AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：AGI×
6月27日
11:20
6月18日
07:42
6月16日
20:46
6月14日
11:52
6月13日
18:22
10:52
6月12日
13:02
12:57
11:51
6月11日
17:59
15:28
15:23
15:07
6月10日
14:51
14:51AI Will@FinanceYF5
83°
开发者 Victor Taelin 在优化 HVM5 交互网求值器时，让 Claude 的 Fable 模型在 2 小时内实现了最高 1770%（17 倍）的性能提升，远超他本人、Opus 4.8 以及一群 GPT-5.5 智能体的优化效果。Fable 不仅找到了一个高影响力的优化点（动态模式匹配节点的垃圾回收），还主动指出开发者自己代码中的一个隐蔽 bug，导致变量指针位被误用。Taelin 表示这让他既惊讶又担忧，认为世界正在改变，并呼吁关注 AI 带来的不平等问题。
AI模型ClaudeFableHVM5性能优化AGI
推荐理由：这个案例展示了 AI 不仅能优化代码，还能发现人类开发者自己都没意识到的 bug，做高性能计算或编译器优化的开发者看完会重新评估 AI 的能力边界。
原文
04:44
6月9日
10:57
10:57rohanpaul_ai@rohanpaul_ai
72°
一篇来自中美顶级实验室的111页综述论文提出，AGI的关键不在于模型回答得更好，而在于智能体能否主动探索未知。论文定义了“认知探索”概念，即智能体应主动减少不确定性，在能力边界附近学习，并保持未来路径的开放性。探索不是随机行为，而是有纪律地询问哪些观察会改变信念、哪些尝试能提升技能。论文将AI进展分为5个层级：响应者、推理者、智能体、探索者和生态系统，每个层级探索更广阔的空间。
论文AGI智能体探索认知科学综述论文
推荐理由：这篇论文重新定义了AGI的评判标准——从“回答能力”转向“探索能力”，做智能体研究的团队值得仔细读，它可能改变你对AI发展路径的理解。
原文
06:17
05:49
01:03
6月8日
19:05
16:16
16:01
10:45
06:22
06:22rohanpaul_ai@rohanpaul_ai
72°
Google DeepMind 联合创始人兼 CEO Demis Hassabis 在最新访谈中表示，AGI（通用人工智能）可能在 2030 年左右到来，误差不超过一年。他认为社会需要意识到这一时间紧迫性，因为人类正站在奇点的山脚。评论指出，真正的挑战不在于 AGI 何时精确到来，而在于现有体制（教育、企业、政府）能否适应技术变革的速度——学校仍为稳定职业培养人才，企业围绕人类瓶颈组织工作，政府则在危害显现后才监管。如果 AGI 按前沿实验室的时间表到来，这种滞后将形成危险鸿沟。
行业AGIDemis HassabisGoogle DeepMind社会影响技术预测
推荐理由：Hassabis 给出了 AGI 最具体的时间预测（2030±1年），做 AI 战略、政策研究或技术投资的人值得关注——这不仅是技术判断，更是对现有体制适应能力的拷问。
原文
6月6日
10:44
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
07:22
6月4日
08:10
6月3日
20:37
6月1日
07:59
07:59rohanpaul_ai@rohanpaul_ai
Sam Altman 在 TreeHacks 访谈中回顾了 2014 年 OpenAI 创立初期的艰难处境。当时业界普遍认为 AGI 还需 100 年，OpenAI 的愿景被资深人士斥为“疯狂”和“骗局”。Altman 表示，他们选择押注“扩展深度学习”这一当时不受欢迎的方向，坚信增加算力能带来更好结果。尽管当时尚未发现 scaling laws 的精确规律，但团队决定全力推进。这段历史揭示了 OpenAI 早期信念与主流认知的巨大差距。
行业OpenAISam AltmanAGI创业历史深度学习
推荐理由：这段历史对 AI 从业者很有启发——当主流共识说“不可能”时，OpenAI 选择了逆势押注 scaling。做 AI 研究或创业的人看完会重新思考“共识”与“创新”的关系。
原文
5月29日
23:54
5月28日
00:44
5月27日
21:46
18:54
01:29
5月26日
00:16
00:16Gary Marcus@GaryMarcus
Google DeepMind CEO、AlphaFold诺贝尔奖得主Demis Hassabis公开表示，当前AI系统远未达到通用人工智能（AGI）水平。他指出，尽管AI能解决大量Erdős问题（定义明确的组合数学问题），但真正的发明——创造新对象、新维度、新联系——是AI无法做到的。Hassabis的言论反驳了AGI即将到来的叙事，强调从解决问题到发明创造之间存在尚未跨越的鸿沟。这一观点由Valerio Capraro在社交媒体上分享，引发了对AI能力边界和AGI前景的讨论。
行业AGIDemis HassabisDeepMindAI能力边界行业观点
推荐理由：Hassabis的权威表态给AGI狂热降温，对关注AI发展路径的研究者和从业者来说，这是重新审视AI能力边界的重要信号，值得一读。
原文
5月24日
19:04
10:30
10:30Gary Marcus@GaryMarcus
Gary Marcus 在 X 上回应 Google DeepMind 的 Oriol Vinyals 关于“AGI 已以某种形式到来”的观点，强调 AGI 远未实现。他引用自己与 Miles Brundage 的赌约中的十个例子，认为当前没有任何 AI 能可靠完成其中任何一个，更不用说一个通用系统完成全部。Marcus 指出，AGI 的定义标准在不断提升，但当前系统仍远未达到他、Dan Hendrycks、Yoshua Bengio 等人在 agidefinition.AI 上提出的严格标准。这场争论反映了 AI 社区对 AGI 进展的不同评估视角。
行业AGIGary MarcusAI 定义能力评估行业争论
推荐理由：Marcus 的批评戳破了 AGI 已来的乐观叙事，关注 AI 能力边界的开发者或研究者值得一看——它提醒我们不要被炒作迷惑，重新审视当前模型的实际局限。
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
09:26
09:26rohanpaul_ai@rohanpaul_ai
72°
DeepMind 创始人 Demis Hassabis 指出当前 AI 的局限：语言可以描述世界，但无法包含世界。语言模型从文本中意外学到了大量现实结构，但文本只是经验的压缩残渣，而非经验本身。世界由需要亲身经历、触摸、预测、违反和修复的约束构成，而非仅由可命名的事实组成。Hassabis 认为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、空间如何变化、行动如何产生反馈。他强调，智能不仅是回答得好，更是知道如果你移动、伸手、推、闻、滑倒或失败，接下来会发生什么。
AI模型世界模型语言模型Demis HassabisDeepMindAGI
推荐理由：Hassabis 点出了当前大语言模型的核心天花板——文本无法替代真实体验，做 AI 研究或关注 AGI 路径的人值得细读，看完会对世界模型的价值有更深理解。
原文
02:23
5月22日
13:34
08:05
01:20
01:20rohanpaul_ai@rohanpaul_ai
OpenAI 联合创始人 Greg Brockman 在播客中透露，2017 年团队开始认真思考如何实现 AGI 时，发现算力需求远超预期。他们接触了 Cerebras 等公司，意识到需要大量专用硬件和大型数据中心。非营利筹款存在上限，无法支撑如此巨大的投入。因此，Elon Musk、Sam Altman、Ilya Sutskever 和 Brockman 一致同意，必须创建营利实体才能继续推进 AGI 使命。这一决策标志着 OpenAI 从非营利根基转向混合结构，也揭示了 AI 研发中算力成本的关键作用。
行业OpenAIAGI算力非营利转营利Cerebras
推荐理由：这段内部决策过程揭示了 AI 研发中算力成本如何倒逼组织变革，对关注 AI 产业趋势和创业模式的读者有启发——非营利模式在资本密集型领域可能行不通。
原文
5月21日
16:25
16:25Greg Brockman@gdb
88°
OpenAI 在著名的组合几何问题——Erdős 1946 年提出的平面单位距离问题上取得重大突破，AI 模型找到了构造 n 个点使得单位距离对数超线性增长的方法。此前所有已知构造的单位距离对数都接近线性，而新方法实现了 n^{1+δ} 的常数 δ 增长（后续改进显示 δ=0.014）。这是 AI 首次在数学核心难题上做出实质性新知识生成，而非仅验证已知结果。数学家表示“很难入睡”，认为这是 AGI 的征兆。
AI模型OpenAI数学突破组合几何新知识生成AGI
推荐理由：这是 AI 首次在数学核心难题上生成全新知识，做数学研究或 AI 基础研究的团队值得关注——它可能改变我们对 AI 创造力的认知。
原文