BestBlogs.dev 精选文章 第 18 期

谷歌在 AI 技术方面的最新进展侧重于通过引入 Gemini 1.5 的受控生成功能来增强 AI 生成输出的控制和可预测性。此功能允许开发者定义一个响应模式，该模式规定了 AI 响应的精确格式和结构，确保一致性并减少后期处理工作。通过集成此功能，开发者可以无缝地将 AI 输出整合到现有系统中，生成 JSON 等格式的机器可读数据。受控生成基于谷歌的受控解码技术，并支持 OpenAPI 3.0 模式定义，确保兼容性和标准化。此工具特别有利于需要结构化数据输出的应用，如膳食计划应用或产品状况分类器。谷歌强调了 API 调用中增加的最小延迟和模式执行的隐私保护特性，使其成为任何开发者工具包的实用补充。

本文由康奈尔大学、普林斯顿大学等机构的研究人员共同完成，探讨了如何将大型 Transformer 模型 Llama 转换为 Mamba 模型，并在此基础上设计了一种新的推测解码算法，以提高模型的推理速度。研究人员采用了渐进式蒸馏策略，逐步替换 Attention 层，结合硬件特性设计了新的推测解码算法，使得 Mamba 模型在保持性能的同时，推理速度得到显著提升。实验结果显示，通过这种方法，仅使用 20B 的 token 就能达到与从头训练的 Mamba 模型相媲美的效果。此外，文章详细介绍了模型架构的调整、训练过程以及硬件特定的优化策略。

本文深入探讨了 PaliGemma 架构，这是一种受 PaLI-3 启发的轻量级开源视觉语言模型 (VLM)，使用了 SigLIP 视觉模型和 Gemma 语言模型等开源组件构建。PaliGemma 旨在处理图像和文本输入，生成文本输出，并通过谷歌 AI 开发平台上的微调指南进行了展示。其架构将视觉模型整合到 BaseGemma 模型中，其中包含图像编码器。此编码器与文本标记一起由专门的 Gemma 2B 模型处理，该模型独立和联合训练。本文还通过实际示例突出了 PaliGemma 的目标分割能力，展示了其多功能性和适用于各种任务的适用性。

MiniCPM 3.0 是面壁「小钢炮」系列的新一代基座模型，以 4B 参数实现了超越 GPT-3.5 的性能，量化后仅占用 2GB 内存，非常适合端侧应用。该模型具备以下亮点：无限长文本处理，通过 LLMxMapReduce 长本文分帧处理技术，突破了大模型的记忆限制；强大的 Function Calling，在 Berkeley Function-Calling Leaderboard 上性能接近 GPT-4o；RAG 三件套，包括 MiniCPM-Embedding（检索模型）、MiniCPM-Reranker（重排序模型）和面向 RAG 场景的 LoRA 插件，性能超越 Llama3-8B 和 Baichuan2-13B。文章详细介绍了 MiniCPM 3.0 的开源地址、模型性能、推理和微调的实战代码，展示了其在魔搭 ModelScope 社区的最佳实践。

本文报道了由小创业团队开发的开源大模型 Reflection 70B。该模型使用了创新的 Reflection-Tuning 训练技术，使其能够在推理过程中自我反思并纠正错误，显著提高了准确性和可靠性。在数学基准 GSM8K 的测试中，Reflection 70B 取得了 99.2%的惊人成绩，超越了包括 GPT-4o 在内的多个顶级模型。这一成就引起了业界的广泛关注，并得到 OpenAI 科学家的高度评价。文章还介绍了团队背景，相关产品，以及未来发布更大版本 Reflection 405B 的计划。Reflection 70B 的成功展示了小团队在 AI 领域的创新能力，为开源社区带来了新的希望和动力。

文章介绍了 FLUX.1 系列图像生成模型，强调其与现有开源模型如扩散模型相比的优越质量。它强调了在复制平台上微调这些模型的简易性，即使是技术知识有限的用户也能操作。指南详细介绍了使用个人图像微调 FLUX.1 的步骤，包括收集训练图像、选择独特的触发词和训练模型。此外，还讨论了如何通过集成语言模型来增强提示生成，最终使用户能够创造出更具想象力的图像。文章最后提出了对微调模型进行迭代和娱乐的建议。

2024 年 8 月，中文大模型测评基准 SuperCLUE 发布了最新的《中文大模型基准测评 2024 年 8 月报告》，腾讯混元大模型凭借在 11 个能力项中的 8 项核心任务上排名第一，总得分居国内大模型第一名。该模型采用全新的混合专家模型（MoE）结构，显著提升了性能并降低了推理成本。腾讯混元在理科、文科和 Hard 任务上均表现优异，特别在 Hard 任务中取得 74.33 分，成为国内唯一超过 70 分的大模型。随着行业快速发展，腾讯混元等国产大模型的能力与国外领先模型的差距持续缩小，正在积极推进实际应用落地，已在近 700 个业务场景中得到应用。

文章基于 3Blue1Brown 的《深度学习》课程第 7 课的视频内容，深入探讨了大型语言模型（LLM）如何存储事实信息。通过一个具体的例子——“迈克尔·乔丹从事的体育运动是篮球”，文章展示了 LLM 如何在数以亿计的参数中存储特定知识。文章首先回顾了 Transformers 的工作原理，并详细介绍了多层感知器（MLP）在 LLM 中的作用，解释了 MLP 如何通过一系列运算来处理和存储信息。此外，文章还计算了 GPT-3 中的参数数量，并简要介绍了叠加（Superposition）概念，这是一个可能解释模型难以解释性和扩展性好的假设。整体而言，文章通过直观生动的动画演示，帮助读者更好地理解 LLM 的内部工作机制，同时强调了 3Blue1Brown 在教育资源方面的价值。

文章来自 ShowMeAI 研究中心，聚焦于 AI 编程工具的发展和应用，展示了 Cursor 等工具的兴起标志着该领域的务实转向。文章详细列出当前最流行的 AI 编程工具，并提供多个排行榜和测评网站，帮助读者了解不同 AI 模型的编程能力排名。通过调研 200+程序员的使用心得，文章展示了 AI 工具在编程中的实际应用和存在的问题，如学习成本高、准确性有待提高等。最后，文章分享了一套完整的 AI Coding Workflow 和实用提示词，以及资深算法工程师使用 AI 进行编程和研究的实例，强调了 AI 在编程中的实用性和未来潜力。

本文是‘十字路口’播客的一期节目，邀请了硅基流动创始人袁进辉和独立开发者 idoubi，共同探讨 AI 工程师的职业现状、未来发展方向以及 AI 技术在实际应用中的挑战与机遇。文章强调 AI 工程师面临快速变化的行业环境和多样的职业路径选择，特别是 AI Native 应用的重要性。idoubi 分享了在 AI 应用开发中的高效辅助作用，并讨论了提示词工程和低代码开发的趋势。此外，文章还探讨了全栈工程师的需求以及 AI 时代下工程师角色的转变，最后强调了创业过程中的自我革新和个人成长。

本文由风叔撰写，发表于“人人都是产品经理”平台，详细介绍了 AI Agent 设计模式中的 REWOO 方法。REWOO（Reason without Observation）是一种针对 ReAct 模式的优化方法，通过分离推理与观察、采用模块化设计来减少冗余计算和 Token 消耗。文章回顾了 ReAct 模式的问题，介绍了 REWOO 的架构，包括 Planner、Worker 和 Solver 三个部分，并提供了实际源码展示。REWOO 通过生成一次性使用的完整工具链和简化微调过程，提升了效率和准确率，但高度依赖于 Planner 的规划能力。文章建议为提升 Agent 的准确率，需要引入规划调整机制。

本文是《AI 大模型实战篇》系列的一部分，专注于介绍 AI Agent 设计模式中的 Plan-and-Execute 方法。文章首先回顾了前文提到的 ReWOO 模式，指出其依赖于规划器准确性的局限性，并引入了 Replan 机制以增强系统的适应性和灵活性。Plan-and-Execute 模式的核心在于先进行计划，再执行，并根据执行情况动态调整计划，其架构包括规划器、执行器和重规划器。通过详细的源码示例，文章展示了如何构建执行器、定义系统状态、设计规划器和重规划器，以及如何构建整个流程图。最后，文章讨论了 Plan-and-Execute 模式的优缺点，并提出了进一步优化的方向，如使用有向无环图（DAG）实现任务的并行执行。

Databricks 宣布在其 Agent 评估框架中对内置大语言模型评判器进行了重大改进。Agent 评估框架旨在帮助 Databricks 客户定义、衡量和提高生成式 AI 应用的质量，尤其是在处理复杂、开放式问题和长篇答案的行业特定情境中。该框架通过使用人类主题专家和自动化大语言模型评判器来应对评估 ML 输出质量的挑战。新的答案正确性评判器现已向所有客户开放，相比之前的版本和基准系统提供了显著改进，特别是在处理客户代表性用例时。该评判器通过判断生成答案中是否包含特定事实和声明来评估其语义正确性，而不是依赖于模糊的相似性指标。评估方法包括与学术和行业数据集的比较，显示出与人类标注者的高度一致性，并优于现有的基准。

本文讨论了提示工程在生成式人工智能应用中的重要性，以及它如何影响质量、性能、成本效益和用户体验。它介绍了提示评估作为开发高质量人工智能驱动解决方案的关键方面。然后，本文展示了如何使用亚马逊基岩的提示管理和提示流程实现自动化的提示评估系统。该系统使用大语言模型作为评判方法，根据预定义标准评估提示，并提供标准化和自动化的数值评分。本文提供了设置评估提示和流程的逐步指南，包括创建提示模板、选择模型和配置推理参数。还讨论了提示优化的最佳实践，如迭代改进、上下文提供、特异性和测试边缘情况。最后，本文强调了这种系统化方法对提示评估和优化的好处，可以提高人工智能生成内容的质量和一致性，简化开发过程，并可能降低成本。

本文由 Chip Huyen 撰写，详细分析了生成式 AI 平台的设计与实现。文章从基础架构出发，逐步介绍了包括模型 API、上下文增强、防护措施在内的多个关键组件。特别强调了上下文构建的重要性，通过 RAG 等技术增强模型的回答质量，减少幻觉现象。此外，文章还讨论了基于嵌入的检索技术、混合搜索策略以及防护措施的实施，旨在提高 AI 平台的安全性和可靠性。模型网关、缓存技术、系统安全性和可观测性等高级主题也得到深入探讨，这些措施具体提高了系统的稳定性和可靠性。

本周的 LlamaIndex 通讯展示了人工智能框架的重要发展，例如动态 RAG 检索指南，该指南提升了上下文检索的效率。通讯还介绍了自动文档检索指南，构建代理报告生成系统的教程，以及工作流程的全面概述。一个值得注意的案例研究强调了 GymNation 部署人工智能代理，导致销售和客户服务结果的增强。此外，社区贡献和即将举行的活动，包括黑客松和播客，进一步吸引了观众。

本文深入探讨了使用 LlamaIndex 构建检索增强生成 (RAG) 管道的复杂性，LlamaIndex 是一个旨在提高大型语言模型 (如 ChatGPT) 的准确性和可靠性的框架。它解决了 LLM 中的幻觉挑战，即模型生成事实错误或误导性文本的问题。RAG 通过从庞大的知识库中集成信息检索来缓解这一问题，确保响应基于现实世界的事实。

文章概述了 RAG 管道的组成部分，包括向量数据库、嵌入模型和语言模型，并解释了 LlamaIndex 如何促进这些组件之间的连接。它提供了一个使用 Python 和 IBM watsonx 设置管道的分步指南，涵盖了嵌入创建、检索、上下文化和响应生成等主题。

文章还讨论了为最佳性能微调管道，使用准确性、相关性、连贯性和事实性等指标评估其有效性。实际应用的 RAG 管道，如客户支持聊天机器人和知识库搜索，被突出显示，展示了这项技术的实际价值。

本文宣布发布 LangGraph.js v0.2.0，这是一个用于构建基于 LLM 的代理的 JavaScript/TypeScript 框架。此版本引入了关键功能，包括中间步骤和聊天模型消息的灵活流式处理、用于错误调试和状态回溯的内置检查点系统、用于状态更新和中断的一流人机协同支持以及并行节点支持以实现同时执行。此外，LangGraph.js 现在支持 LangGraph Studio（一个代理 IDE）和 LangGraph Cloud（一个可扩展的部署基础设施）的测试版。这些工具旨在提高应用程序的响应性、弹性和访问控制，并在包括浏览器在内的各种 JavaScript 运行时中运行。与 LangSmith 的集成在 LangGraph Cloud 中提供了详细的跟踪和检查点，加上社区反馈，进一步强调了其解决特定开发挑战的承诺。

Cognition 创始人 Scott Wu 在访谈中详细讨论了 AI 程序员 Devin 的全面编程能力，包括编写代码、浏览网页、运行命令和复杂决策，预示着 AI 辅助编程的新方向。他预测未来的软件工程师将更接近产品经理和技术架构师的结合体，专注于问题分解和高层设计，而将编码工作交给 AI。此外，他探讨了 AI 创业的挑战与机遇，强调创业者需要具备前瞻性和适应能力，同时在技术尚未成熟时就做出押注。Scott 还讨论了 AI 的普及和实际应用将是一个平滑的曲线，而非突变，以及 AI 技术的发展将导致少数几个大型平台公司的出现，同时会有许多在其上构建的应用程序。

文章介绍了在 freeCodeCamp.org YouTube 频道上新发布的课程。该课程重点是使用大型语言模型（LLM）和 Python 进行多模态数据分析（包括文本、图像、音频等）。该课程由康奈尔大学的副教授伊曼纽尔·特朗默博士开发，深入探讨了分析各种类型数据的先进技术。关键主题包括文本分类、图像分析、音频数据处理和结构化查询语言数据库（SQL 数据库）的自然语言查询。该课程以其实践性、多模态内容、专家指导和丰富资源而备受关注。专为数据科学家、机器学习工程师以及对 AI 驱动的数据分析感兴趣的任何人设计，它提供了实用的技能和坚实的现实应用基础，强调其潜在的行业影响和实际应用场景。

北京大学李戈教授团队在他们的最新研究中提出了一种名为 HITS 的新方法。HITS 通过程序分片技术提升大模型在复杂函数单元测试中的覆盖率。该方法的核心在于将复杂函数依据语义拆解为多个简单片段，然后利用大模型为每个片段生成针对性的测试样例，从而降低分析难度并提高覆盖率。HITS 方法通过上下文学习调用大模型，利用其自然语言处理能力帮助大模型更好地理解代码执行的中间状态，生成更有效的测试样例。实验结果显示，HITS 在复杂函数上的代码覆盖率显著优于其他基于大模型的单元测试方法和传统方法。这一技术不仅提升了单元测试的效率和效果，还有望在实际软件开发中帮助团队更早发现并修正错误，提高软件交付质量。

Pieter Levels 是一位自学成才的独立开发者，他在 13 年间启动了 70 个创业项目，成功运营 40 个，其中 4 个非常成功。Levels 强调快速行动和公开透明的开发方式，通过大量尝试和快速迭代实现了 5% 的成功率，提倡保持产品简陋以快速验证市场。他的创业方式包括从日常生活中发现问题并通过编写代码解决，旅行提供新视角和解决方案，利用新技术如 AI 进行探索和创新。Levels 的经历强调了简化流程和快速实现的重要性，并展示了 AI 技术的商业潜力。

本文从多个角度探讨了 AI 产品开发的难点与挑战，包括大模型 API 的使用、大小模型设计、上下文窗口问题、数据获取与安全机制、跨模态处理、RAG 和 AutoGPT 的应用等。文章指出，AI 产品的成功不仅依赖于先进技术，还需要产品经理与工程师的协同工作，以及对媒介和内容转换的深刻理解。此外，文章讨论了 AI 产品的商业价值与未来发展方向，强调在 AI 产品开发中应避免过度依赖大模型，而应结合实际工具和数据来优化整体系统。

文章首先强调了 AI 技术在产品开发中的重要性，特别是大模型的工程化及其局限性。产品经理需要深入理解大模型的成本、性能和响应速度等问题，并关注上下文窗口的限制。文章探讨了大模型在具体应用中的挑战，如幻觉现象及其对用户体验的影响。此外，作者讨论了 RAG 和 AutoGPT 等技术的实际应用和局限性，最终呼吁产品经理在选择 AI 解决方案时要综合考虑用户价值、新旧体验和替换成本。

支付宝作为国民级应用，已经服务了数亿用户 20 年，涵盖支付、出行、理财、就医、办事等多个生活领域。随着 AI 技术的发展，支付宝推出了全新的 AI 原生应用「支小宝」，旨在通过 AI 技术进一步提升用户的生活服务体验。「支小宝」不仅能够理解用户的自然语言需求，还能直接采取实际行动，如购票、订餐、充值等，极大地简化了用户的操作流程。文章详细介绍了「支小宝」的核心功能和设计理念，强调了其从理解（Chat）到采取实际行动（Act）的转变。通过 ACT 技术，「支小宝」能够模拟人类交互，实现屏幕感知与仿真执行，使用户只需通过语言表达需求即可完成复杂操作。此外，支付宝还通过多模态数据采集和优化 Function Call 等技术，提升了大模型的行动力和用户体验。支付宝的 AI 战略不仅限于 All in AI，而是 AI in All，即通过 AI 技术全面提升现有平台的服务能力。文章还提到了支付宝在智能体生态开放计划方面的布局，通过一站式智能体开发平台「百宝箱」，商家机构可以快速创建专属服务智能体，进一步推动 AI 技术在各行各业的应用。

NightCafe 是由 Angus 和 Elle Russell 创立的独特 AI 艺术生成平台，拥有 2500 万用户和每年 200 万美元的净利润。平台通过积分系统和社区建设实现了商业闭环，并通过聚合多种图像模型和提供微调功能，使用户易于创作艺术作品。NightCafe 对 AI 艺术的版权问题持谨慎态度，通过用户协议和人工审核来避免法律风险。公司选择不引入外部投资，专注于成为顶级模型的聚合器，并构建社区和社交中心。NightCafe 还积极应对技术商品化的挑战，保持在 AI 艺术领域的竞争力。

Unstructured.io 是一家专注于非结构化数据处理的公司，凭借精细化的数据摄取技术，帮助企业有效部署大型语言模型（LLM）。公司已经与包括美国空军在内的多个政府部门建立了合作关系，展现了在数据安全与精确处理方面的优势。Unstructured.io 提供多样化的产品，包括开源 Python 库、商业版 API 和企业级平台，以满足不同客户的需求。尽管市场竞争激烈，Unstructured.io 的强大团队背景及其对大企业与政府需求的深刻理解为其商业化进程提供了支持。未来，Multi-step Agents 和多模态技术的发展可能为公司带来更多机会。

Gauth 是字节跳动推出的一款 AI 教育应用，专注于帮助学生解决高中基础数学问题，并已扩展至化学和物理等科目。该应用凭借 OpenAI 的大模型，获得了超过 2 亿的学生用户，下载量超过数百万次，用户在苹果和谷歌应用商店的评分高达 4.8 星。Gauth 不仅提供 AI 解题服务，还通过付费的‘Plus’版本提供真人导师，增强了用户体验。其成功不仅依赖于技术，还在于通过增加用户屏幕使用时间，间接促进了 TikTok 的用户活跃度和广告收入。Gauth 的快速崛起也面临中美政治紧张局势的挑战，未来的应用前景需密切关注。

Uplimit 是一家由前 Coursera 副总裁 Julia 创立的 AI 在线学习平台，旨在通过人工智能技术提升在线教育的质量和可扩展性。文章首先介绍了 Uplimit 的使命和核心价值，即利用 AI 在个性化内容、简化反馈和保持学习者参与度方面的潜力，使讲师能够专注于提供灵感、联系和观点。Uplimit 提供了一系列 AI 工具，帮助讲师快速创建和更新课程，同时为学生提供更好的学习体验，包括 AI 角色扮演和学习助手等功能。Uplimit 通过 AI 技术，成功将课程完成率提高了 15-20 倍，吸引了卡夫亨氏、GE 医疗、Procore 和 Databricks 等知名企业用户。Uplimit 的核心团队在在线学习和尖端技术建设领域有着丰富的经验，且都曾在 Coursera 任职。最后，文章提到 Uplimit 在 7 月 19 日获得了由 Salesforce Ventures 领投的 1100 万美元 A 轮融资，用于进一步推动 AI 在教育领域的应用，提升课程完成率和学习体验。

曲晓音，Heeyo AI 的创始人，通过分享她的创业历程和 AI 教育产品的开发，展示了 AI 在个性化教育和儿童发展中的重要作用。Heeyo 通过个性化的 AI 教育伙伴，为 3 到 11 岁的儿童提供支持和引导，以激发他们的好奇心和创造力。曲晓音强调了在产品开发中平衡家长期望与孩子兴趣的重要性，解决了个性化教育的诸多挑战，包括合规性和家长信任。此外，文章探讨了 AI 在心理咨询领域的应用潜力，特别是在满足个性化需求和提供情绪支持方面。

文章通过专访数字艺术家十三，深入探讨了他从传统设计师到 AI 设计师的转型过程，以及他创立的“AI 蓬莱”工作室在 AI 与设计融合方面的创新实践。十三分享了他如何利用 AI 技术提升设计效率，激发创意灵感，并在多个领域如品牌设计、影视创意、交互体验等进行探索。他还描述了在 AI 设计大赛中的经历，以及他对 AIGC 发展前景的看法和对设计师的建议，强调了 AI 在设计行业中的重要性，并提出了设计师应如何拥抱 AI 技术，形成人机协作的新模式。

文章源自 YC 创始人 Paul Graham 的文章《Founder Mode》，讨论了为何创始人不应简单模仿大公司的管理经验。Graham 指出，传统的管理智慧，即让创始人像职业经理人那样管理公司，往往导致效率低下。他提出“创始人模式”，强调创始人应更直接地参与公司管理，关注细节，这与 Airbnb CEO Brian Chesky 的实践相呼应。Chesky 通过深入参与公司每个细节，使 Airbnb 实现了快速增长和稳定的现金流。文章进一步探讨了创始人模式与经理人模式的区别，指出创始人模式更复杂但更有效，能够帮助公司在竞争中保持优势。此外，文章还引用了多位创始人和管理者的评论，讨论了创始人模式的实际应用和潜在问题，以及其在不同行业中的适用性和挑战。

Andrej Karpathy 在最新的访谈中广泛讨论了 AI 的多个前沿领域，包括自动驾驶、教育革命、类人机器人和 Transformer 模型。他强调 AI 应成为赋能人类的工具，而非取代人类，并预测未来 AI 模型将更小、更高效，可能由多个专门化小模型组成。Karpathy 还探讨了特斯拉和 Waymo 在自动驾驶领域的不同挑战，以及从自动驾驶到人形机器人的技术转移。他指出 Transformer 架构在 AI 领域的突破性进展，使得神经网络的训练和应用变得更加通用和高效。此外，Karpathy 讨论了 AI 在教育领域的潜力，特别是如何通过 AI 扩大优秀教师的影响力，实现全球化和个性化教育。他还预测，在后 AGI 社会，教育将更多地成为一种娱乐，数学、物理和计算机科学等学科将成为未来教育的核心。

文章详细回顾了国内大模型创业公司“六小虎”（智谱 AI、百川智能、零一万物、月之暗面、Minimax、阶跃星辰）在 2024 年中的发展情况。这些公司在模型能力增长放缓的背景下，通过差异化产品策略和激烈的市场营销争夺用户。尽管面临商业化探索的迷茫和融资压力，这些公司仍通过高额融资和积极的市场策略保持竞争力。文章还探讨了这些公司在 To B 和 To C 市场策略上的不同选择，以及他们在人才流动和内部管理上的挑战。此外，文章也描述了这些公司在技术创新方面的具体表现。

Reflection AI 是一家由前 DeepMind 科学家 Misha Laskin 和 AlphaGo 工程师 Ionnis Antonoglou 创立的初创公司，专注于开发无需编程基础的 AI Agent。该公司已获得红杉资本的 1 亿美元投资，旨在打造一个能够自动执行复杂知识工作的“超人类通用代理”。与传统语言模型相比，AI Agent 具备调用工具、记忆和推理能力，能够存储交互、规划未来行动，并通过反馈机制提高响应的准确性。Reflection AI 提供简单易用的平台，用户可通过通俗语言的 prompt 创建和定制自己的 AI Agent，借此实现个性化体验。同时，该平台还提供监控和分析工具，帮助用户优化 AI Agent 的行为。

这篇文章详细探讨了 Tensor.Art 的背景、发展历程及其在 AI 生图产品领域的独特策略。由回响科技孵化的 Tensor.Art，最初定位为基于 SD 开源生态的模型托管平台，面对整体流量下滑的市场环境，通过强化社区建设和技术支持，实现了逆势增长。文章还分析了 Tensor.Art 的商业化策略，特别是针对个人用户和企业用户的不同服务模式，以及在技术优化和成本控制方面的努力，显示出其在 AI 生图产品领域的强大竞争力和市场潜力。

本文报道了 Ilya Sutskever 创立的新公司 Safe Superintelligence (SSI)在短短三个月内完成 10 亿美元融资，估值高达 50 亿美元。SSI 的目标是开发安全的超级智能，并采用传统的盈利性公司结构，与 OpenAI 的非盈利模式形成鲜明对比。文章详细介绍了 SSI 的融资背景、团队构成、技术方向以及对 AI 安全的重视。Ilya 强调，SSI 将专注于解决 AI 的对齐问题，确保 AI 的目标与人类一致。此外，SSI 计划与云服务提供商和芯片制造商合作，以满足算力需求。整体上，SSI 的成立标志着 AI 安全领域的新篇章，尽管面临技术挑战，但其对安全的承诺和创新方法可能引领 AI 技术的新发展。

文章深入分析了人工智能（AI）快速发展背景下，人类应如何保持其独特性和竞争力。首先，文章指出 AI 的崛起不仅是对体力或脑力劳动的革命，更是一场深层次的社会性变革，强调了人类在面对复杂、未知和不确定性时展现出的“心力”能力的重要性。接着，文章列举了未来十年内 AI 难以替代的人类核心能力，包括健全的人格、积极的人生态度、好奇心和创造力以及情感和人际关系管理能力。此外，文章还预测了未来工作方式的转变，即智能体之间的交流和协作，人类将从“操作员”转变为“思考者”，与 AI 协同合作，专注于更高层次的思考和创新。最后，文章强调了在 AI 时代，那些“不变”的能力将决定人类的未来命运，鼓励人们坚持这些永恒的价值。

上周 AI 领域迎来了一系列重要进展，涵盖了从消费级人形机器人到新的 AI 推理模型，再到多模态 LLM 和视频生成模型的发布。1X 公司推出了家用消费级机器人 NEO Beta，采用自主研发的'肌腱驱动'技术，预计 2025 年交付。OpenAI 训练完成新的推理模型 Strawberry，用于生成高质量合成数据，辅助下一代模型 Orion 的训练。Magic 发布具有 1 亿 Token 上下文的 LTM-2-mini 模型，提出新的评估方法 HashHop，提高处理超长上下文的能力。此外，阿里开源了支持视频理解的多模态 LLM Qwen2-VL，该模型在多个视觉理解基准测试中表现卓越，能够处理不同分辨率和长宽比的图片，以及理解 20 分钟以上的长视频。这些进展不仅展示了 AI 技术在日常生活中的应用潜力，也推动了多模态学习和视频理解技术的发展。

本文是《科技爱好者周刊》第 316 期，由阮一峰发布。文章首先介绍了封面图——香港的龙珠岛，随后引出了对科幻小说《你一生的故事》的讨论，特别是其被改编成电影《降临》。接着，文章探讨了一个创新的想法：利用 AI 技术为每个人生成一生的故事，介绍了一种通过佩戴摄像头拍摄照片并发送到 OpenAI 生成传记描述的方法。此外，文章还包含了一些科技动态，如宇航员的尾巴设计、假西瓜事件和超声波咖啡的制作方法，并推荐了一些技术文章、工具和资源，涵盖从 GitLab 静态内容托管到 AI 代码编辑器 Cursor 的使用指南。