跳到正文
9月18日周五
  1. GitHub Blog · AI & ML22

    GitHub Podcast 拆解五大 AI 热梗:读代码、RAG 已死、Skills 杀死 MCP?

    GitHub Podcast 最新一期拆解了五个 AI 热门论断:AI 生成代码仍需阅读,但审查力度应按风险分级;Skills 与 MCP 解决不同问题,前者是可读的 Markdown 打包经验,后者提供工具与数据的标准接入;RAG 并未消亡,检索能为模型提供训练数据外的文档、内部知识与代码库上下文,减少 token 浪费并降低答案不完整的概率。

9月17日周四
  1. IEEE Spectrum22

    在 AI 时代重新思考机器人安全:从 BadVLA、UniPwn 到运行时感知操纵

    随着机器人通过多模态传感器感知并用 AI 模型决策,安全焦点正从"故障时是否安全"转向"攻击者篡改其所见、所判、所做时是否仍安全"。NeurIPS 2025 的 BadVLA 可对 VLA 模型植入后门,在触发器出现时改变动作轨迹;2025 年的 GoBA 用咖啡杯等普通物体作触发器,报告 97% 攻击成功率。

9月16日周三
9月15日周二
  1. Google AI Blog36

    Google 发布 AI & Economy ATLAS 新数据可视化与科学家 AI 使用研究

    Google 为 AI & Economy ATLAS 推出新的交互式开放数据可视化,便于查看各职业与各国的 AI 使用率。基于 ATLAS 的新研究分析 2600 个专用 AI 模型并调查 600 多名美英科学家,发现近半数科学家每天使用 AI,每周节省近 7 小时,但验证 AI 输出耗时增加、待检验假设积压,物理实验与临床验证环节出现瓶颈。

9月8日周二
9月7日周一
8月31日周一
8月10日周一
7月30日周四
7月7日周二
  1. Berkeley AI Research36

    智能免费之后怎么办?面向智能体、由智能体运行、由智能体构建的数据系统

    GPT-4 级能力从 2023 年初的约 $30/百万 token 降至如今不到 $1,部分厂商已低于 $0.10,推理价格年降幅在 9x 到 900x 之间,中位数约 50x。UC Berkeley 的 Aditya G. Parameswaran 等人提出,近乎免费的推理成本带来三类数据系统挑战:面向智能体的数据系统、由智能体运行的数据系统,以及由智能体构建的数据系统。

6月30日周二
2月9日周三
  1. IEEE Spectrum48

    Andrew Ng:AI 不必越做越大,小数据才是下一个转折点

    Andrew Ng 在 IEEE Spectrum 专访中提出,AI 的下一个重要转向是"以数据为中心",用"小数据"方案解决模型效率、准确率和偏见问题。他认为大模型扩展仍适用于 NLP 和视频等场景,但许多行业并不存在海量数据集,50 个精心设计的样本就可能足够训练神经网络。他目前通过 Landing AI 的 LandingLens 平台,用计算机视觉帮助制造业改进视觉检测。

2月8日周二
  1. IEEE Spectrum22

    AI 将如何改变芯片设计

    MathWorks 的 MATLAB 平台高级产品经理 Heather Gorr 阐述了 AI 在芯片设计与制造全流程中的作用,包括缺陷检测、异常检测与故障缓解、计划与非计划停机分析。她指出,用代理模型替代计算密集的物理建模可加速参数扫描与 Monte Carlo 仿真,从而降低成本,但这类 AI 模型精度不及物理模型,且建模依赖来自多种传感器和团队的数据。