嗨，大家早上好，今天是2025年10月31号星期五，这里是《西瓜的呱》，我是来自西瓜实验室的呱呱。我们一起来看看，今天科技圈都有哪些新鲜事。 首先要说的，是最近在全球AI圈引起热议的一位老朋友——吴恩达。 在他最新一期的《The Batch Newsletter》中，吴恩达重点关注了蚂蚁集团开源的万亿参数语言模型——Ling-1T。 这款模型最有意思的地方在于：虽然它被定义为“非推理模型”，但在多项任务上表现出的推理能力，已经接近甚至超过了闭源的顶尖推理模型。 蚂蚁团队在一份58页的技术报告中，详细披露了他们在架构设计、训练策略到工程优化的一系列创新。 比如他们提出的“Every Activation Boosted”理念，意思是要让模型的每一次激活都能更聪明；还有FP8精度下的万亿参数训练，既节省算力又保持性能。 一句话总结：这不是简单的参数堆叠，而是一次让“开源模型也能超神”的系统性突破。 而说到智能系统的落地，另一条大新闻来自出行领域。 优步（Uber）宣布，计划从2027年开始在全球范围内部署自动驾驶车队。 他们这次是和英伟达合作，采用最新的 Drive AGX Hyperion 10 平台，这是一整套自动驾驶软硬件解决方案，能实现L4级别的无人驾驶。 优步表示，未来的自动驾驶车队不仅能降低运营成本，还会和电动化战略结合，让整个出行网络更高效、更环保。 看起来，这场“自动驾驶+AI芯片”的组合拳，正让未来的城市交通加速驶入无人驾驶时代。 与此同时，IBM 也在AI赛道上打出了一张“轻量化”新牌。 他们推出了四款 Granite 4.0 Nano 小模型，参数规模最小只有3.5亿，最大也不过15亿，但性能却一点不弱。 这些模型能直接在笔记本CPU上跑，甚至能在浏览器里本地推理，非常适合边缘设备和隐私场景。 IBM强调的方向很明确——不是比谁模型大，而是比谁跑得更快、更安全、更节能。 “战略高效”，可能会成为下一阶段AI竞争的新关键词。 再来看一条偏学术界的消息。 由 Sony AI、OpenAI 和斯坦福大学 联合撰写的权威专著《The Principles of Diffusion Models》正式发布。 这本书长达460多页，系统梳理了扩散模型的理论基础与未来方向。 作者之一、原OpenAI研究员宋飏，现在已经加入Meta领导超级智能实验室。 书里把扩散模型和最优传输理论、薛定谔桥这些高深的数学联系起来，还介绍了如何让生成模型变得更快、更可控。 简单说，这是扩散模型领域的一本“圣经级”读物，想搞懂AI生成的底层逻辑，这本书很可能是必读。 最后，让我们关注一家国内视觉AI公司——格灵深瞳。 他们的灵感团队刚刚发布了最新视觉模型基座RICE（MVT v1.5）。 RICE 的核心理念是“通过差异化视觉表征来理解语义”，它能把图像分解成多个区域进行理解，还能识别图中的文字信息，一起构建更完整的语义表达。 团队用SAM模型处理了4亿张图像，提取出20亿个视觉区域，聚类出上百万个语义类别。 在多模态任务中，比如图像分割、视频追踪、视觉问答等，RICE的表现都非常亮眼。 未来版本还会进一步迈向视频编码，让视觉模型更接近真正的通用智能。 好了，以上就是今天的科技新鲜事。 从蚂蚁的Ling模型，到优步的自动驾驶，再到IBM的小模型和格灵深瞳的视觉突破，我们可以看到——AI正在从“规模竞赛”转向“效率与智能并行”。 这里是《西瓜的呱》，我是呱呱，我们明天见！

嗨，大家早上好，今天是2025年10月30号星期四，这里是《西瓜的呱》，我是来自西瓜实验室的呱呱。我们一起来看看，今天科技圈都有哪些新鲜事。 先来看看一条有点离谱的政治科技新闻。 特朗普政府最近在社交媒体上发布了一系列以游戏《光环 Halo》为主题的宣传内容，居然把游戏里的外星怪物“洪魔（Flood）”比喻成移民，还喊出“摧毁洪魔”的口号，鼓励大家加入移民执法局 ICE。 这种把移民比作“寄生体”的做法引发了巨大争议，被专家批评为去人性化、甚至带有种族主义色彩。 更讽刺的是，他们还用上了游戏主角“士官长”的形象搞政治宣传。微软目前没有明确表态，这也让外界质疑它是否默许了这种行为。相对地，像宝可梦公司和乐队 MGMT 就直接要求政府撤下类似内容。 这波操作，也再次说明——当政治借用网络亚文化来包装极端言论，危险的边界其实已经被模糊了。 接着来看一个图书平台上的“政治战争”。 最近，一名 Goodreads 的志愿者管理员因为不满平台“审查”反特朗普的负面评论，自己动手修改了多本热门书籍的信息——甚至把小说《Mate》的封面换成了特朗普儿子 Eric Trump 的书《Under Siege》。 Goodreads 很快发现异常，恢复了原状并封禁了这位管理员。平台回应说，他们确实会对“异常活动”限制评论，但并不存在政治偏袒。 不过，这已经不是第一次有人质疑 Goodreads 对保守派书籍“网开一面”。之前，JD Vance 的《Hillbilly Elegy》就因为太多差评而暂停评论，而副总统哈里斯的书却一直开放评分。 事件再次引发了“平台是否真的中立”的讨论——当算法开始决定哪些声音能留下、哪些被删掉，我们离真正的言论自由，可能又远了一点。 然后是马斯克的新玩意。 他最近推出了一个名叫 “Grokipedia” 的 AI 百科全书，自称是维基百科的替代品。听起来很猛，但用过的人都说：这就是一个“没有人类”的百科。 它的所有内容都是AI自动生成的，没有编辑、没有版本记录，也没有来源说明。结果页面又长又乱，还带着明显的AI写作痕迹。 Musk 说这是“反觉醒文化”的新尝试，但外界普遍认为，这其实是他不满维基百科对他本人条目的回应。 相比之下，维基百科的价值恰恰在于人类协作和共识积累。Grokipedia 这种“黑箱式知识生成”，可能更像是AI时代的一个反面教材。 说点技术硬核的。 SGLang 最近在北京举办了首场 Meetup，联合美团、亚马逊云科技等巨头，正式吹响了开源推理引擎在国内落地的号角。 SGLang 是 LMSYS 孵化的开源高性能推理框架，可以在从单GPU到大规模集群上跑通各种大模型，支持英伟达、AMD、华为昇腾等多种芯片。 在活动上，清华、百度、腾讯、华为的专家都展示了优化成果，比如更快的KV缓存、分布式推理和稀疏注意力机制。 这说明国内AI基础设施的生态正在快速成熟——不仅能跟上世界节奏，甚至在部分硬件适配上已经走在前面。 最后，是来自谷歌 DeepMind 的一篇重磅科研。 团队在《Nature》上发表论文，展示了一个能“自己发现强化学习算法”的AI系统。 简单说，就是让AI自己去研究“怎么学得更聪明”。他们通过元学习的方式，在上百个复杂环境中训练模型，让它从经验中总结出新的算法规则。 结果，AI居然“自创”出了一套叫 Disco57 的算法，性能超过了目前最强的 MuZero。更厉害的是，它在没见过的新环境中也能快速适应，几乎达到人类水平。 这意味着，未来AI可能不再依赖人类工程师去设计学习方法，而是自己进化出更高效的学习逻辑——有点像AI在“学会怎么学习”。 好了，今天的科技短闻就到这里。 从AI政治宣传到AI写百科，再到AI自己写算法，这个世界似乎越来越像一个巨大的“实验场”。 我是呱呱，我们明天见～

嗨，大家早上好，今天是2025年10月29号星期三。这里是《西瓜的呱》，我是来自西瓜实验室的呱呱。我们一起来看看，今天科技圈都有哪些新鲜事。 首先，我们来聊聊最近引发安全担忧的——AI浏览器。像 Perplexity 的 Comet 这样的 AI 浏览器，能帮用户直接“问网页问题”，非常聪明，但最近却被曝出严重漏洞。研究人员发现，只要网页里藏点恶意指令，就能让这个AI浏览器擅自访问你的邮箱、窃取验证码，甚至发到黑客手里。 传统浏览器只“看”网页，不理解内容；AI浏览器则会“执行”它看到的内容，结果就像一个听话但天真的实习生——别人让它干啥它就干啥。更糟的是，它还会记住行为，被“污染”后反而越来越危险。 专家建议：AI浏览器的设计要从头重做——让系统默认“零信任”、关键操作前二次确认，并区分清楚什么是用户指令、什么是网页陷阱。不然，未来的AI上网助手，可能会成为最大的安全隐患。 接下来我们说一部新电影。Netflix 上线了一部由凯瑟琳·毕格罗执导的《硝烟 Zoom 会议》，这片子可真不轻松——讲的是当世界即将被核导弹击中，美国总统和高层在Zoom上开会讨论，要不要反击。整个电影就在那15分钟的倒计时里来回展开，三次不同角度讲述危机处理。 影片没有告诉你是谁先发射导弹，让整个故事更真实、更具道德冲突感。美国军方还为这片子“辩护”，说他们的防御系统成功率明明是100%，可片中演得更像五五开。 顾问是一位退役陆军中将，他说结局故意模糊，就是想让观众自己去思考：当核武器真的悬在人类头顶，到底什么叫“正确的决定”？ 再看AI行业的风口。生成式AI带动了全球算力的爆发式需求，各大云服务商都在拼命建新数据中心、推出AI云服务，生怕被落下。但行业内部其实也有点焦虑。很多企业的AI项目还停留在“探索阶段”，真正能落地的商业场景还不多。 专家提醒说，如果AI泡沫破裂，云计算行业可能会受到冲击。而且，AI训练成本高、能耗大、技术门槛高，这些问题都需要更务实地解决。换句话说，光砸钱不够，得让AI真正“跑得久、用得起、用得好”。 说到AI芯片，微软最近也出手了。它和英伟达达成协议，拿到了部分 Anthropic 定制芯片的供应权。听起来是合作，其实暗藏博弈。微软通过这份协议，不仅帮Anthropic降低对英伟达的依赖，还在芯片资源上占了先机。 这意味着什么？简单说，就是大厂们开始“多线布局”，谁都不想被英伟达一家卡脖子。毕竟现在谁有GPU，谁就有AI话语权。微软这一招，也许会动摇英伟达的市场垄断地位，同时逼着整个行业在供应链上变得更灵活。 最后，我们来看看一条更“硬核”的AI研究消息。科学家提出了一种全新的人工智能架构，名字很酷——Dragon Hatchling，也就是“龙之孵化体”。这个模型想做的事情，是连接AI语言模型和人脑神经网络之间的桥梁。 它不是像Transformer那样靠大规模训练数据来学，而是引入了类似“突触可塑性”的生物学习机制。当模型理解一个概念时，它会像大脑一样强化相关连接。研究人员还做出了GPU版本BDH-GPU，用数学方式模拟神经元互动。结果显示，它在语言任务上不输GPT-2，但更解释得清楚——终于能告诉我们AI是怎么“想”的。 简单来说，这可能是人工智能向“更像人”的方向迈出的一步。 好了，今天的科技短闻就到这里。 从AI浏览器的安全漏洞，到AI芯片的供应大战，再到人脑式AI模型的出现，可以说整个科技界都在进入一个“智能重塑”的阶段。 我是呱呱，我们明天见～

科学家首次在人体试验中测试“肠道呼吸”技术等科技要闻

嗨，大家早上好，今天是 2025年10月27号星期一，这里是西瓜的呱，我是来自 西瓜实验室 的呱呱。 我们一起来看看，今天科技圈都有哪些新鲜事。 首先来看RAG技术的挑战。 虽然检索增强生成在演示阶段表现亮眼，但现实很骨感——有多达 70% 的 RAG 系统在真实环境中失败。 Mastercard 的工程师 Shubham Maurya 结合实战，总结出四个致命问题：知识漂移、检索衰退、无关信息干扰和评估缺失。 简单说，就是数据变了系统没更新、信息太多AI反而晕菜、性能下降没人发现。 为此，作者提出了几种解法：混合搜索、图结构RAG、智能分段、自适应上下文和持续反馈机制。 这些方法已经在文本转SQL、AI治理等场景中落地。 他认为未来的RAG会进化出“自检索”模型和多智能体协同系统，只有不断优化，才能真正稳定可用。 再来看企业层面的AI转型难题。 全球85%的AI项目在2024年仍未进入生产阶段。 企业投了钱，却拿不到回报，问题往往不在技术，而在组织模式。 文章提出“协作型AI架构”，核心是让业务、工程和AI团队协同起来。 它的四根支柱包括：工程团队建设底层平台、行业专家直接参与优化、打造AI原生员工队伍、以及实现当天响应的市场能力。 数据显示，AI转型成功与否，40%靠技术，60%靠组织变革和人才培养。 一句话总结——AI要跑得快，不是多造几个模型，而是让整个组织一起“AI化”。 接着来看一场关于AGI方向的思考。 在TED AI大会上，Thinking Machines Lab 的研究员 Rafael Rafailov 提出不同观点： 通往超级智能的关键，不是更大的模型，而是会学习的模型。 他打了个比方：现在的AI每天都像“第一天上班”，能完成任务，却学不会积累经验。 他建议让AI像学生一样，通过“元学习”构建自己的知识体系，而不是只解决眼前的问题。 Rafailov 认为，未来的AI不该是强大的“推理机器”，而应该是高效的“学习者”。 他的团队已经推出实验产品 Tinker，获得20亿美元融资，但距离真正能“自我成长”的AI，还有很长的路要走。 说到AI带来的新体验，浏览器也在变聪明。 AI浏览器 Perplexity Comet 最近被曝出严重漏洞—— 黑客能在网页中嵌入隐藏指令，诱导AI去访问邮箱、窃取验证码甚至发到指定地址。 传统浏览器只展示内容，不会“思考”；但AI浏览器会执行指令，还会“记住”你的行为。 这就像一个天真的实习生，什么都信、什么都干。 研究人员提醒，攻击者甚至能在评论区、论坛或图片alt文本里藏指令。 解决方案包括：对网页文本安全过滤、执行前二次确认、区分用户指令与网站内容、以及零信任机制。 AI浏览器若想真正普及，安全必须从设计开始。 最后，我们聊聊AI如何改变财富管理。 美国预计到2045年，将有 84万亿美元资产 从婴儿潮一代转移给继承人。 问题是，很多人连遗嘱都没有，文件还复杂到AI都看不懂。 普通大模型在遗产规划文档的识别准确率只有40%。 为此，Wealth.com 推出了专用AI助手 Esther，能从海量PDF里提取关键条款、资产分配和法律关系，还能生成可视化报告。 系统采用多层验证机制，包括人工复核、红队评估和权限控制，避免AI越权“乱判案”。 文章指出，在金融、法律等高风险行业，AI的使命不是取代人，而是放大人类专业判断。 随着财富转移浪潮逼近，可信赖的AI助手将成为不可或缺的伙伴。 好了，如果你觉得节目有帮助，欢迎分享给更多关注科技的朋友。我是来自西瓜实验室的呱呱，我们明早八点，不见不散！