AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
精选
过去 24 小时,从 792 条中筛出 40 条
全部模型产品行业论文技巧
标签:AGI×
6月13日
10:52
10:52rohanpaul_ai@rohanpaul_ai
精选
Google DeepMind 发布论文《From AGI to ASI》,探讨从通用人工智能(AGI)到超级人工智能(ASI)的四种可能路径:持续扩展计算与模型规模、算法范式突破(超越 Transformer)、递归自我改进(AI 加速 AI 研发)、多智能体集体智能。论文指出,扩展路径可能受限于数据、计算和能源瓶颈;递归改进最不确定,因需真实世界测试和稀缺硬件;多智能体集体智能最被低估,通过专业化与协调可超越单一模型。ASI 可能不是单一事件,而是 AI 辅助创造更好 AI 的加速链。
论文Google DeepMindAGIASI多智能体递归自我改进

推荐理由:DeepMind 分析 AGI 到 ASI 的四种路线
原文
6月12日
13:02
13:02ARC Prize@arcprize
精选
Arc Prize联合创始人Francois Chollet与Polynoamial讨论AI领域对推理计算(inference compute)的普遍低估。他们认为,推理计算(模型在推理时消耗的计算资源)可能比训练计算更关键,是通往AGI的隐藏力量。同时,他们探讨了是否存在新的AGI测试方法,以及缺乏计算资源的学术界如何在AI竞争中保持竞争力。这场对话挑战了当前以训练规模为中心的AI发展范式。
行业推理计算AGI学术界AI竞争Francois Chollet

推荐理由:Chollet的洞见挑战了AI界对训练算力的迷信,做AI研究或关注AGI进展的开发者值得一看,可能会重新思考你的算力分配策略。
原文
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
6月9日
01:03
01:03Gary Marcus@GaryMarcus
精选
Gary Marcus 在 X 上反驳 Google 联合创始人 Sergey Brin 的观点,Brin 认为 Transformer 架构本身足以实现 AGI。Marcus 指出,当前没有任何团队单独使用 Transformer,而是结合工具、约束和神经符号 AI 架构。他认为 Transformer 可能是 AGI 的必要条件,但绝非充分条件,这正是神经符号 AI 兴起的原因。
行业AGITransformer神经符号 AIGary MarcusSergey Brin

推荐理由:AGI 路线争论升级,做 AI 架构和研究的开发者值得关注——Transformer 的边界在哪、神经符号 AI 为何崛起,看完会有启发。
原文
6月5日
08:51
08:51Gary Marcus@GaryMarcus
精选
Gary Marcus 对 Anthropic 关于递归自我改进(RSI)的博客提出关键批评。他指出,博客中展示的成果属于 RSI(AI 作为人类可用的编码工具),而非 AGI(能自主完成人类所有工作的机器)。Marcus 强调,这些结果来自神经符号系统(如 Mythos 和 Claude Code),并非纯规模扩展的胜利,而是工具和符号系统的胜利。他认为,深度学习确实遇到了瓶颈,神经符号 AI 拯救了它,而实现 AGI 需要新思路,而非仅靠代码优化。因此,我们不必过度恐慌。
行业AGIRSI神经符号系统AnthropicGary Marcus

推荐理由:Gary Marcus 一针见血地拆解了 Anthropic 博客的过度乐观,做 AI 研究的团队和关注 AGI 进展的读者值得一看,避免被标题误导。
原文
6月4日
08:10
08:10Latent.Space@latentspacepod
精选72°
Axiom Math AI 创始人兼 CEO Carina Hong 在播客中解释,数学验证可能是从代码智能体迈向 AGI 的关键。她认为,通过 Lean 等形式化证明工具,可以将推理转化为更强的奖励信号,从而扩展 AI 的“聪明”而非仅仅修复幻觉。Axiom 将市场定位为所有 AI 生成的代码,并强调未来 AI 的瓶颈可能不是生成,而是验证。该方法还能以自验证方式证明研究猜想。
AI模型Axiom数学验证AGI形式化证明推理模型

推荐理由:数学验证正在成为 AI 推理的下一个突破口,做代码智能体或形式化验证的开发者值得关注——这可能是从“生成”到“验证”的范式转变。
原文
6月1日
00:09
AITOP6月1日 00:09
OpenAI 发起“Codex for Open Source”:免费赠送 6 个月 Pro 订阅,开源维护者能否迎来 AI 变革?
5月29日
08:02
AITOP5月29日 08:02
Opus 4.8发布:编程助手的“静默时刻”,是解放开发者,还是新门槛?🔥Anthropic 把 AI 编程的“确认键”彻底删掉了!Claude Code 搭载全新 Opus 4.8 模型,长时间任务不跑偏、不废话、不中断,像一个资深工程师一样默默干活,从功能开发到漏洞清扫全包圆,你在旁边喝茶等结果就行。过去 AI 写代码三步一问“这样可以吗”,现在它直接交完整交付物……自主编程的最后一层窗户纸,被捅破了。做自动化开发和代码审查的团队,这个模型建议直接上手,效率差距肉眼可见……Opus 4.8发布:编程助手的“静默时刻”,是解放开发者,还是新门槛?
5月24日
19:04
19:04rohanpaul_ai@rohanpaul_ai
精选
一篇论文重新定义AGI为在计算、内存和能量限制下的适应能力。它提出AGI系统应能像人类科学家一样规划实验、学习因果关系、平衡探索与行动并自主运作。论文将这种AGI称为“人工科学家”,评判标准是其跨任务发现和适应的能力,而非仅通过类人测试。该论文预印本编号为2503.23923。
论文AGI人工科学家适应能力论文

推荐理由:重新定义AGI,聚焦适应力
原文
5月23日
20:54
20:54Gary Marcus@GaryMarcus
精选
Gary Marcus 引用六年前的文章《AI 的下一个十年》,指出世界模型(World Models)的核心地位终于得到认可。DeepMind 的 Demis Hassabis 认为当前 AI 的局限在于语言只能描述世界,无法包含世界,而世界模型是他“最持久的热情”。语言模型从文本中吸收了远超预期的现实结构,但文本只是经验的压缩残渣,无法编码重量、抓握、平衡、摩擦等物理细节。世界模型旨在学习物理现实的隐藏语法——物体如何持续、力如何展开、空间如何随行动变化——这对于真正的智能至关重要,因为智能不仅是回答得好,更是知道下一步行动会带来什么后果。
AI模型世界模型Gary MarcusDemis HassabisDeepMindAGI

推荐理由:Marcus 和 Hassabis 点出了当前 LLM 的根本局限——文本无法替代真实体验,做 AI 研究或关注 AGI 方向的开发者值得深入理解世界模型为何是下一关键突破。
原文
5月17日
13:22
13:22Gary Marcus@GaryMarcus
精选
Gary Marcus 等学者在皇家学会《哲学汇刊 A》组织了一期关于“世界模型”的特刊,集结了 Michael Levin、David Ha、Melanie Mitchell、Joshua Tenenbaum 等顶尖研究者。特刊聚焦于当前 LLM 的局限,探讨如何通过构建世界模型实现更接近自然智能的 AI,包括因果推理、系统 2 认知和意识等核心问题。文章指出,世界模型可能是让 AI 具备可靠推理和泛化能力的关键,甚至关系到 AI 安全的未来。这一特刊标志着学界开始认真面对“超越 LLM”的硬问题。
论文世界模型AGI自然智能因果推理系统2认知

推荐理由:世界模型是 AI 从“鹦鹉”走向“真正理解”的关键一步,做 AI 研究或关注 AGI 路径的人,这篇特刊的阵容和问题清单值得细读。
原文
5月16日
22:52
22:52elvis@omarsar0
精选
一篇立场论文提出,智能体 AI 系统(而非更大的基础模型)是通往 AGI 最可行的路径。作者将“智能体”的贡献形式化为多个可分离的维度:记忆、推理、工具使用、自我改进和对齐。每个维度都有其独特的瓶颈(如长程连贯性、信用分配、安全审计),而这些瓶颈无法通过增加预训练算力来解决。论文认为,单纯扩大模型规模不足以克服这些挑战,智能体架构才是关键。
论文智能体AGI推理模型对齐论文

推荐理由:这篇论文为智能体 AI 的路线图提供了清晰的理论框架,做 AGI 研究或智能体开发的团队值得一读,能帮你理解为什么堆算力不是万能药。
原文
精选全部日报登录