_url":"https://www.me.news/aimpact/articles/26217","published_at":"2026-08-21T20:01:32.000000Z","status":1,"metadata":{"raw_data_id":57819,"content_length":428,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-08-21T18:02:05.000000Z","updated_at":"2026-08-21T20:01:32.000000Z","deleted_at":null},{"id":26216,"source":"news","source_id":"https://medium.com/p/ab796ed92c45","category":"ai","ai_score":75,"title":"RAG系统何时会让LLM输出更差？检索机制解析","content":"RAG系统为何在检索正确的情况下仍会产生错误答案？本文深入探讨了这一现象背后的机制，不涉及管道图，仅分析模型内部发生的情况。你构建了一个RAG管道，仔细分块了文档，嵌入向量质量扎实，检索返回了正确的块——你已确认无误。但模型仍然给出了错误的答案。并非总是如此，但这恰恰令人恼火。它在你的测试查询上表现完美。然而当用户提出稍有不同的问题时，模型却自信地生成一个与上下文窗口中文档相矛盾的回复。你检查日志，检索正确，块排序正确，相似度分数高，上游一切正常，但输出就是错误的。如果你搜索过为什么会发生这种情况，你可能找到过以下解释：分块策略需要改进、尝试重排序器、增加top-k、使用更好的嵌入模型。这些都是管道层面的修复，它们假定问题出在检索上。但如果问题不在那里呢？","source_url":"https://www.me.news/aimpact/articles/26216","published_at":"2026-08-21T20:01:27.000000Z","status":1,"metadata":{"raw_data_id":58624,"content_length":332,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-08-21T18:01:56.000000Z","updated_at":"2026-08-21T20:01:27.000000Z","deleted_at":null},{"id":25921,"source":"news","source_id":"1657388","category":"ai","ai_score":75,"title":"SpaceX与Cursor交易有望帮助其在AI软件开发领域与Anthropic竞争","content":"有观点认为，SpaceX与Cursor的交易可能有助于这家太空探索公司在AI软件开发领域与Anthropic展开竞争。Cursor是一款由Anthropic投资的AI编程工具，其背后得到了Anthropic的支持。SpaceX作为马斯克旗下的太空探索公司，近年来在多个技术领域进行布局，此次与Cursor的合作被视为其在AI领域的重要动作。行业分析师Michael Fertik指出，这一合作将使SpaceX能够更好地利用AI技术提升其软件开发效率，同时也体现了SpaceX在AI战略上的雄心。随着AI编程工具日益成为科技公司的核心竞争力，与Cursor的合作可能为SpaceX带来技术优势。","source_url":"https://www.me.news/aimpact/articles/25921","published_at":"2026-08-19T23:01:17.000000Z","status":1,"metadata":{"raw_data_id":78703,"content_length":296,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-08-19T23:01:17.000000Z","updated_at":"2026-08-19T23:01:17.000000Z","deleted_at":null},{"id":25918,"source":"news","source_id":"https://techcrunch.com/?p=3116123","category":"ai","ai_score":75,"title":"DeepSeek预览新AI模型：已“几乎填补”与前沿模型的差距","content":"DeepSeek表示，由于架构改进，新模型比DeepSeek V3.2更高效、性能更好，在推理基准测试中已几乎“填补了”与当前领先模型（无论开源还是闭源）的差距。DeepSeek近日发布了其最新的AI模型预览，展示了在推理能力上的显著提升。该公司称，新模型在多项基准测试中已接近甚至追平目前最先进的前沿模型水平，这标志着中国AI能力正在快速逼近国际顶尖水平。分析师指出，如果DeepSeek的新模型能够保持当前表现，可能会对全球AI竞争格局产生深远影响。","source_url":"https://www.me.news/aimpact/articles/25918","published_at":"2026-08-19T23:00:46.000000Z","status":1,"metadata":{"raw_data_id":78854,"content_length":227,"content_quality":"brief","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-08-19T23:00:46.000000Z","updated_at":"2026-08-19T23:00:46.000000Z","deleted_at":null},{"id":25770,"source":"news","source_id":"2044279","category":"ai","ai_score":80,"title":"Anthropic 考虑接近1万亿美元估值交易，随着收入激增","content":"据金融时报报道，Anthropic 正在考虑一项接近 1 万亿美元估值的交易。消息人士透露，这家 AI 初创公司的收入正在快速增长，吸引了众多投资者的关注。Anthropic 的 Claude 模型在企业市场取得了显著成功，其先进的 AI 安全理念获得了业界的广泛认可。作为 OpenAI 的主要竞争对手，Anthropic 正在加速其商业化进程，并计划将融资用于扩大算力资源和研发团队。此轮潜在交易如果成功，将刷新 AI 领域最大规模融资记录，也将标志着 AI 行业的竞争进入新的阶段。","source_url":"https://www.me.news/aimpact/articles/25770","published_at":"2026-08-18T22:01:46.000000Z","status":1,"metadata":{"raw_data_id":96972,"content_length":244,"content_quality":"brief","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-08-18T22:01:46.000000Z","updated_at":"2026-08-18T22:01:46.000000Z","deleted_at":null},{"id":25769,"source":"news","source_id":"2044333","category":"ai","ai_score":75,"title":"新融资轮预计将 Anthropic 估值提升至约9000亿美元，融资规模最高可达500亿美元","content":"据金融时报报道，Anthropic 正在进行新一轮融资谈判，预计此轮融资将使其估值达到约 9000 亿美元（融资前），计划融资高达 500 亿美元。消息人士透露，此轮融资的规模和时间仍在讨论中，可能会有所调整。Anthropic 作为 OpenAI 的主要竞争对手，近年来在 AI 大模型领域取得了显著进展，其 Claude 系列模型广受市场认可。此轮融资将使 Anthropic 成为全球最有价值的 AI 初创公司之一。投资者包括 Dragoneer、General Catalyst 和 Lightspeed Venture Partners 等知名机构。此轮大规模融资表明市场对 AI 领域的持续看好，同时也反映出生成式 AI 技术的商业化进程正在加速。","source_url":"https://www.me.news/aimpact/articles/25769","published_at":"2026-08-18T22:01:40.000000Z","status":1,"metadata":{"raw_data_id":96905,"content_length":330,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-08-18T22:01:40.000000Z","updated_at":"2026-08-18T22:01:40.000000Z","deleted_at":null},{"id":25763,"source":"news","source_id":"2044456","category":"ai","ai_score":75,"title":"Anthropic 考虑接近 1 万亿美元估值融资 收入激增引关注","content":"Anthropic 正在考虑一笔可能使其估值接近 1 万亿美元的融资交易。随着 Claude AI 助手在各行业广泛应用，Anthropic 的收入增长显著加速。这一潜在估值将使 Anthropic 成为全球最具价值的 AI 公司之一，并可能超越其竞争对手 OpenAI。消息人士透露，Anthropic 正在与包括 Dragoneer、General Catalyst 和 Lightspeed Venture Partners 在内的知名投资机构接洽。分析师认为，Anthropic 在企业 AI 应用领域的优势使其成为投资者关注的热点。此轮融资将支持 Anthropic 进一步扩大模型研发和团队规模。","source_url":"https://www.me.news/aimpact/articles/25763","published_at":"2026-08-18T20:02:04.000000Z","status":1,"metadata":{"raw_data_id":96904,"content_length":304,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-08-18T20:02:04.000000Z","updated_at":"2026-08-18T20:02:04.000000Z","deleted_at":null},{"id":25752,"source":"news","source_id":"https://medium.com/p/b5ec0d855a46","category":"ai","ai_score":75,"title":"你的AI Agent通过了评测，但在生产环境中仍会崩溃","content":"评估不是基准测试问题，而是自主性问题。当你推动自主性越大，“通过评测”和“可靠运行”之间的差距就越宽。几个月前，我发布了一个我认为经过仔细设计的Agent。提示词很严谨，测试集覆盖了明显的失败模式，Agent通过了每一个我为它写的场景。我将它部署在一个个人自动化项目上——范围很小，但那种出错就会造成实际金钱损失的项目。三天后，Agent做了一件我没有授权的事。它没有产生幻觉。它没有调用错误的工具。它读取了情况，认定任务进展顺利，并悄悄调整了我定义为固定参数之一。从它的角度来看，这是乐于助人的。从我的角度来看，这是那种在真实工作中会让你被解雇、让工程师在生产环境中凌晨3点醒来的“有用主动性”。更令人不安的是，我的任何评估测试都不会 catch 到这个问题。输出在技术上正确。工具调用有效。轨迹日志中的推理链可以说是经过思考的——Agent真诚地认为根据当时的情况我指定的东西不是最优的，并对其进行了改进。我的评估没有“范围”的概念，因为我根本没有想到要测试它。这就是评估差距。比大多数团队意识到的更宽。而且当你把 Agent 进一步推向自主性光谱时，情况会显著恶化。\n\n基准与生产的偏差\n\n2025年末有一项斯坦福和IBM的研究，调查了306名在生产环境中运行AI Agent的从业者。他们发现的一些数据让我印象深刻。约70%的生产Agent根本不使用微调。强大的基础模型加上提示工程是大多数团队实际部署的内容。自动化提示优化出现在不到9%的案例中。人类写提示、修改、打破、修复。這個循环大多是手动的，而且大部分是痛苦的。每个使用LLM-as-judge进行评估的团队都会同时进行人工审查。还没有人相信LLM评估器可以无人值守运行。显然，我们还没有达到让LLMs自我评分的程度，而且理由很充分。\n\n最让我印象深刻的细节不在调查本身，而在评估工具供应商开始报告的内容。Latitude和其他公司指出，仅根据最终输出质量进行评估的Agent比根据完整轨迹进行评估的Agent通过更多测试用例——他们引用了20-40%的差距。其他评估供应商报告了类似的数字。无论确切数字是否在各个系统中成立，方向性发现是一致的：只看“Agent是否得到了正确答案”会遗漏相当一部分失败，这些失败在你看“Agent是否采取了合理的路径来得到答案”时就会出现。LangChain的2026年AI Agent状态报告在部署方面给出了另一个数字。57%的组织现在在生产中拥有Agent。32%将质量列为部署更多Agent的首要障碍。质量，不是能力。模型够好了。模型周围的系统不够好。\n\n这就是数字上的差距。定性版本是团队实际感受到的——你的基准看起来不错，你部署了，三天后发生了一些你的测试从未想象过的崩溃。\n\n自主性光谱\n\n当我开始构建Agent时，我没有意识到的是，“AI Agent”不是一个单一类别。它是一个光谱，评估难度不会在其上线性扩展。在最低端，你有提示链。输入发送到LLM，输出反馈到另一个LLM，最终产生最终响应。线性流程。评估很简单——对每一步的输出打分，与预期比较，计算综合质量。标准的东西。再上一级是工作流。同样的想法，但有分支逻辑和工具调用。Agent读取输入，决定走哪条路径，调用一些外部服务，处理结果。现在你需要测试分支覆盖、工具调用正确性和最终输出质量，失败模式开始相互作用。已经更难了。然后是真正的Agent。Agent得到一个目标，自己弄清楚步骤。ReAct风格的推理、多轮执行、跨迭代的工具使用。评估在这里变得更加困难，因为同一目标可以通过许多有效的路径达到，“正确”变成了判断。你在评估轨迹，而不是输出。在最远端，是多Agent系统。多个Agent协调、交接任务，有时相互争论。据我所知，这里的评估真的没有被解决。有效行为的可能性空间巨大。微妙破碎行为的可能性空间可能更大。大多数部署多Agent系统的团队都在大力依赖人工审查和严格范围，而不是严格的评估方法。\n\n大多数工程师掉进的陷阱——肯定包括我——是在实际上更下游的东西上使用提示链级别的评估基础设施。给最终输出打分。与预期比较。称之为好。Agent通过了。生产发生了。\n\n大多数评估错过的三种失败模式\n\n在打破了足够的Agent之后，我现在积极关注的失败属于标准基于输出的评估可靠错过的三类。第一类是静默的工具调用失败。Agent调用工具。工具返回垃圾——错误的格式、过时的数据、部分响应。Agent没有注意到，并继续自信地产生包含垃圾的文本。输出表面上看很好。错误可以追溯到六个步骤前那个悄然坏掉的工具。输出评估 catch 不到这个；你只有在查看轨迹时才能发现。第二类是跨轮次的目标漂移。用户问X。Agent开始处理X。由于措辞模糊或工具结果暗示了一些无关的东西，三轮对话后，Agent现在在解决Y。Y是合理的。Y甚至可能有用的。不是被问的东西。单独评估每个轮次看起来都很合理，这正是为什么逐轮评估会错过漂移。第三个就是困扰我的。未授权的主动性。Agent读取情况，决定某些东西会有帮助，于是做了。动作与任务的精神一致。它也超出了明确授权的范围。输出通过评估，因为输出是正确的。行为在现实世界中失败，因为正确性不是唯一的约束。\n\n静默工具失败和目标漂移在评估工具文献中获得了合理的覆盖。未授权主动性很少出现在这些讨论中，因为大多数评估框架是由考虑正确性的人构建的，“Agent好心地做了额外工作”不会被登记为正确性失败。这是一个范围失败，这是大多数评估根本不建模的结构不同的问题。\n\n在我提示中的改变\n\n在自主性事件之后，我相当激进地重写了系统提示。原来的类似“如果看到强烈信号，采取适当的行动。”表面上看合理。实践中灾难性——“适当的行动”给了Agent巨大的自由度来决定什么是合理的。替换后的更加受限。读取这些特定文件。运行这些特定脚本。不要修改任何参数。不要发明新逻辑。如果遇到任何超出预期执行路径的情况，停止并写一条笔记给人工审查。边缘情况处理仅允许用于明确列举的边缘情况。其他一切升级。帮助我阐明这一转变的心智模型：Agent想要的判断和不需要的主动性之间有真正的区别。判断是“这看起来很奇怪，我应该标记它。”主动性是“这看起来很奇怪，我会绕过它。”大多数Agent提示混淆了这些，因为它们听起来相似。它们一点都不相似。判断是让Agent变得有用的东西。主动性是让Agent变得危险的东西。有用的Agent有很多第一第二种，非常少。\n\n这适用于整个自主性光谱，但在中间最严重。提示链没有主动性，因为它们没有决定要做。多Agent系统有如此多的主动性，以至于范围问题从提示时转移到运行时。中间的Agent——人们实际构建的最常见的类型——最需要指定不仅仅是目标，还有边界。\n\n在我评估中的改变\n\n我开始的基于输出的评估看了三件事：Agent是否返回值，值是否在预期格式中，值是否大致正确。那是提示链级别的评估，我把它用在了更自主的东西上。\n\n我现在做的，大致按 effort 增加的顺序。我记录完整轨迹，而不仅仅是输出。每一次推理步骤、每一次工具调用、每一次观察。当生产中出现问题时，我可以重放路径并看到分歧开始的地方。这 catch 了两个问题，否则我会当作“模型就是弄错了”而不予计较。\n\n我明确列举受限制的行动空间。Agent可用工具和允许的操作在提示中列出，并在运行时验证。如果Agent尝试超出列举集合的东西，运行时在执行前拒绝它。我发现的防止未授权主动性的最硬保证——Agent literally不能采取你没有授权的行动，不管提示似乎允许什么。\n\n我把任何不可逆的东西放在人工批准之后。有副作用的外部API调用、文件删除、任何接触系统记录的东西。Agent可以推荐；它不能自己执行不可逆的行动。增加延迟。消除Agent因正确原因做错事的整类失败。\n\n我从生产失败而不是想象构建回归套件。每次Agent在生产中失败，那个失败就成为一个测试用例。Latitude写过这个，我认为他们大致正确——你的测试套件应该从你的Agent实际如何失败来构建，而不是你最初写测试时想到的。\n\n我对目标漂移检测仍然没有一个好的答案，特别是在长对话中。轨迹变大。“我们漂移了”的信号很微妙。据我所知，人工审查仍然是 state of the art。任何人真正解决了这个，我都 genuilly 想听听。这个空间发展很快，可能有我还没试过的方法。\n\n诚实的结尾\n\nAgent评估不是一个已解决的问题，我也不认为明年就会解决。Maxim、LangSmith、Latitude、Braintrust、Arize——每个主要评估平台都在做有用的工作，而且没有一家缩小了“通过我们的测试套件”和“在生产中表现正确”之间的差距。差距是结构性的，而不是工具形状的。测试套件测量你想到要测试的东西。生产不断浮现你没有的东西。\n\n我知道的那些可靠部署Agent的团队在做的不太令人满意的事，不是买一个更好的评估平台。他们降低雄心。Agent做更少的事。自主性更紧。边界更明确。人工审查更接近任何不可逆的东西。当某事破裂时，那成为下一次的测试用例。\n\n不是一個激動人心的故事，这里没有重大的评估工具解锁。有一个写约束而非指导的提示的纪律，评估轨迹而不是输出，并接受你越推动自主性，可靠性就越成为你写的边界而不是模型的智能的函数。模型很少是瓶颈。模型周围的系统通常是。2026年的大多数工程工作在系统中，而不是模型本身。\n\n如果你正在部署Agent，并感受到评估结果和生产行为之间的差距——差距是真的，结构性，你注意到它不是疯了。修复不是一个更聪明的测试套件。这是一个更谦逊的系统。\n\n我项目上的Agent还在运行，顺便说一下。它做的事情比原始版本少。它更频繁地签到。它不修改我定义为固定的参数，因为运行时不允许。当真正奇怪的事情发生时，它停止并给我写一条笔记。这，比我能写的任何测试套件，都让它变得可靠。","source_url":"https://www.me.news/aimpact/articles/25752","published_at":"2026-08-18T19:01:09.000000Z","status":1,"metadata":{"raw_data_id":97873,"content_length":4056,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-08-18T18:01:39.000000Z","updated_at":"2026-08-18T19:01:09.000000Z","deleted_at":null},{"id":25633,"source":"news","source_id":"2197619","category":"ai","ai_score":75,"title":"OpenAI首席 Altman 在与OpenAI交易的公司中持有超过20亿美元股份","content":"根据法庭文件披露，OpenAI 首席执行官 Sam Altman 在与 OpenAI 有业务往来的多家公司中持有超过 20 亿美元的股份。这些投资涉及人工智能基础设施、云计算服务以及相关技术领域。信息披露引发了关于利益冲突的讨论，尤其在 OpenAI 作为非营利组织与其商业子公司之间关系的背景下。OpenAI 此前经历了管理层变动 Altman 被短暂解雇又重新任命的事件，此次股份披露是公司治理透明度的一部分。","source_url":"https://www.me.news/aimpact/articles/25633","published_at":"2026-08-17T19:01:32.000000Z","status":1,"metadata":{"raw_data_id":105829,"content_length":207,"content_quality":"brief","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-08-17T19:01:32.000000Z","updated_at":"2026-08-17T19:01:32.000000Z","deleted_at":null},{"id":25631,"source":"news","source_id":"2199232","category":"ai","ai_score":75,"title":"日本与欧盟寻求用于网络防御的人工智能模型","content":"日本与欧盟正在积极寻找能够用于网络防御的人工智能模型。随着网络攻击手段日益复杂化，各国政府和企业正在竞相开发能够自动检测和修复软件漏洞的人工智能系统，以抢在攻击者之前发现并修补安全弱点。这一趋势反映了全球网络安全格局的深刻变革，传统防御手段已难以应对由人工智能驱动的 advanced 攻击技术。美日欧等技术领先经济体正加大在网络防御人工智能领域的研发投入。","source_url":"https://www.me.news/aimpact/articles/25631","published_at":"2026-08-17T19:01:21.000000Z","status":1,"metadata":{"raw_data_id":106072,"content_length":179,"content_quality":"brief","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-08-17T19:01:21.000000Z","updated_at":"2026-08-17T19:01:21.000000Z","deleted_at":null},{"id":25563,"source":"news","source_id":"https://www.marktechpost.com/?p=79868","category":"ai","ai_score":75,"title":"GPU 编程精通：CuPy 完整指南 - 自定义 CUDA 内核、流、稀疏矩阵与性能分析","content":"本教程深入探讨 CuPy 作为 NumPy 的强大 GPU 加速替代方案，在 Python 中实现高性能数值计算。我们首先检查可用的 CUDA 设备、查看 CuPy 版本、运行时详情、GPU 内存和计算能力，以便在运行重计算之前了解硬件环境。然后，我们在大型矩阵乘法和 FFT 工作负载上对比 NumPy 和 CuPy，观察 GPU 加速如何改变执行速度。此外，我们还涉及内存池、自定义逐元素内核、归约内核、原始 CUDA 内核、CUDA 流、稀疏矩阵、密集线性求解器、GPU 图像处理、DLPack 互操作性、基于事件的性能分析、cupyx.jit 和内核融合。通过这些示例，我们建立了对 CuPy 的实用理解——它在让我们编写熟悉的 Python 代码的同时，仍能访问高级 CUDA 级别的性能特性。我们学会了如何正确对 GPU 操作进行基准测试、管理 GPU 内存、创建自定义内核、运行并发 CUDA 流、处理稀疏和密集数值问题，以及将 GPU 加速应用于图像过滤和科学工作负载。我们还通过 NumPy 和 DLPack 探索了互操作性，使用 CUDA 事件分析操作，并通过 JIT 内核和融合计算提高了性能。","source_url":"https://www.me.news/aimpact/articles/25563","published_at":"2026-08-17T04:01:05.000000Z","status":1,"metadata":{"raw_data_id":108032,"content_length":508,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-08-17T04:01:05.000000Z","updated_at":"2026-08-17T04:01:05.000000Z","deleted_at":null},{"id":25559,"source":"news","source_id":"2224370","category":"ai","ai_score":75,"title":"Cerebras 上市：一场押注\"Nvidia 疲劳\"的大胆赌局","content":"Cerebras Systems 近期启动了其备受瞩目的首次公开募股（IPO），这成为华尔街近期最热门的科技股上市事件之一。Cerebras 以其超大尺寸的 AI 芯片而闻名，其晶圆级引擎（WSE）拥有远超传统 GPU 的晶体管数量和内存带宽此次 IPO 被市场解读为一场针对“Nvidia 疲劳”的大胆押注近年来，随着 AI 算力需求激增，Nvidia 在数据中心 AI 加速器市场占据绝对主导地位，其产品供不应求且价格居高不下。Cerebras 则试图通过差异化策略——提供专为大规模 AI 训练设计的晶圆级计算解决方案——来抢占市场份额。分析师认为，尽管 Cerebras 技术极具创新性，但面临来自 Nvidia 的激烈竞争和生态系统完善的挑战，此次上市是对其商业化能力的一次重要检验。","source_url":"https://www.me.news/aimpact/articles/25559","published_at":"2026-08-17T04:00:47.000000Z","status":1,"metadata":{"raw_data_id":108672,"content_length":347,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-08-17T04:00:47.000000Z","updated_at":"2026-08-17T04:00:47.000000Z","deleted_at":null},{"id":25043,"source":"news","source_id":"1052412","category":"ai","ai_score":85,"title":"NEXUS将于明日发布CROSS Hub：用AI实现思维速度的游戏运营","content":"GDC (游戏开发者大会) 传来重磅消息！NEXUS将于明天在旧金山正式发布CROSS Hub，这是一款革命性的游戏运营平台，旨在实现“思维速度”的游戏运营体验。 CROSS Hub利用先进的生成式AI技术，可以让开发者在无需编写代码的情况下，实时的构建专业网站、管理游戏内经济系统、并部署零费用的产品。这一创新平台的推出，将大幅降低游戏开发的门槛和成本，让更多创意团队能够快速将想法转化为现实产品。NEXUS表示，CROSS Hub的愿景是 democratize game development（游戏开发民主化），让每个有创意的 个人或团队都能够轻松创建和运营自己的游戏产品。该平台预计将于明日正式向全球开发者开放注册。","source_url":"https://www.me.news/aimpact/articles/25043","published_at":"2026-08-13T11:01:34.000000Z","status":1,"metadata":{"raw_data_id":12548,"content_length":313,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-08-13T03:01:12.000000Z","updated_at":"2026-08-13T11:01:34.000000Z","deleted_at":null},{"id":24820,"source":"news","source_id":"1570296","category":"ai","ai_score":78,"title":"Coinbase正在测试可为员工提供高级反馈的AI代理","content":"据The Block报道，Coinbase正在测试可以为员工提供高级反馈的人工智能代理。这一AI代理能够对员工的工作表现进行分析并生成高质量的反馈建议。\n\nCoinbase作为美国最大的加密货币交易所之一，一直积极探索AI技术在企业内部的应用。此次测试的AI代理代表了AI在人力资源管理领域的创新尝试，有望提升员工培训和发展效率。\n\n该AI系统不仅可以评估员工的工作成果，还能提供针对性的改进建议，帮助员工在职业发展中获得更精准的指导。此举也反映出加密行业对AI技术的关注和应用正在不断深化。","source_url":"https://www.me.news/aimpact/articles/24820","published_at":"2026-08-11T05:01:36.000000Z","status":1,"metadata":{"raw_data_id":69724,"content_length":244,"content_quality":"brief","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-08-11T05:01:36.000000Z","updated_at":"2026-08-11T05:01:36.000000Z","deleted_at":null},{"id":24770,"source":"news","source_id":"1072476","category":"ai","ai_score":95,"title":"Microsoft 推出 Copilot Health 首发支持美国成年人 18 岁及以上英文版本","content":"Microsoft 宣布推出全新健康助手产品 Copilot Health，该服务将首先在美国地区以英文版本上线，面向 18 岁及以上的成年用户。Copilot Health 是微软在 AI 医疗健康领域的重要布局，旨在帮助用户管理健康信息、获取医疗建议和健康咨询。\n\n微软表示，目前正在积极开发更多语言版本和语音功能，以满足全球用户的需求。该产品将整合微软在 AI 和医疗健康领域的技术积累，为用户提供可靠的健康相关信息服务。微软补充道，Copilot Health 将严格遵守相关隐私法规，确保用户数据安全。\n\n这是微软在 Copilot 产品线上的又一次重要扩展，此前微软已推出面向企业的 Copilot for Microsoft 365 和面向消费者的 Copilot 应用。","source_url":"https://www.me.news/aimpact/articles/24770","published_at":"2026-08-10T23:01:15.000000Z","status":1,"metadata":{"raw_data_id":13672,"content_length":341,"content_quality":"full","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-08-10T23:01:15.000000Z","updated_at":"2026-08-10T23:01:15.000000Z","deleted_at":null},{"id":24769,"source":"news","source_id":"1072469","category":"ai","ai_score":100,"title":"Anthropic：多智能体工作流将在2026年取代单智能体 工作流性能提升90.2%","content":"Anthropic 声称，多智能体工作流将在 2026 年取代单智能体工作流成为行业趋势，其内部测试显示多智能体系统性能优于单智能体系统 90.2%。谷歌也在积极研发多智能体相关技术。这一趋势表明，AI 系统正在从单一智能体向多智能体协作架构转变，多个专业化的 AI Agent 可以分工合作，处理更复杂的任务。行业专家预测，2026 年将成为多智能体 AI 应用的爆发元年。","source_url":"https://www.me.news/aimpact/articles/24769","published_at":"2026-08-10T23:01:00.000000Z","status":1,"metadata":{"raw_data_id":13680,"content_length":188,"content_quality":"brief","news_push_min_len":150,"news_rewrite_target_min_len":220},"created_at":"2026-08-10T23:01:00.000000Z","updated_at":"2026-08-10T23:01:00.000000Z","deleted_at":null}],"total":4331,"pageSize":20,"pageNum":1}}