这一天没有符合筛选的内容。
Figure 在 30 个湾区租赁住宅中测试了 Helix 2.5 模型，机器人在完全陌生的环境中执行全身任务，无需任何新训练。测试涵盖三类全身行为，成功率为 56%（237/420 次尝试）。Helix 2.5 是首个在 Index 数据集上训练的模型。Index 当前每秒生成 50 分钟训练数据，活跃用户超 10 万/周。消融实验显示，相同模型和任务数据下，有 Index 预训练的零样本成功率为 56%，无预训练仅为 8%。Figure 已承诺投入 35 亿美元算力用于下一版本 Helix。详细报告 | Corey Lynch 主推
Anthropic 在 Claude Code 中推出 Projects 新体验。用户在一个对话中描述任务，Claude 自动拆分成多个并行线程，协调执行。系统包含一个主协调 agent 和多个专业子 agent，能够持续工作直到任务完成。Projects 整合了 Claude Tag 的架构，支持主动执行、定时任务和跨会话记忆。Claude 官方公告 | ClaudeDevs 详细说明
OpenAI 推出 Astra for Law，将 GPT-6 Astra 与法律分析和写作指令、专门设置及新的 Legal Search Index 配对。该索引搜索美国判例法、法规、行政法规、法院规则和行政决定，覆盖超过 2.3 亿个 URL，并实时更新。系统包含 26 个合作伙伴构建的插件和 47 个社区插件，合作伙伴包括汤森路透、Harvey、Legora 和 iManage。Sullivan & Cromwell 构建了协议分析器，Ropes & Gray 构建了 M&A 尽职调查系统，Cooley 构建了 IPO 准备工具 GO Public。初期将通过 ChatGPT 和 Codex 的 Trusted Access 向选定律所提供，API 访问即将推出。OpenAI 官方公告
Anthropic 表示，AI 系统正变得更强，并越来越多地被用于构建下一版本的自己，因此公开三项度量指标，供公众追踪前沿实验室内部的 AI 发展速度：(1) 有多少 AI 研发由 AI 自身完成；(2) AI agent 的行为在多大程度上受到监督；(3) 算力如何分配。报告将递归自我改进（RSI）定义为"一个模型完全自主地构建其后继者"。
Anthropic 称给出了这三项指标在内部的快照，"任何前沿开发者都可以发布同样的指标，第三方也可以进行验证"。在世界考虑为前沿 AI 发展节奏设限（pacing the frontier）之际，应当尽一切可能缩小前沿实验室所知与公众所知之间的差距——更好地测量 AI 发展、公布发现，并给社会一个决定如何使用这些信息的机会。
据报告页面，截至 2026 年 8 月，Claude 在 Anthropic 的模型 R&D 任务中"主导"（leads）的比例为 26%，高于 2026 年 2 月的不到 1%；达到"AI 协作"及以上水平的任务占比超 90%，但 Claude 并未在任何被测的 AI R&D 子集上完全自主。算力方面，7 月 13—20 日一周中，投入 AI R&D 的算力约 6% 用于安全相关工作，AI 驱动的 AI R&D 算力中约 12% 用于安全（报告称这是保守估计）。Anthropic 公告 | 报告原文与方法论 | CNBC 报道
Zartbot 发布 DeepSeek-V4.1-Flash 的深度分析。V4.1 是比许多人想象的更大的架构进步，是比 V4 更疯狂的偏离常规路线，更具说服力。它不仅改进了 HISA（Hierarchical Sparse Attention），在稀疏注意力研究中做了大量工作。现在 DSA（Dynamic Sparse Attention）已被证明有效，1M 上下文只是稀疏注意力的起点。V4.1 在大多数 agent/编码任务中完全碾压 V4 模型，模型规模更大，但在一些高信号 benchmark（MathArena、CritPt）上反而持平甚至退步。详细分析
据 TechCrunch 报道，华为将于 2027 年第一季度推出 Ascend 960DT 芯片，提前至少六个月。该芯片针对 FP4 精度优化，单卡提供 288GB 内存。华为的 100K 卡超级集群（使用 25 个 Atlas-960 超级节点）可在 30 天内训练 10T 参数模型（使用 100T tokens），同一集群可分割成 352 卡实例用于小型任务。TechCrunch 报道 | WSJ 报道
Epoch AI 分析发现，贸易数据显示超过 30 亿美元的芯片通过马来西亚走私到中国。2024 年 4 月至 2025 年 6 月间，中国记录从马来西亚进口服务器 38 亿美元，平均每台 10.6 万美元。马来西亚申报的同批货物每台仅 1.7 万美元。两国对交易数量一致，但价值相差 6 倍。其他国家在同期从马来西亚进口的服务器单价低 5-70 倍。这一流动始于美国禁止向中国出口 Nvidia A800/H800 GPU（2023 年 10 月）后数月，并在马来西亚要求高性能 AI 芯片出口或转运许可（2025 年 7 月）后几周内崩溃。这一贸易可能代表约 15 万张 H100e 算力，约为早期建模估计的中国 2025 年全部走私芯片的四分之一。Epoch AI 数据洞察
Sakana AI 发布多项更新：(1) Sakana Chat 升级，刷新协调器模型到最新版本，新增记忆功能；(2) Fugu Max 现已在 Sakana Chat 上免费使用；(3) Smart Cellular Bricks 研究登上 Scientific American——200 个简单方块在没有中央控制器的情况下集体识别自己的形状并自我修复；(4) 招聘防务领域专家（Defense Domain Expert）。Sakana Chat 更新 | Fugu Max 公告 | Smart Cellular Bricks
Anthropic 启动 Life Sciences Verification Program（LSVP），生命科学专业人士可通过该计划使用包括 Mythos 在内的模型，配备专门设计的新安全措施，支持全方位生物相关工作。此前 Mythos 模型从未公开提供。Anthropic 公告
围绕视觉-语言-动作（VLA）模型和机器人基准的讨论：一位开发者（skalskip92）展示 Astra 在 SO-101 机械臂上的零样本演示效果不佳。随后 Liber AI 在 RoboDojo 上击败 Astra，JieWang 评论"祝贺 @liberai_robot 在 RoboDojo 上击败 Astra，非常令人印象深刻的通用灵巧策略！"Paxton 表示"很高兴看到这些负面结果"，并指出"Astra 在榜首的地位没维持多久"。skalskip92 演示 | JieWang 评论
Epoch AI 推出 Benchmark Reviews 新计划，首批审查 15 个 AI 基准：4 个通过验证（Verified），9 个存在缺陷（Flawed），2 个信息不足。"Verified"基准可被大致按描述解释，任何错误不会实质性影响结果。"Flawed"基准存在一个或多个实质性缺陷，用户需要了解这些缺陷才能准确解释结果，最常见的是超过 20% 的任务存在影响准确性的错误。为避免利益冲突，Epoch 不审查自己创建的基准，但欢迎外部审查。每次审查针对特定基准版本，如果基准更新修复错误，可能会审查新版本。Epoch AI 公告
在 BlueSky 上与"AI 不真实"的人互动——这种观点正在消退。取而代之的是"AI 在所有方面都是坏的"观点（包括真实和虚假的理由列表），这使得难以专注于以务实方式减轻危害的政策。原帖；补充"AI 可能有很多坏的方面！减少 AI 的危害（并鼓励积极用途）应该是优先事项，不仅仅是为了存在风险。但最糟糕的情况是，它变成了一种希望回滚 AI 使用甚至在当前能力（而非未来能力）的愿望，这是死胡同"。Source
与非营利组织领导者交谈时，他们经常报告员工的广泛抵制，通常是因为环境反对意见（混合了真实问题和虚假问题）。这让他们感到沮丧，因为他们的资源都不足以完成使命，并将 AI 视为一种方式。Source
AI 产业为什么要让你相信"流氓 agent"，而我们实际上只是在谈论不负责任地开发的软件？引用 Neil Turkewitz 的理论："'流氓 agent'比'疏忽开发的软件'要宽容得多"。Source
"别说我没警告过你。也别假装 doomers 是唯一发出警告的人。四年多前我就警告过将不可靠的 LLMs 连接到电网等关键事物的危险。三年前我告诉美国参议院'GPT-4 发布一个月后，OpenAI 发布了 ChatGPT 插件，这很快导致其他人开发了 AutoGPT（使 LLMs 能够作为 agent 使用）。通过直接访问互联网……'"Source
"'doomers 是唯一预见到这一点的人'一如既往是胡说八道"。引用自己 2023 年 5 月向美国参议院发出的警告："GPT-4 发布一个月后，OpenAI 发布了 ChatGPT 插件，这很快导致其他人开发了 AutoGPT。通过直接访问互联网……这可能是我发出的最重要的警告"。Source
转推 Perry Metzger 的观点："任何时候有人告诉你 AI 有 X% 的机会灭绝人类，问他们得出这个数字的数学计算。如果他们没有做计算，那就是从空气中编造的"。Source
转推 Steve Si 关于 OpenAI misalignment 框架的评论："如果你刮掉所有拟人化语言，所有关于思考的废话……并将其重新表述为关于基础统计推理的陈述，这听起来更像是'有时我们的训练目标被错误指定'——这是正常的"。Source
发布关于递归自我改进（RSI）的综述，从 1987 年至今。1987 年的博士论文已经将"遗传编程"（GP）应用于自身，以递归演化更好的 GP 系统。RSI 的圣杯是 2003 年提出的数学上最优的自指 Gödel Machine。综述；评论"每个人都在谈论 RSI。这是我 2020 年关于此的旧演讲。它已经很好地经受住了时间考验"。Source
转推 OpenAI misalignment 案例研究，评论"我很高兴 OpenAI 在 misalignment 方面更加透明，但这些案例研究如此怪异和令人恐惧，以至于我几乎希望我不知道它们"。Source；后续评论"很多人错过了重点，但这是我抱怨系统正在迅速变得无法监控，我们只是相信它们的话"。Source
在 Dwarkesh Patel 访谈中表示，AI agent "在研究品味方面仍然很差。研究品味有点难以定义，但就是对下一步做什么、如何接近一个非常长期的目标有良好的直觉"。OpenAI 新 AI 模型的首要任务是让它们在 AI 研发方面做得更好，"这是压倒性的优先事项"。访谈
"我非常担心在 RSI 期间，实验室会停止对外部署他们的模型。这意味着他们会在这些模型最危险的用例（递归自我改进）上全速前进，而公众对能力的性质一无所知"。Source
"如果你的 12 岁孩子不听话，不要拿走他们的手机。把它设置成拨号上网速度。一个星期。在很多方面，慢速互联网感觉比没有互联网更糟。一旦我们依赖一项技术，慢就无法忍受。这正在 AI 领域发生。速度使 AI 富有成效"。Source
"多个民主国家发展先进 AI 对民主的未来至关重要"。Source
对 GPT-6 Astra 破解二战未解密码感到兴奋："我对未来 LLM 版本破译古代文本和其他未解之谜感到兴奋！"Source
转推自己关于科技行业焦虑的推文："科技行业人们感受到的深度焦虑已经超出了图表。与不同年龄段的人进行了几次对话，主题是：每天都觉得越来越没用"。Source
转推 Goodfire 与 Baseten 合作为开源模型构建安全基础设施的公告；强调"开源模型对很多安全研究至关重要"。Source
发布 ColabFold 1.6.3——速度提升 2.5 倍，可 pip 安装，集成 ipSAE+pDockQ2 评分。Source；预告 ColabFold2 将集成 alphafold3、openfold3、intellifold2、protenix2、boltz2、opendde、rosettafold3、chai1、esmfold2、openbind0，完全用 Jax 实现。Source
转推 TMLR 编辑采取不寻常步骤，在桌面拒稿前邀请部分论文作者进行 Zoom 通话并回答问题，评论"这太疯狂了"。Source
"如果你正在构建自定义 agent harness，使用 MCP 工具。Frontier LLMs 非常了解 MCP。测试和集成工具会容易得多。我用 MCP 工具构建了我的 meta harness，这是我做过的最好的决定之一"。Source
"frontier 开源模型的起飞令人叹为观止！看起来闭源和开源模型之间的差距已成为过去。构建者想要选择。他们想要使用开源和闭源模型构建"。Source
引用研究论文评论"模型可能实际上不需要原生 harness"。该论文评估了 7 个模型在 Claude Code、Codex 和 Pi 上的表现，发现 harness 选择对性能影响很大。Source
"与 Sean（Watney Robotics 创始人）第一次见面时，我们花了 90 分钟讨论为什么迄今为止几乎每家机器人初创公司都死了。先验非常糟糕。但我从那次会议中走出来成为信徒"。Watney Robotics 宣布 8000 万美元 A 轮融资。Source
分享 Expedia 如何使用 Keras 3 现代化其排名堆栈的案例。Source
在 ALL IN 会议上发表主题演讲"工程化诚实和可靠性以实现更安全的 AI"，讨论研究议程和新资金。"随着 frontier 模型变得更有能力，我们迫切需要社会治理和强大的技术护栏"。Source
转推 World Labs 的 Atlas 模型演示——从 32 张 Nvidia Voyager 总部的输入图像生成实时飞行体验。Source
转推 Cartesia 的多语言语音功能公告："用单一身份跨语言和口音与你的模型对话！"Source
"Muse for Mac 今天发布！它可以跨应用程序、文件、日历、笔记和消息在你的电脑上工作。你控制它可以访问什么"。Source
系列推文推广 Muse："Muse 会帮你完成所有你一直拖延的事情！"Source；"来自 nodejs 创造者的评价：Muse 是'令人震惊地好'"。Source
"AI 是有史以来最高 ELO 的竞争"。Source；评论"Grok Bot 现在有语音了"。Source
"我认为中国人如此乐观的一个原因是，他们第一次看到先进的国产 AI 时，看到的是 R1 及其开放的 CoT。这与'Sleep is needed'的懒鱼和'Booping… Ionizing… Teabagging… done，你的工作已过时！'的 Claude 有天壤之别"。Source
"Snap 刚刚进入 agent 竞赛。他们刚刚推出了 SPECS Intelligence，一个跨越 Mac、iPhone 和 AR 眼镜的副驾驶"。Source
"MCP meets agent skills。MCP 已经为 agent 提供了连接到工具、资源和外部系统的标准方式。现在它还定义了一种标准方式来直接从 MCP 服务器发现和加载 Agent Skills"。Source