Microsoft Research 访谈：AI 会犯什么错，失败能教会我们什么
Microsoft Research 访谈 Jennifer Neville，讨论评估如何推动 AI 系统性能边界，并揭示传统 benchmark 之外的“意外失败”。Neville 研究交互式领域与结构化数据中的机器学习和 AI，已发表 130 多篇论文、获 10,000 多次引用，并分享当前 AI 系统使用建议。
内容形态
大佬观点 最新动态
行业关键人物在想什么：创始人访谈、研究者论战、投资人判断的观点集合。
248 条精选近 30 天 248 条共收录 439 条
更新
精选归档 · 第 13 页
Microsoft Research精选AI 评分4949
Wired · AI精选AI 评分4949 Kevin Roose 没有用 AI 写他的 AI 新书 The AGI Chronicles
Kevin Roose 的新书 The AGI Chronicles 记录 OpenAI、Anthropic 和 Google 三家生成式 AI 领导者的近年历史，写作基于 150 多次 AI 内部人士访谈。他还与 Casey Newton 创办 Machine Gods Media，并与 NPR 达成播客发行合作，主张以“AI 现实主义”介于唱衰与炒作之间。
36氪精选AI 评分5858 Rabbit 创始人吕骋谈个人 Agent：人不该为 Agent 改变思考方式
Rabbit 创始人吕骋认为，人不该为 Agent 改变思考方式，个人 Agent 应该让用户只说出目标，再自行寻找设备和办法完成任务。材料提到 Rabbit 上个月开放新一代 Agent 操作系统 OS3，可从网页或 Telegram 交代任务，调用用户自选的 AI 模型，连接最多五台电脑查文件、操作软件、浏览网页或写代码。
Latent Space精选AI 评分6565 Airbnb CTO Ahmad Al-Dahle 谈用 inside-out AI 重建内部开发与用户体验
Airbnb CTO Ahmad Al-Dahle 向 Latent Space 介绍了公司将自身转向“AI-native company”的 inside-out AI 路径，即先用 AI 提速内部产品开发，再把同类能力用于客户体验。
MIT Technology Review · AI精选AI 评分6161 Thore Graepel 认为 LLM 并不具备真正推理能力
Thore Graepel 认为，当今 LLM 主要依赖 next-token prediction 和 CoT 延长生成过程，并不具备 AlphaGo 式的独立推理机制。他以 AlphaGo 的政策网络与搜索机制解释第 37 手，指出真正推理需要显式、持久、可检查的认知状态，以及知识与操作知识方式的分离。他主张未来 AI 应维护可审计的证据、推理和信念修订序列，用于科学、医学、工程等高风险领域。
Latent Space精选AI 评分4545 MIT Alex Zhang：学术界需要雄心，RLMs 与 AI 智能体集群的研究机会
Latent Space 访谈 MIT 的 Alex Zhang，讨论 RLMs、GPU Mode、KernelBench、AI 生成 GPU kernels 与多智能体集群。
NVIDIA Blog精选AI 评分2525 NVIDIA AI Factories 如何通过高产、耐用和可替代性最大化 ROI
NVIDIA 称 AI Factories 通过更高 tokens/兆瓦、较长硬件寿命和多工作负载适配来提高 ROI。SemiAnalysis AgentX 数据显示，NVIDIA Vera Rubin NVL72 在 DeepSeek V4 Pro 上较 GB300 NVL72 吞吐/兆瓦高逾 30x、每百万 token 成本低至 45x。
GitHub Blog · AI & ML精选AI 评分3636 GitHub Podcast 讨论 AI 热点争议：读代码、RAG、Skills 与 MCP
GitHub Podcast 讨论多项 AI 开发热点：AI 生成代码仍需审查，RAG 没有消亡，Skills 也没有取代 MCP。文章认为开发者的关键能力是判断风险、解释 AI 使用方式，并把 agents、Skills、MCP 与 RAG 作为可组合的工作流组件。