10:35AI Will@FinanceYF5Wharton教授Ethan Mollick测试了Anthropic的Claude 5 Fable模型,发现其能力远超前代。Mollick指出,用户不再需要像向导一样引导AI,而是转变为甲方角色,直接提出需求即可。这一变化标志着人机协作模式的根本性转变,Claude 5 Fable在复杂任务中表现出更强的自主性和理解力。AI模型Claude 5 FableAnthropicEthan Mollick智能体人机协作10 个信源在谈推荐理由:教授实测,AI变甲方了原文
04:55Ethan Mollick@emollickEthan Mollick指出,当前AI算力严重短缺,这将导致复杂智能体工作流的计算成本大幅上升,而单轮对话聊天机器人则越来越便宜。这意味着最富有的公司和最紧迫的用例将能够使用AI智能体,而其他用户可能只能使用聊天机器人。这一趋势可能加剧AI应用中的不平等现象。行业算力短缺AI智能体聊天机器人成本分化Ethan Mollick推荐理由:算力短缺正在重塑AI应用格局,做AI智能体开发的团队需要关注成本变化,而普通用户则可能面临功能分化——建议点开了解这一趋势对自身的影响。原文
00:31Ethan Mollick@emollickEthan Mollick指出,当前关于AI与政治的讨论中,缺少一个关键群体:那些既相信AI能力即将大幅提升,又对如何利用AI改善人类生活有明确政治信念的人。他认为,这正是采取行动的时刻,而非仅仅讨论。这一观点提醒我们,AI的发展需要结合技术潜力与价值导向,才能产生实际影响。行业AI与社会政治行动Ethan Mollick推荐理由:Mollick戳中了AI讨论中的盲点——光谈技术或光谈政治都不够,真正需要的是有信念的行动派。关心AI社会影响的读者,看完会重新思考自己的立场。原文
08:58Ethan Mollick@emollickEthan Mollick 指出,第二条缩放定律(Second Scaling Law)依然未被打破:只要增加 LLM 的思考 token(thinking tokens),就能在黑客攻击、数学、科学、填字游戏等任务上获得更好表现。目前尚未观察到性能平台期。这一发现对依赖推理能力的 AI 应用开发者有直接指导意义,意味着通过增加计算资源(而非仅扩大模型规模)即可持续提升模型在复杂任务上的表现。论文缩放定律推理模型思考 tokenLLM 性能Ethan Mollick推荐理由:做 LLM 推理优化或复杂任务应用的团队,这条定律意味着你不需要等更大模型——加思考 token 就能直接提升效果,值得在现有模型上试试。原文
04:18Ethan Mollick@emollickEthan Mollick 在推文中提出,在学术研究中让人类对AI使用负责是短期内合理的问题解决方式。他认为,当前阶段通过明确责任归属可以应对AI带来的挑战与机遇,但长期来看,自主科学工作将需要不同的解决方案。这一观点强调了人类监督在AI应用中的重要性,尤其是在学术领域。行业AI责任学术研究人类监督Ethan Mollick短期解决方案推荐理由:学术研究者和管理者需要明确AI使用中的责任边界,Mollick的观点提供了短期可行的思路,值得关注并思考如何在自己的工作中实施。原文
07:26Ethan Mollick@emollickEthan Mollick 在 X 上发文,呼吁用户停止将 AI 提示词神秘化,包括使用含义不明的斜杠命令。他认为与 AI 交互应该像与经理沟通一样,用清晰、结构化的格式直接提出需求,而不是像巫师念咒语。这一观点直击当前提示工程中过度复杂化的痛点,强调简单直接才是高效使用 AI 的关键。技巧提示工程AI交互效率Ethan Mollick推荐理由:Mollick 戳破了提示工程中的玄学泡沫,做 AI 应用或日常使用大模型的团队,看完会重新审视自己的提示词写法,建议直接照做。原文