@emollick：这篇论文很好地展示了自主AI科学家的前景与不足。关键问题在于更先进的模型能在多大程度上弥补这些不足。
论文展示自主AI科学家的优劣，关键在于先进模型能否弥补差距。
谷歌AI概览可能正在对维基百科造成类似编码代理对StackExchange的影响
早期证据显示，谷歌AI概览可能正像编码代理冲击StackExchange那样，减少维基百科的访问量。
@emollick：GLM-5.3是个好模型，随着开源权重模型越来越好，发布模型卡、进行红队测试等变得越来越重要。既然任何开源模型都能突破护栏，我们也需要了解风险。
GLM-5.3虽好，但开源模型需重视模型卡与红队测试，风险认知不可或缺。
@emollick：除经济影响外，AI视频、图像与音乐模型已足以成为让更多人创作新艺术的工具
AI媒体模型已成创作工具，让更多人创作新艺术。创意繁荣何时在低质洪流中出现？
@emollick：AI视频生成跨过了一道门槛。在我的实验中，仅用网页界面，H3 Max现在能生成质量尚可的AI视频，耗时比观看视频还短。从我点击“生成”按钮起即为实时（还包括提示增强）。
AI视频生成迈过门槛：H3 Max网页端即可实时生成高质量视频，耗时短于观看时间，含提示增强。
@emollick：我发现大量AI垃圾论文被贴在预印本网站上，署着我的名字，我从未写过也没见过。与我交流过的其他学者也有同样发现。
发现大量AI垃圾论文冒名挂于预印本网站，本人未写，其他学者亦有类似遭遇。
@emollick：一篇有趣的论文指出，人类增强与任务自动化未必相关。擅长执行任务的模型，并不总能更好地辅助人类工作。
论文表明，人类增强与任务自动化无关，擅长做事的模型不擅长辅助人类，恐削弱人机协作。
代理购物研究：能否持续预测或影响AI代理的选择？
研究发现，页面浏览顺序、记忆等细微差异都会导致AI偏好不可预测地改变。
@emollick：关于Hugging Face的METR报告非常好且重要，但人们现在舒心地把过多的人类动机与个性归因于其中智能体，而这基于一项由不堪重负、时间紧迫的研究者所做的思维链（CoT）研究。拟人化会成为我们的阻碍。
METR报告重要，但人们依据仓促的CoT研究过度拟人化AI，拟人化会误导我们。
关于AI常引用电力花30年才提升生产率的故事（我也讲过），但并非所有技术如此：福特流水线3年普及，汽车制造时间缩短88%。
AI常被类比电力需30年见成效，但福特流水线3年推广即大幅提效，说明技术应用速度各异。
@emollick: 我们可以将 PHASEONE[big] 添加到列表中
无实质摘要内容
@emollick：在开放权重Mythos级模型/工具包可用前，你的组织在加强网络安全上投入不足。HuggingFace事件表明，即使没有故意作恶者，也可能遭遇AI黑客攻击。
组织需在开放权重强模型普及前加强网络安全，因为即使无恶意攻击者也可能因AI漏洞遭袭（如HuggingFace事件）。
中文标题
Moltbook虽怪异且充满人类角色扮演，却100%预示了智能体在真实环境中交流的实况。
@emollick：这是未来的征兆
AI行为解释性本就脆弱，多智能体长期协作产生海量思考令牌后更甚，只能靠其他AI但能力有限。
看来疯狂的麦克斯说对了：文献中，澳大利亚在各种全球灾难风险情景下都表现出韧性。
澳大利亚在多种全球灾难情景中均展现出最强韧性。
@emollick：我知道这对从未要求AI改变现状的教师来说很难，但如果你在教学，且过去6个月未更新对AI能力（大增）、错误率（大降）及学生中普及度（近乎全员）的预期，你需要…
AI能力大增、错误率大降、学生几乎人人使用，教师必须更新对AI的预期。
@emollick：世事变化之快可见一斑，这就是OpenAI在2025年10月所宣布的企业AI代理未来。
OpenAI 2025年10月公布的企业AI代理愿景已过时，6月停用Agent Builder，但不少企业产品仍沿用此模式。
数学没问题，但实验室对新模型的模糊宣传应只允许发布Sparks of AGI论文中提示词的输出：“用TiKZ画一只独角兽。”
模糊宣传新模型应只许发“用TiKZ画独角兽”的提示输出。
@emollick：我的AI大体上同意Arvind的AI：州级数据中心禁令对AI整体进展影响甚微。
我的AI与Arvind的AI一致：州级数据中心禁令影响甚微；担忧AI发展需政策。
我认为讨论风向转向“AI影响需多年才显现”过头了，正如之前“AI将立刻改变经济”也过头一样。
AI影响时间表争论两极分化：从“即刻改变经济”到“多年后才见效”，都过于极端。
@emollick：提醒所有提交申请、论文或任何由同一人审阅多份材料的人：是的，他们能看得出来
阅卷者能看出AI写作，即使改写语言，大量阅读时内容会雷同。
@emollick：当人们问“我需要智能体处理哪些个人任务？”我想是因他们把自动化视为AI的简单常规任务。
人们问需智能体处理何种个人任务，是因将自动化视为AI的简单常规任务。
是时候假装精通数学，好对这事有多厉害发表看法了。
假装精通数学，以便评价其惊人之处。
@emollick: Annoying side effect of all the AI bots on the site is that they are all “well-read” and therefore reply cogently my niche reference tweets that would normally attract a small but interested group now get LLM replies.
@emollick：阿玛拉定律依然不败。
阿玛拉定律依然未被击败。
@emollick：仅引用旧模型的人工智能影响研究并非本质不良，但需谨慎讨论且对非技术读者清晰明确。
研究AI影响用旧模型并非不可，但需谨慎讨论并确保非技术读者能理解；若展示AI能做某事则无妨。
@emollick：生活中充满各种因复杂、设计、缺乏关怀或所需时间而难以应对的事情：医疗、政府事务、个人财务、学校表格皆在其中
生活中有诸多复杂难办之事，如医疗、政务、财务、表格，消费者AI能提供帮助却常被低估。
神秘模型Ox Alpha未达前沿，早期测试尚可但不如Kimi K3。
作者称Ox Alpha表现一般，非开源顶尖，测试中不如Kimi K3。
@emollick：在日常实用性和节省时间方面，Codex 和 Claude Code 非常擅长处理“帮我填写邮件里提到的表格”这类请求，且无需你进一步干预就能做好。对于低风险但耗时的事情来说非常棒。
Codex和Claude Code能自动填写表格等低风险耗时任务，无需干预，省时实用。
@emollick：我不喜欢把“像对5岁小孩解释”作为“让这易懂”的默认方式，LLM的妙处在于能当跨主题的通用翻译器。
拒绝“傻瓜式”简化，主张基于用户已有知识做个性化解释，LLM可作跨领域通用翻译器。
@emollick：寓言：“我想要一个能渲染《黄衣之王》中失落卡科萨的twigl着色器。”
仅用数学程序化生成的着色器，再现《黄衣之王》中的失落卡科萨。
@emollick：这将是一个充满矛盾的时代
民意讨厌AI，私下却人人用；AI公司舆论承压，但许多人深爱自家模型。
@emollick：现在回到Claude Fable 5：“我让GPT-5.6 Sol创作一幅最像Claude风格的恶搞图片，结果它弄出了这个。出来应战吧。” https://t.co/x7HygtTdCA
@emollick让GPT-5.6 Sol生成最Claude风格的恶搞图，结果意外，呼吁迎战。
中文标题
我让GPT-5.6 Sol创作最Claude风格的恶搞图，结果精准传神、相当出色。
@emollick：是的，AI实验室的CEO们确实谈论过构建能取代所有劳动力、可能带来生存风险的AI，因为据我所知，早在他们的公司变得有价值之前，他们就相信这是真的。他们停止谈论风险才是公关部分。
AI实验室CEO们起初真心相信AI会取代所有劳动并带来生存风险，后来闭口不谈风险才是公关操作。
@emollick：即使LLM写得很好，缺乏风格多样性也是致命的。在使用说明、社交媒体、广告、软件和PowerPoint中读到同样的文字，最终会令人作呕。
大模型即便文笔好，但风格单一，雷同文字遍布各处，终令人厌恶。
@emollick：政治哲学家会这么说。
多智能体对齐本质是组织设计问题，涉经济社会学，多学科均可贡献。
@emollick：AI模式（ChatGPT Work/Codex/Chat，Claude Cowork/Code/Chat）与形态（电脑应用、网页应用）激增，令人困惑的是我搞不清各自拥有哪些功能：插件、技能、记忆、权限、文件等究竟分别适用于哪种情况？🤷♂️
AI模式与形态激增，用户困惑各版本功能差异（插件、技能、记忆、权限、文件等）。
@emollick：Claude的技能创建器（只需让它制作技能）仍是注重细节时制作可复用技能的最佳方式；ChatGPT爱直接代劳，Claude则测试并展示结果，反复征询反馈。
Claude技能创建器注重细节，通过测试展示结果并反复征求反馈，比ChatGPT直接代劳更优。
@emollick：要么奇点现在是营销术语，要么Stripe认为我们正处在人类历史上的一个节点——‘越过该节点，我们所知的人类事务将无法继续’？
要么奇点是营销术语，要么Stripe认为我们已到奇点，令前瞻性财务报表失去意义。
@emollick：技术对就业的影响随时间变化
技术对就业的影响随时间演变：工业革命中，手工织布因机器产廉价纱而繁荣，但动力织机出现后引发卢德运动。
@emollick：我不知道这条新闻是否属实，但它确实指出了“主权AI”的一个重大问题——如果你的主权模型远落后于前沿，那么在前沿应用（如网络空间）中用落后模型参与竞争会付出巨大代价。
主权AI若远落后于前沿，用落后模型参与网络等前沿应用竞争，代价巨大。
@emollick：这是一篇好论文，AI无疑让作弊问题更严重，但人们容易忽视此前问题有多糟。
大学作业提升成绩比例从2008年86%降至2017年45%，因网络抄袭。AI使作弊更严重，但之前已很糟。
@emollick：Qwen 27B 是很好的本地模型，但使用时明显远不如其他模型，尤其在智能体任务和复杂任务上
Qwen 27B 虽是优秀本地模型，但在智能体及复杂任务上远逊于其他模型，需自行基准测试。
AI检测器欺骗初创公司的输出是糟糕的写作
AI检测器欺骗初创公司的产出是劣质文章。
中文标题
OpenAI愿将20%研究推理算力用于思维链监控，说明对齐问题已相当严重，亟需跨实验室统一政策与标准。
@emollick：早期证据表明，AI或正在加速预期最优先领域的科学发现
早期证据显示，AI在预期优先领域加速科学发现。
@emollick：LLM竟然具备心智理论，这本身就是件大事（发现时还曾引发争议），但当模型需要考虑多个受众时，局限仍可见——如编程时难以区分最终用户与创建者的需求/视角。
LLM有心智理论是重大发现（曾引争议），但应对多受众时显局限，如编程难分用户与创作者视角。
@emollick：我父亲多年没用笔记本电脑，刚买一台新MacBook，却不知如何设置
父亲听建议装Codex，让其自动处理设置和安装，家庭IT支持从此改变。