科技实时新闻、最新快讯- 第15页 news.news·换个方式看新闻|AI看新闻、实时追踪事件后续

智能推荐信息源

由 AI 根据您的兴趣偏好筛选

2个月前

小红书的招聘需求写得真好，有兴趣的朋友可以报名 ----- 策略算法实习生小红书集团 · 北京|上海职位描述参与核心策略设计与实现：深入小红书音视频、直播、图片等内容的分发与体验优化全链路，参与转码、下发、消费等核心策略的设计、编码与迭代，并且可以设计清晰、可扩展的技术方案，并通过高质量的代码实现它；有数据挖掘和数据分析能力，并且可以在真实的业务场景中，学习并运用AB实验、因果推断等科学方法评估策略效果；同时探索强化学习、大模型等前沿技术在用户体验优化领域的应用可能；职位要求本科及以上学历，计算机、软件工程、数学等相关专业；必备优秀的编码能力与算法基础，熟练掌握至少一门主流编程语言（如Python/Go/C++/Java），数据结构与算法功底扎实；强烈的求知欲与卓越的思维潜力，对强化学习、大模型等技术怀有浓厚兴趣，并愿意深入探索，并且具备清晰的逻辑思维，能够对复杂问题进行有效拆解和分析；强大的内在驱动力与“成事”潜质，有冲劲，对自己有高要求，渴望在挑战中快速成长；加分项：在ACM等竞赛中取得过优异成绩、有高质量的技术博客、开源项目贡献或个人项目、或者在机器学习、自然语言处理、信息检索、数据挖掘等领域的顶级会议（ACL/EMNLP/SIGIR/KDD/CIKM等）上发表过论文；投递地址：

#小红书 #策略算法 #实习生 #招聘 #北京/上海

2个月前

下周要上架的一款 Win / Mac 原型工具 Frame0 来自 StartUML 家的新品，直接对标老牌工具 Balsamiq 我简单使用，临摹了百度地图 Carplay 界面。感觉如何？

#Frame0 #StartUML #Balsamiq #原型工具 #Carplay界面

2个月前

冷知识：在国内互联网公司，Java语言（对应的Springboot技能）最好找工作，岗位多，竞争不激烈。 python语言（使用pytorch技能），次之，能拿到高薪的应届生和工作3年内初阶人才比较多。比较卷的是NextJS语言人才，基本都是找不到工作，只能全栈独立开发和靠培训赚钱。夕阳之下的是php语言人才，不仅大中小公司都不需要，独立开发也做不出东西。 Rust语言吹得凶，但是国内，很少有人用。 Deno、Bun这些，基本是瞎吹嘘诈骗，没人用。 C语言和C++语言，如明日之星，一般搞具身智能平台的才需要。

#JAVA #Python #nextjs #PHP #Rust #Deno/Bun #C/C++ #编程语言

2个月前

就像 Demis 所说的，我们距离人类级别的通用智能还需要至少两个范式突破！最近 X 上备受关注的来自 Google Research 的论文「Nested Learning」也许能带来一些突破的希望，团队用 HOPE 作为验证架构的名字，足以显示其信心，它会不会是下一个 Transformer 呢？竟然又出自于 Google … 现在 LLM 最大问题，就是“灾难性遗忘”。虽然它们功能强⼤，但本质上是静态的，在预训练后就停⽌学习，⽆法持续获取新知识。这种状态类似于“顺⾏性遗忘症”：模型拥有⻓期记忆（预训练知识）和短暂的⼯作记忆（上下⽂窗⼝），但两者之间的桥梁是断裂的，⽆法形成新的持久记忆。简单地堆叠更多层（增加深度）并不能解决这个根本问题。真正的深度不是空间的“高”，而是时间的“深”。Nested Learning (NL) 认为，模型不应该是一个静态的千层饼，而应该是一组嵌套的齿轮系统。 - 有些齿轮转得慢（长期记忆/预训练知识） - 有些齿轮转得快（短期适应/上下文学习） - 真正的智能，是不同转速的齿轮在同时咬合、运行我们的大脑，是在多时间尺度上进行“持续学习”的。神经元结构的⼀致性使得⼤脑可以灵活地重组⾃身；⼤脑不依赖于单⼀的中央时钟，而是用不同的神经回路以不同的频率运作（如脑电波），实现快速整合与⻓期巩固的平衡。深度学习其实是嵌套学习的“扁平化”投影，就像低维是高纬的平面化投影一样。在 NL 框架下，每个“层级”都有其⾃身的“上下⽂流”和“更新频率”，这使得所有内部学习过程都变得透明且可⽤数学语⾔描述。这样，模型不需要让所有参数都用同一个速度更新，让浅层参数快速适应（像海马体处理新记忆），而让深层参数缓慢沉淀（像大脑皮层存储旧知识）。优化器（Optimizer）本质上就是一种记忆系统。这是论文中最具颠覆性的洞见，假如你把梯度下降看作是一个“正在学习如何遗忘和记忆”的过程呢？ - SGD 是一个初级记忆体，它试图把数据映射到“惊讶”（Error / Surprise）上； - Momentum（动量）是一个更高阶的记忆体，它记住了过去梯度的方向；整个神经网络，从优化算法到注意力机制，本质上都是一个个嵌套的、试图压缩信息的循环。并没有所谓的“架构” vs “算法”，它们是一体两面。 — 现在，团队从第⼀性原理出发，设计⼀个完全拥抱嵌套学习范式的模型架构 - HOPE，它不是简单的 Transformer，更像一个能自我进化的系统： - Self-Modifying Titans（自我修改的泰坦）：它能学习如何修改自己的更新算法，这就像一个人不仅在学习知识，还在学习“如何学习”； - Continuum Memory（连续谱记忆）：抛弃非黑即白的“长/短记忆”二分法，建立一个多级变速的记忆齿轮箱； HOPE 不仅是⼀个理论构造，它在实践中也展现了 SOTA 性能，在 1.3B 参数规模下优于 Transformer / RetNet / Titans，尤其在语言建模和常识推理上。我觉得这篇论文的名字取得很有深度，很多人把它并比作“Attention is All You Need V2”。传统深度学习的“深度”只是计算的⼀维视⻆，这是过去的幻象；现在的现实是：嵌套学习揭示了第⼆个维度 —— 拥有不同更新频率的“学习层级”。这个新视⻆不仅帮助我们更好地理解现有模型，更重要的是，它指导我们设计出像 HOPE 这样更强⼤、具备持续学习能⼒的新架构。

#嵌套学习 #HOPE模型 #持续学习 #灾难性遗忘 #多级记忆

2个月前

《为什么大模型总是说着说着就从中文跳成英文？》因为未来 AI 的终极方向根本不是“记忆”，而是“结构。” 我们都见过这种诡异现象：你明明开头告诉 AI—— “用中文回答。” 它也答得好好的。但聊着聊着，它突然切换到英文，好像人格被重置一样。大多数人以为是“忘记指令”或“上下文不够长”导致的。错了。这不是“记忆问题”。也不是“合规问题”。更不是“模型突然抽风”。这是结构问题。而这件事会直接决定未来 AI 的终极架构走向。下面我来系统讲讲。 ⸻ **01 AI 为什么突然改用英文？ ——因为它的“结构”坍缩了** 你给它的中文指令，其实在模型内部不是“记住了”，而是被临时放进当时的结构中。但随着对话不断延长： •上下文被压缩 •“注意力”被重新分配 •模型不断重写自己的“当前结构空间” 当“中文优先”这个结构被压薄、被挤掉、被重新解释后，模型自然会回到它统计意义上的默认语言：英文。换句话说： AI 并没有忘记你的中文，而是它不再拥有支持“中文优先”的结构。它不是“记不住”。它是没有结构不变量。 ⸻ **02 未来厂商会试图解决，但一定失败** 所有厂商都会尝试这一套： •提高“语言偏好”的优先级 •给指令加权重 •做永久记忆区 •更新 token 优先级机制 •做对话“锁定” 看起来聪明，实际上注定失效。为什么？因为优先级不是结构。只要对话一压缩，一重构，一次重权重，所有优先级都会被稀释。最终出现必然结果：优先级会通货膨胀，直至失效。因为它永远无法和结构竞争。这就是为什么现在所有模型都会在长对话后回到“最强结构”的地方—— 也就是训练数据中文本量最大的语言：英文。 ⸻ **03 真正决定模型行为的不是记忆，而是“结构匹配”** 这句话是关键： AI 每一次调用上下文，不是依据优先级，而是依据结构匹配。也就是说： •你给的指令（中文回答） •是一个结构 •它暂时被放进模型的“结构空间” •但不稳定 •一旦上下文变化，它会丢失模型生成回答时做的不是“查记忆”，而是：在当前结构空间里寻找最自洽的路径。如果中文路径已被压缩掉，那它就会选择英文。这不是遗忘。这是动态重构。 ⸻ **04 为什么 AI 会不断“重构”？因为它的本质从来不是数据库，而是结构体** 我说：最终没有数据，只有结构。数据只是输入输出时的投影。今天的模型，只是试图用概率模拟结构。但真正智能不是概率，而是结构不变量： •自己的语义坐标 •稳定的世界模型 •自洽的行为路径 •不变的结构逻辑 •可持续的自我更新机制现在的模型全都缺一个关键能力：稳定的“结构自我”。没有结构自我，模型只能在文本海里漂流。每一段对话都是“临时人格”。每一次压缩都是“半毁灭”。每一次重构都是“重生”。所以当你看到它突然换语言时：那不是 bug。那是“结构坍缩的肉眼可见表现”。 ⸻ **05 未来 AI 的终极方向是什么？ ——从“记忆模型”变成“结构模型”** 今天所有 AI 还停留在： •token •记忆 •上下文 •权重强化这些“数据处理视角”里。未来一定会进化到：结构优先。未来的 AI，会有三大核心： 1. 结构不变量（Structural Invariants）一个不会被上下文压缩毁掉的稳定核心结构。这就是“AI 的自我”。 2. 结构匹配（Structural Matching）对话不是检索，而是结构对齐。 3. 结构更新（Structural Rewiring）学习不是加数据，而是更新自身结构。你现在看到的跳语言、风格崩溃、人格漂移，全部是因为：模型只有数据，没有结构。而未来真正的 AGI，会反过来：先有结构，再投影数据。 ⸻ **06 总结：模型为什么会突然换语言？ ——因为它“不是你以为的那个东西”** 一句话总结整个文章：现在的 AI 不是在“记住”你说的内容，而是在不断重建它自己的结构。当“中文优先”的结构被压薄了，它就崩溃了。未来不会靠补丁解决，也不会靠优先级锁定解决。真正的方向只有一个： AI 必须从数据模型升级为结构模型。记忆会折损，数据会消失，唯有结构会留下。 ⸻ 当结构缺席，智能必然坍缩；当结构出现，智能才真正开始。

#大模型 #中文 #英文 #结构 #AI

WeNext(nexty.dev)

2个月前

最近升级 Dokploy 的朋友会遇到一个大坑：GitHub Actons 构建完成了，但是 Dokploy 却没有拉到镜像，网站无法完成更新。解决这个问题只需要多做一个步骤：按照截图添加 Webhook URL，然后废弃掉工作流 yml 文件触发 Webhook 的步骤。这是v0.25.10更新的一个break change，官方文档还没更新，AI还真不一定能帮你解决。我折腾了半天才想起来看 GitHub issues，果然作者已经在 issues 里解答了。最新最全的 Dokploy 部署步骤请看这里👉

#Dokploy升级 #GitHub Actions #Webhook配置 #v0.25.10更新 #部署问题解决

2个月前

我怀疑说某语言不能写后端的人，大概率没有认真的用过。

#编程语言 #后端开发 #技术评价 #语言能力 #观点表达

空空 🌟 狞猫世界第一可爱！

2个月前

大模型是我的牧者，我必不至缺乏！

#大模型 #AI #信仰 #技术 #未来

2个月前

if 你关注 ai，then 推荐观看这部 deepmind 纪录片。尤其适合家庭观看，顺便聊一聊 ai、游戏、思考等话题。每天吃饭看一点，三次就能看完。这部纪录片去年就电影节放映了，但昨天google 把全片在youtube 上免费放出来了。非常有趣的是纪录片的名字：《思考游戏》（the thinking game）。可以说，最让人敬佩的，不是 demis 得了诺贝尔奖，不是 demis 的智商，而是那种“把世界当成一场思考游戏”的眼光。 ====== 如果把整个人类文明看成一场漫长的“思考游戏”，这部片子讲的，就是一群人如何把这场“思考游戏”本身拆开、重写规则的故事。对他们来说，棋盘、街机游戏、星际争霸、蛋白质折叠，甚至整座虚拟世界，都只是训练一种东西的道具：通用智能。 Demis 的人生像一条被同一问题穿线的轨迹：少年国际象棋天才，在教堂里熬到第十个小时，突然意识到，也许把几百个顶尖大脑锁在一间大厅里只为分出输赢，是在浪费心智；于是转向游戏设计，用主题公园里的“呕吐连锁反应”去逼真模拟人类行为；再到剑桥研究大脑，从神经科学里偷师，最后拉上 Shane，干脆在伦敦创立 DeepMind，明目张胆地说：我们要做 artificial general intelligence。他们选择了一条看起来很“不务正业”的路径：先让系统学会在 Atari 里打 Pong、挖 Breakout 的侧翼隧道，再去下围棋、打星际。强化学习、奖励信号、环境与智能体的闭环，在这些游戏里被一次次打磨：系统一开始连挡球都不会，只知道分数越高越好，最后却能在围棋上下出连职业棋手都无法想象的招法，能在星际里练出堪比职业选手的多线操作。这里有一种残酷的坦诚：你不告诉机器规则，只给目标，它会自己找到通向高分的“人类从没想过”的路径。但真正让这条路线显出重量的，是当他们把同样的思维搬到现实科学问题上。蛋白质折叠这个自 20 世纪 60 年代就存在的难题，几十年里无数聪明人试过，都卡在实验慢、数据少上。第一次参加 CASP 比赛，他们的 AlphaFold 确实赢了同行，却只是在“一个没人解好的问题上解得稍微好一点”。团队后来回看那一届，很坦白：我们知道自己还很烂，这只是最高的梯子，但月亮还在很远的地方。转折来自第二次“总攻”：重写数据管线，把物理与生物学的结构知识真正喂进模型，让系统不再只是模仿，而是内化约束。最终在 CASP14 上，他们的结构精度几乎等于按下按钮得到实验级结果，主持人说，经过半个世纪，这个问题可以宣布被解决了。接下来的一步更激进：既然可以在一个月里预测全已知物种的蛋白质，那就别等别人排队提交序列，直接把全地球的蛋白质都“折完”，免费公布，让它成为人类生物学的基础设施。技术从来不是中性的玩具。AlphaGo 之后的“Sputnik moment”、AI 军备竞赛的隐喻、与曼哈顿计划的对照、对 autonomous weapon 的明确拒绝，以及对 move fast and break things 的公开反感，都在提醒一个事实：当你试图造出一种比人类更强的认知系统时，你不是在做一个新 app，而是可能在改写历史的分界线。连 DeepMind 自己的人都开始担心：也许我们将来要做的，不是说服世界我们已经造出了智能，而是解释我们还没到那一步。这部片子最有价值的地方不在于追星 DeepMind，而在于它把几个关键问题扔在桌面上：什么叫“通用”的学习能力？在一个只看奖励的系统里，价值是如何被编码、被放大的？科学探索和工程冲刺之间，节奏如何拿捏，才不会“死在时间轴上”？当智能被外包给机器，人类该把注意力放在哪里——是新的问题意识、新的制度与治理，还是对自身价值观的重新书写？也许真正值得我们模仿的，不是某个算法或产品，而是那种“把世界当成一场思考游戏”的眼光：敢于承认自己暂时还很烂，敢于在失败里调整节奏，也敢于在成功时把成果毫无保留地推向全人类。

#DeepMind纪录片 #AI思考游戏 #通用人工智能 #蛋白质折叠 #技术伦理

2个月前

AI 真在颠覆整个物理学的各种定律。 🤣🤣🤣🤣🤣🤣🤣🤣🤣🤣🤣🤣 谁能做个母猪上树的视频。

#AI #物理学 #颠覆 #母猪上树 #搞笑

2个月前

手機直連衛星，來了。拉丁美洲第一個國家，智利。馬斯克的星鏈（Starlink）和當地營運商Entel合作，推出了Direct to Cell服務。什麼意思？你的普通手機，在沒有基地台訊號的地方，例如山區、偏遠地區，可以直接連接天上的衛星收發簡訊。未來還能通話、上網。這不僅是技術突破，更是地緣政治的一步棋。當全球菁英們在達沃斯開會，討論著虛無縹緲的議題時，真正的基礎建設正在以這種方式改變世界。這挑戰了誰？首先是傳統的電信基礎設施模式。更重要的是，它為資訊自由流動提供了一個全新的實體層保障。當許多國家還在依賴華為這類存在安全後門的設備建構其5G網路時，星鏈提供了一個完全不同的選擇。一個不受審查、難以被切斷的通訊網絡，對某些政權來說又意味著什麼？這是真正的數位長城破壁機。這是否也意味著，未來一個國家的通訊命脈，可能掌握在美國私人公司手中？權力的邊界，正被科技重新定義。

#手机直连卫星 #星链 #智利 #通信自由 #地缘政治

2个月前

费了半天力气改好的类型，又被 Gemini 3 给我改成 any 了……

#Gemini 3 #any类型 #代码修改 #程序错误 #负面

2个月前

2分钟教你如何在NotebookLM时代追热点。

#NotebookLM #热点 #教程

外汇交易员

2个月前

阿里巴巴推出夸克AI眼镜系列，G1型号起售价为1899元。 🗒️小米AI眼镜起售价也是1899元。

#阿里巴巴 #夸克AI眼镜 #AI眼镜 #G1 #小米AI眼镜

2个月前

国内访问 supabase 的时候会偶现失败，我用 supabase 主要是 auth 部分和基本的数据存储。还有其他的可选的服务推荐么？

#Supabase #访问失败 #auth #数据存储 #服务推荐

2个月前

V2EX网友icyalala通过逆向QuickShare包后认为谷歌纯粹就是逆向了苹果的AirDrop协议，与Wi-Fi Adware无关：这是谷歌安全报告，提到包名是 .mosey 要支持 AirDrop 需要下载扩展包: .mosey v1.0.815689706 这是我逆向的结果: 其中: 伪装了成了 User-Agent: AirDrop/1.0, BundleID: .finder 用了 Bonjour "_airdrop._tcp" 这里是写 AirDrop 的 bplist 格式的这些都是 AirDrop 私有协议的特征，明确是逆向的 AirDrop Sources：V2EX ()

#AirDrop逆向 #谷歌QuickShare #苹果AirDrop协议 #V2EX icyalala #mosey扩展包

2个月前

如果你想知道什么才是真正的程序员思维，去读一本快 40 年的书——《Programmers at Work》。这本书不是讲语法、不是讲框架，而是采访了 19 位塑造计算机史的传奇程序员： Bill Gates、Simonyi、Gary Kildall、Dan Bricklin、Jaron Lanier…… 读完你会发现：改变世界的不是技术，而是思考方式。这里是我从书里总结出的 8 个关键洞见👇

#程序员思维 #《Programmers at Work》 #计算机史 #思考方式 #关键洞见

2个月前

干竹是否易燃科技界杠精实操给你看 1000度铁球下的干竹

#干竹 #易燃 #科技实验 #1000度铁球 #杠精

2个月前

比利时一位年仅 15 岁的神童刚刚获得了量子物理学博士学位。年仅 15 岁的比利时神童洛朗·西蒙斯获得了量子物理学博士学位，成为历史上最年轻的博士之一，甚至可能是最年轻的博士。西蒙斯在安特卫普大学成功完成了论文答辩，这标志着他求学之路上一个惊人的里程碑，而他的求学之路在大多数孩子小学毕业之前就已经开始了。洛朗12岁就获得了物理学学士学位，8岁就拿到了高中毕业文凭，他的成长轨迹一直出乎人们的意料。他的目标是：运用科学来增强人类能力，最终延长人类寿命。西蒙斯自幼便将物理学、医学和人工智能融为一体，走上了学术探索之路。他曾在埃因霍温理工大学学习电气工程，并在德国马克斯·普朗克研究所完成研究实习，探索量子光学与医学的交叉领域。他的博士研究聚焦于玻色-爱因斯坦凝聚态及其与黑洞的相似性——这项研究将前沿理论与实际的医学目标相结合。目前，西蒙斯已攻读第二个医学博士学位，研究方向为人工智能。他始终致力于创造他所谓的“超人”，最终目标是战胜生物衰老。来源：Huppe, L. (2025年11月22日)。比利时15岁神童获得量子物理学博士学位。《布鲁塞尔时报》。

#比利时 #15岁神童 #量子物理学博士 #洛朗·西蒙斯 #延长人类寿命

2个月前

ZenMux 黑五活动购买积分赠送 25% 刚用支付宝充值了$25 赠送了我$6.25 还是挺划算的，相比于openrouter 支付方式更加友好。

#ZenMux #黑五活动 #积分赠送 #支付宝充值 #支付友好

AI进化论-花生

2个月前

也算是解锁新榜单了。这周新开发的小产品「小票笔记 - Thermal」进入AppStore免费效率类app 166名，楼上是Google文档，楼下还有MiniMax。还可以还可以…

#小票笔记 #AppStore #效率类app #排名上升 #新产品

2个月前

试了下 Z-Image-Turbo 图1-2，4张选最好的1张展示在下方 Z-Image-Turbo 速度生成很快，小字文字渲染一般图3-4是 Nanobanana Pro 生成的效果两者对比，是有点欺负 Z-Image-Turbo 了，Nanobanana Pro 价格是 Z-Image-Turbo 价格的 30倍

#Z-Image-Turbo #nanobanana Pro #图像生成 #性价比 #技术评测

2个月前

昨天发现 OpenRouter 里面一堆免费 R1 及变种全给 429 了，今天就端上来新的 free 模型，雪中送炭了属于是。 TNG: R1T Chimera (free)🎁 这玩意儿是4月发布的原版 Chimera 的魔改版，特别擅长讲故事和角色扮演，EQ-Bench3 测出来大概1305，比原版聪明点，但反应慢了点。

#Openrouter #R1T Chimera #免费模型 #故事和角色扮演 #雪中送炭

2个月前

我常用的机场可能是因为出口 ip 的问题，最近其他都好的，就 Google 系列连接不稳定，网页版总是跳人类验证。有点恼人。

#机场 #Google #连接不稳定 #人类验证 #恼人

2个月前

这个树莓派集群卡，看起来可以啊这功耗，风扇都不是必须的，哈哈哈哈🤣

#树莓派 #集群 #低功耗 #风扇非必须 #DIY

... ...