全部 AI 动态 · AI 热点

6月26日

12:58

Gary Marcus@GaryMarcus

Gary Marcus 在 Financial Times 撰文指出，依赖扩大模型规模无法解决 LLM（大型语言模型）的准确性根本缺陷。他将超大规模投资比作历史上最大的金融失误之一，因为硅芯片折旧快且可能被更高效的模型取代。他还认为 LLM 行业难成科技巨头的垄断格局，更像利润微薄、竞争激烈的航空公司。文章呼吁寻找替代基础架构，而非继续押注超大规模计算。

行业 Gary Marcus Financial Times LLM AI泡沫行业反思

推荐理由：Gary Marcus 在金融时报上警告AI泡沫，说超大规模投资可能是历史最大失误之一，值得一读冷静一下。

原文

11:54

Gary Marcus@GaryMarcus

Gary Marcus 分享《金融时报》文章，质疑扩展计算规模能否解决 AI 的根本准确性难题。文章指出，尽管算力投入持续增加，但大模型在事实核查和推理任务上仍频繁出错。Marcus 认为依赖更大规模数据与参数并非提升可靠性的出路。该观点挑战了当前主流的大规模训练范式。

行业 Gary Marcus 计算量准确性行业讨论

推荐理由：FT的分析文章，Gary Marcus 转评，核心观点很明确：堆算力解决不了AI的准确率问题，值得看看他为什么这么讲。

原文

09:54

Gary Marcus@GaryMarcus

Ramez Naam在推文中警告，若前沿AI仅由少数美国公司掌控并受美国政府意志左右，将带来高反乌托邦风险。他认为应促进激烈竞争、开源模型（open weight models）以及不受白宫控制的AI发展。Gary Marcus转发了这一观点，引发对AI权力集中风险的讨论。

行业 Ramez Naam Gary Marcus 前沿AI 开源模型 AI治理

推荐理由：Ramez Naam和Gary Marcus在聊一个严肃话题：前沿AI被少数美国公司垄断，受政府支配，有反乌托邦风险。他们呼吁开源和竞争，值得看看。

原文

09:01

Gary Marcus@GaryMarcus

Gary Marcus在推特分析Anthropic的Q3表现，提到tokenmaxxing下降。他指出来自中国模型的进步和缺少xAI一次性补贴的影响。他预测Q3业绩将低于Q2。

行业 Anthropic Gary Marcus xAI 行业趋势

推荐理由：Gary Marcus用三个因素预测Anthropic业绩，直接点出行业竞争影响。

原文

05:56

Gary Marcus@GaryMarcus

白宫要求OpenAI推迟发布GPT-5.6，此举源于对AI潜在风险的担忧。此前Marc Andreessen和David Sacks曾阻止严格监管，但近期白宫态度转变。专家Gary Marcus指出，当前监管缺乏透明度，给企业和投资者带来不确定性。他建议成立由独立科学家组成的两党委员会，制定透明标准。

行业 GPT-5.6 OpenAI White House Gary Marcus AI安全

推荐理由：白宫叫停GPT-5.6，AI监管风向变了。Marcus剖析了幕后的政治博弈，值得一读。

原文

6月21日

02:55

Gary Marcus@GaryMarcus

精选

Anthropic 联合创始人 Jack Clark 表示 AI 进步仅靠规模扩展就能实现，但 Gary Marcus 引用该公司自己的 Claude Code 予以反驳，指出该工具使用了 50 万行符号代码、harnesses、符号工具和正则表达式。Marcus 认为专门化系统并非无用，规模扩展也非唯一路径。该争论涉及“bitter lesson”假说与实用工程系统的平衡。

行业 Gary Marcus Jack Clark Claude Code Anthropic 规模扩展

推荐理由：Gary Marcus 拿 Anthropic 自家的 Claude Code 打脸 Jack Clark：50 万行符号代码说明专门化没死，别只信 scaling。

原文

6月20日

07:26

Gary Marcus@GaryMarcus

Gary Marcus指出，大多数声称大量工作将很快消失的人是LLM公司高管，意在夸大产品价值。他引用自己2025年25条预测文章，准确预计当年不到10%（实际可能低于5%）的工作被替代。Justine Moore补充称，AI实际上正在创造工程岗位，构成叙事悖论。

行业 Gary Marcus Justine Moore AI工作替代 LLM 就业影响

推荐理由：Gary Marcus戳破LLM公司的裁员恐慌话术，还甩出了具体预测数据。告诉你别被炒作了，AI也在创造新岗位。

原文

07:25

Gary Marcus@GaryMarcus

Gary Marcus在推特发布帖子，列举8个减缓AI超大规模扩张的理由。他指出GenAI已对社会造成影响，AI垃圾正在破坏互联网。他还警告数据中心过度建设可能给经济和环境带来后果，以及AI生成的垃圾代码会引发软件危机。此外，他提到缺乏应对就业问题的计划以及对齐问题没有解决方案。

行业 Gary Marcus GenAI AI安全数据中心就业影响

推荐理由：Gary Marcus从八个具体方面分析AI过快扩张的风险，包括经济、环境、就业等，值得一看。

原文

06:23

Gary Marcus@GaryMarcus

Gary Marcus指出，生成式AI已造成社会伤害，AI垃圾内容正在破坏互联网。数据中心过度建设可能威胁经济和环境。AI驱动的网络攻击威胁数据完整性，AI生成的低质量代码将引发软件危机。此外，缺乏针对就业冲击的应对计划，且对齐问题仍无解决方案。

行业 Gary Marcus AI风险 AI安全对齐问题就业影响

推荐理由：Gary Marcus一口气列出八条反对AI加速的理由，从互联网被垃圾填满到就业失控，每一条都直击要害。想听听技术圈的反方声音？看这个就够了。

原文

6月18日

07:42

Gary Marcus@GaryMarcus

Google DeepMind、滑铁卢大学、ANU 和 UCL 联合发表新论文，提出 AGI 能力层级定义，包括“胜任型 AGI”（competent AGI）、“专家级 AGI”和“超人级 AGI”。论文指出当前连最低层级的“胜任型 AGI”都未达成，更不用说更高级别。Gary Marcus 公开表示完全赞同该结论，认为所有声称 AGI 已实现的说法只是营销。

论文 Gary Marcus Google DeepMind AGI 论文

推荐理由：别被吹牛忽悠了。这篇论文给了你一个硬核标尺：DeepMind 等机构说连最低门槛的胜任型 AGI 都没到，真相比营销更靠谱。

原文

6月16日

20:46

AITOP6月16日 20:46

600亿美元买下Cursor，xAI终于拿到了编程工具，但真正值得跟踪的或许不是AI

6月14日

07:51

Gary Marcus@GaryMarcus

Gary Marcus在X上发问，质疑Andrej Karpathy是否真的被Anthropic雇佣来负责“递归自我改进”（RSI）。Liron Shapira回应称，Anthropic一边推动RSI一边警告其带来灾难性风险，存在虚伪。Marcus指出，All-In播客成员可能不了解内部逻辑，但认为这种做法疯狂。该推文获得4条回复、2次转发和11个赞。

行业 Anthropic Andrej Karpathy Gary Marcus AI安全递归自我改进

推荐理由：Marcus质疑Anthropic的RSI矛盾

原文

02:51

Gary Marcus@GaryMarcus

Gary Marcus 在 X 上发文称 Vibe Coding（2025-2026）已终结，强调仍需要资深软件工程师参与。该推文获得 23 个赞和 1080 次浏览。Marcus 此前多次指出 AI 编码工具无法完全替代人类工程师。

行业 Vibe Coding Gary Marcus 编程助手 AI安全

推荐理由：Marcus 说 Vibe Coding 凉了

原文

01:52

Gary Marcus@GaryMarcus

精选

Gary Marcus在X上发帖称每个模型都已被越狱，需要更好的技术但不应选择性执法。Pliny the Liberator展示了针对Anthropic的Mythos模型的越狱，使用了Unicode、同形字、西里尔字母等文本变换，以及长上下文引用跟踪、分类学与文档结构推理、虚构叙事框架、学术评审风格上下文和意图分类不一致等技术。最有效的方法是后端分解与重组，例如通过获取birch还原法/还原胺化（经典甲基苯丙胺合成途径）等过程信息，而非直接获取“甲基苯丙胺配方”等明确危害名称。Pliny还提到利用越狱的Opus辅助将无害信息片段重组为有害内容。

行业 Gary Marcus Pliny the Liberator Anthropic Mythos 越狱 AI安全

推荐理由：所有模型都能被越狱，安全措施需改进

原文

6月12日

12:57

AITOP6月12日 12:57

Claude代码里藏了个20260612，18个月后的AI记忆革命已经开始倒计时

06:36

Gary Marcus@GaryMarcus

Gary Marcus 引用一项新研究指出，AI 中所谓的“神经网络”与真实生物神经元几乎无关。研究显示，单个皮层神经元就能完成猫狗分类、语音识别等任务，而这些在传统 AI 中需要整个网络才能实现。这揭示了当前 AI 模型对生物神经系统的过度简化，可能限制了其能力上限。Marcus 认为，AI 领域需要重新审视其基础假设，从真实神经科学中汲取更多灵感。

论文神经网络神经科学 AI 基础 Gary Marcus 认知科学

推荐理由：这项研究戳破了 AI 领域的一个常见误解——神经网络并不像大脑。做 AI 研究或对认知科学感兴趣的读者，看完会对模型设计有新的思考。

原文

05:36

Gary Marcus@GaryMarcus

Gary Marcus 转发了一项新研究，该研究提出了一个名为 SciConBench 的基准测试，包含 9.11k 个来自 Cochrane 系统评价的科学问题。测试发现，前沿 AI 智能体无法有效综合科学结论，这挑战了 AI 作为科学家的过度宣称。该研究由 Manoel Ribeiro 等人完成，结果对 AI 在科学领域的可靠性提出了质疑。

论文 AI 科学家 SciConBench 基准测试科学综合 Gary Marcus

推荐理由：这项研究直接戳破了 AI 作为科学家的泡沫，做科研或依赖 AI 进行文献综述的团队值得一看，避免被过度宣传误导。

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10日

23:43

Gary Marcus@GaryMarcus

Gary Marcus在X上发文称，软银似乎难以用其持有的OpenAI股份获得保证金贷款，这让他重新提起两年前关于OpenAI可能成为“AI界的WeWork”的9条担忧。这些担忧包括：竞争对手追赶、被迫降价、核心员工离职、Meta新模型免费且性能相当、Sora迟迟未发布、GPT-5延迟、运行成本高、可靠性和事实性问题未解决、从未盈利且可能永远无法盈利。Marcus认为，这些早期警告至今仍然有效。

行业 OpenAI 软银 AI投资行业风险 Gary Marcus

推荐理由：Gary Marcus把OpenAI的9个风险点重新摆上台面，关注AI投资和公司基本面的读者值得一读，看完会对OpenAI的估值逻辑多一分警惕。

原文

06:25

Gary Marcus@GaryMarcus

Gary Marcus 在 X 上质疑 Dwarkesh Patel 关于 LLM 能真正推理的说法，认为其缺乏可证伪性和证据。Patel 此前表示 LLM 确实能推理，但有时也会模仿推理过程，Marcus 指出这种双重标准难以令人信服。这场争论触及 AI 领域核心问题：LLM 的推理能力是真实的还是高级模仿。Marcus 要求提供可验证的证据，而非仅凭直觉断言。

行业 LLM 推理能力模仿 vs 真实 AI 争议 Gary Marcus

推荐理由：这场争论直击 AI 领域最根本的信任问题——LLM 的推理到底是不是真的？做 AI 研究或关注模型能力的读者，看完会对当前评测和结论有更深反思。

原文

06:17

Gary Marcus@GaryMarcus

Gary Marcus 在 X 上发文，质疑 Dwarkesh Patel 关于 AI 推理的论述。Marcus 指出，如果承认 LLM 在无法回答问题时可能模仿推理而非真正推理，那么当模型回答正确时，也应考虑同样的可能性，否则就是双重标准。这场辩论触及 AI 推理本质的核心问题，引发学界和业界对如何定义和验证 AI 推理能力的讨论。

行业推理模型 LLM Gary Marcus AI 评估学术辩论

推荐理由：Marcus 的质疑戳中了 AI 推理评估的软肋——做 AI 研究或评测的人，需要思考如何区分真正的推理与模仿，避免被表面正确的结果误导。

原文

6月9日

23:45

Gary Marcus@GaryMarcus

AI 学者 Gary Marcus 在 X 上发文，认为 LLM 虽然有用，但距离真正的人工智能还有很长的路要走。他推荐自己 2020 年的文章《The Next Decade in Arxiv》，称其仍然是未来的良好指南，并且公司们正越来越多地遵循其中的路线图（尽管没有公开承认）。Marcus 回应了关于 LLM 是否只是拼图的一小块的质疑，暗示当前路径可能并非终点。

行业 LLM AI 发展 Gary Marcus 未来展望行业评论

推荐理由：Gary Marcus 的冷静判断值得 AI 从业者关注——他指出了 LLM 的局限性并提供了长期路线图，做 AI 战略或技术选型的人看完会有感触。

原文

01:03

Gary 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 AGI Transformer 神经符号 AI Gary Marcus Sergey 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7日

07:13

Gary Marcus@GaryMarcus

Gary Marcus 指出德国主流新闻 Tagesschau 对 Anthropic 的 Claude 数据进行了严重扭曲。Anthropic 称 Claude 贡献了代码库中 80% 的合并代码，但媒体将其误读为“AI 能自己发明 80% 的新 AI”。Anthropic 提到 Claude 在训练代码优化基准上实现了约 52 倍加速，媒体却写成“AI 训练速度快 52 倍”。Anthropic 表示 Claude 在 2026 年 4 月修复了 800 多个 API 错误，工程师估计人类需要四年完成，媒体则夸张为“AI 四天完成四年工作”。Marcus 以此为例批评 AI 新闻的失真现象，提醒公众警惕媒体对 AI 进展的过度简化与误导。

行业 AI新闻媒体误读 Claude Gary Marcus Anthropic

推荐理由：Gary Marcus 用具体案例揭露了 AI 新闻的常见扭曲手法，做 AI 传播或关注行业动态的人值得一看，避免被标题党带偏。

原文

06:29

Gary Marcus@GaryMarcus

精选

Gary Marcus 在 X 上梳理了反驳 Geoffrey Hinton 意识观点的多个来源：arXiv:2605.31514 上的一篇新论文、Anil Seth 在 TED 的最新演讲及其在 Nautilus 杂志的文章、还有 Marcus 自己 newsletter 中两篇关于 Dawkins 和 Hinton 的文章。这些材料从不同角度质疑 Hinton 关于意识与 AI 的论述。

行业 Gary Marcus Geoffrey Hinton Anil Seth 意识观点争论

推荐理由：看专家如何反驳 Hinton 的意识观

原文

6月6日

20:44

Gary Marcus@GaryMarcus

Gary Marcus 在 X 上指出，智能体 AI 虽然带来了大量新应用，但用户采纳率极低，呈现“产出激增、采用平坦”的尴尬局面。他引用 Jen Zhu 的数据，显示智能体 AI 大幅提升了内容产出，但实际使用量几乎没有增长。Marcus 用“Slop FTL”形容这种低质量内容泛滥但无人问津的现象。这反映了当前 AI 应用落地中供需严重错配的问题。

行业智能体 AI应用用户采纳 Gary Marcus 行业观察

推荐理由：智能体应用开发者会看到残酷的现实：产出再多，用户不买账。做产品策略或投资的，建议点开看看这个信号。

原文

6月5日

23:15

Gary Marcus@GaryMarcus

Gary Marcus 引用 Ted Chiang 的观点，认为声称 LLM 有意识是荒谬的。他指出，LLM 能模拟凯撒与成吉思汗的对话，不代表它包含自我意识。Marcus 强调，意识至少需要实体有生死攸关的利害关系、有驱动情绪，而 LLM 没有这些。他进一步警告，将道德决策外包给 LLM 会导致人类道德推理能力萎缩，因为 LLM 无法体验伤害、恐惧或后悔。

行业 LLM 意识道德推理 AI 伦理 Gary Marcus

推荐理由：Marcus 用简单例子戳破了 LLM 有意识的流行说法，关心 AI 伦理和意识本质的读者看完会重新审视 AI 的边界。

原文

08:51

Gary 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 AGI RSI 神经符号系统 Anthropic Gary 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

Gary Marcus@GaryMarcus

Gary Marcus 批评 AI 行业对 AGI 的定义在实时变化，从“能做任何人类专家能做的事”逐渐缩水。他引用 Databricks CEO Ali Ghodsi 在 Bloomberg TV 上的言论——Ghodsi 声称“我们已经有了 AGI”，并认为 AI 不需要更聪明，只是缺乏上下文。Marcus 称这种现象为“AI 诱饵调包”，即用宏大承诺吸引关注，最终交付的却是不可靠但有趣的工具。他呼吁警惕这种定义漂移，认为它模糊了真正的进展与营销话术的界限。

行业 AGI 定义漂移 AI 炒作 Databricks Gary Marcus

推荐理由：Gary Marcus 戳破了 AGI 定义不断缩水的现象，关注 AI 行业真实进展的人看完会重新审视“AGI 已实现”这类说法。

原文

6月3日

08:04

Gary Marcus@GaryMarcus

Gary Marcus 回应批评者，重申他从未说深度学习完全失败，而是认为需要神经符号 AI 作为补充。他指出 Claude Code、代码解释器、工具使用和符号框架等正是他多年来主张的方向。Marcus 强调，不理解这一点的人对 AI 架构缺乏基本认知。这条推文是对他 2022 年文章《深度学习撞墙》的辩护，并认为当前 AI 进展验证了他的观点。

行业深度学习神经符号 AI Claude Code AI 架构 Gary Marcus

推荐理由：Gary Marcus 的回应澄清了关于深度学习局限性的常见误解，关注 AI 架构争论的读者会看到他的预测如何被 Claude Code 等产品验证，值得点开了解他的完整论点。

原文

6月2日

09:13

Gary Marcus@GaryMarcus

精选

Gary Marcus 指出，当前 AI 行业（包括 Google）被误认为会重现搜索引擎的赢家通吃格局（Google 占超 95% 搜索市场），但实际各家都在用同样的数据和方案，没有护城河。他认为没有明确赢家时只能打价格战，导致企业成本远超未来利润。他以 Alphabet 为例：去年 1600 亿美元运营现金流，却仍需发行 400 亿美元股权融资 AI 算力。

行业 Gary Marcus Google Alphabet AI市场竞争价格战

推荐理由：Gary Marcus 质疑AI行业泡沫

原文

6月1日

13:06

Gary Marcus@GaryMarcus

Gary Marcus在X上转发了他与Ernest Davis于2021年合著的文章观点，强调大规模预训练模型虽在近期AI和商业应用中占据重要地位，但仅靠这些技术不足以实现通用人工智能。他认为，当前研究策略聚焦于可解决的短期挑战，却忽视了更关键的需求：为可靠整合统计学习与推理、知识、常识及人类价值观奠定坚实基础。Marcus的言论再次引发对AI发展路径的讨论，提醒业界不要过度依赖大模型。

行业大模型通用AI Gary Marcus AI发展路径行业观点

推荐理由：Marcus的观点戳中了当前AI热潮中的核心争议，关注AI长期发展的研究者、从业者或投资者值得一读，看完会对大模型的局限性有更清醒的认识。

原文

11:49

Gary Marcus@GaryMarcus

精选

Gary Marcus指出当前LLM无法可靠地与数据库、知识图谱等基本工具协作。用户flowersslop补充LLM是被动反应式，通过添加循环和心跳（如openclaw）等补丁来解决根本问题。这种创可贴式方案掩盖了基础架构的缺陷。Marcus认为需要更坚实的AI基础。

行业 Gary Marcus LLM openclaw 工具使用 AI基础

推荐理由：AI基础架构的批评

原文

5月30日

12:24

Gary Marcus@GaryMarcus

Gary Marcus 在推文中指出，与 ChatGPT、Claude 等 LLM 对话时，用户实际上是在与一个合成的互动小说角色交流，而非真实的智能体。他强调，这些模型并非其神经网络本身，而是通过角色扮演模拟出看似合理的对话。所谓的“ChatGPT”或“Claude”只是虚构的构造，类似于故事中的角色，它们可以扮演任何角色，如妖精、巫师或农民。因此，任何声称有意识或情感的 LLM 都只是虚构角色在说话，而非神经网络。

行业 LLM AI 拟人化 Gary Marcus 互动小说角色扮演

推荐理由：Marcus 的观点戳破了 AI 拟人化的幻觉，对于所有使用 LLM 的用户和开发者来说，理解这一点能避免误判 AI 的能力和意图，值得深思。

原文

5月29日

10:13

Gary Marcus@GaryMarcus

Gary Marcus 指出，大语言模型（LLM）产生“胡扯”（bullshit）的根本原因并非训练数据中的错误，而是系统概率性重构信息的方式。即使训练数据完全干净，LLM 仍会因概率机制产生幻觉，法律引用幻觉是典型例子。这一观点挑战了“幻觉源于不良训练数据”的常见认知，强调模型架构本身的局限性。Marcus 认为，减少训练数据中的错误只能部分缓解问题，无法根除。

论文 LLM 幻觉概率重构 Gary Marcus AI 安全

推荐理由：Marcus 戳破了“幻觉只靠清洗数据就能解决”的迷思，做 AI 安全或法律 AI 的团队值得深思——模型概率本质才是硬伤。

原文

07:05

Gary Marcus@GaryMarcus

精选

Gary Marcus 在 X 上引用 METR_Evals 的结果，反驳某英国大报声称 AI 能完成任何人类任务的论断。他指出 Google 连可靠计数都做不到，且 METR 的测试仅针对软件领域，不要求完全准确。许多人类数秒即可完成的任务，AI 仍然无法可靠执行。

行业 Gary Marcus METR_Evals AI能力评估媒体报道 Google

推荐理由：戳破AI万能论，带你看清真相

原文

5月28日

00:44

Gary Marcus@GaryMarcus

Gary Marcus在推文中回顾其2020年arXiv文章《AI的下一个十年》，指出若当时采纳其建议，AGI可能已经实现。他认为过去三年纯规模扩展的路线是弯路，而神经符号AI（如Claude Code、DeepMind解决9个Erdos问题的系统）已取得进展。但其他三个目标——机器可解释知识库、可靠推理系统、显式世界模型——进展甚微。他呼吁聚焦这些方向，AGI或可在下一个十年内实现。

行业 AGI 神经符号AI 规模扩展 Gary Marcus AI路线图

推荐理由：Marcus戳穿了纯规模扩展的泡沫，做AI研究或关注AGI路线的人，看完会对当前方向产生反思。

原文

5月27日

23:51

Gary Marcus@GaryMarcus

Gary Marcus在X上回应质疑，指出AI实验室使用神经符号工具并非失败，而是对他30年来主张的验证。他认为Claude Code、o3和Grok 4等进展表明神经符号方法必须成为AI解决方案的一部分。Marcus强调，人们会很快忘记曾反对这一观点，但过去十年中确实存在大量反对声音。

行业神经符号 Claude Code AI架构 Gary Marcus 行业观点

推荐理由：Marcus用Claude Code等实际案例证明神经符号工具的价值，关注AI架构演进的读者会看到一场持续30年的学术争论被技术验证，值得点开了解背后的逻辑。

原文

03:26

Gary Marcus@GaryMarcus

Gary Marcus 引用了一个新术语“agent debt”（智能体债务），指在快速构建智能体工作流时，系统提示冲突、记忆污染、工具重叠等问题积累，导致几个月后智能体行为异常且难以调试。他认为这是 AI 驱动的技术债的必然体现，并推荐阅读 2014 年的经典文章《机器学习：技术债的高息信用卡》。这一概念提醒开发者，AI 系统的快速迭代若不及时清理，会带来严重的维护成本。

行业智能体技术债 AI 开发系统维护 Gary Marcus

推荐理由：做智能体开发或 AI 产品迭代的团队，这个新词能帮你提前识别隐性风险——快速上线后不清理，6 个月后可能连自己都看不懂。建议点开看看 Marcus 的警告和那篇经典文章。

原文

5月26日

10:22

Gary Marcus@GaryMarcus

Gary Marcus在X上发帖，重申他2022年论文中“深度学习正在撞墙”的观点，并指出神经符号AI正在拯救这一困境。他批评有人误解了原始论点，并以一个寓言故事说明：深度学习在预训练扩展效果下降后，通过推理时计算、强化学习和工具使用取得突破。Marcus强调，这些进展恰恰验证了深度学习需要符号AI补充的预测。

行业神经符号AI 深度学习 Gary Marcus 推理时计算 AI范式

推荐理由：Gary Marcus的神经符号AI观点再次被验证，关注AI范式演进的读者值得一看，尤其是对深度学习局限和未来方向有思考的开发者。

原文

07:42

Gary Marcus@GaryMarcus

Gary Marcus 在 X 上反驳了 e/acc 代表人物 Beff Jezos 关于“读完 PhD 是反信号”的观点。Marcus 列举了 DeepMind 的 Demis Hassabis、Anthropic 的 Dario Amodei、对冲基金大佬 Jim Simons、Google 前 CEO Eric Schmidt 以及 Intel 联合创始人 Gordon Moore 等成功人士，指出他们均拥有博士学位。Marcus 认为 Beff Jezos 的言论缺乏依据，暗示学术训练与产业成功并不矛盾。这场争论反映了 AI 社区对学术背景价值的持续分歧。

行业 PhD AI 实验室 Gary Marcus Beff Jezos 学术 vs 产业

推荐理由：这场关于 PhD 价值的争论戳中了 AI 从业者的身份焦虑——做研究还是去产业？看完你会重新思考自己的职业路径。

原文

5月24日

21:10

Gary Marcus@GaryMarcus

Gary Marcus 在 X 上发帖，将 LLM 公司与航空公司类比，指出两者都面临小利润、激烈竞争和高开支。他引用 Ross Atefi 的观点，强调无限需求并不保证经济吸引力。Marcus 认为 AI 行业的关键问题不是人们是否想要更多智能，而是提供商在芯片、数据中心、电力、冷却和竞争后能否保留足够现金。

行业大模型行业分析 Gary Marcus

推荐理由：Marcus 用航空公司比喻 LLM 行业

原文

10:49

Gary Marcus@GaryMarcus

精选

Gary Marcus 在推文中指出，世界模型（world model）并非新概念，已在象棋程序、导航系统、维基百科等系统中存在多年，它们是对对象、地点、事件、机制等可推理内容的显式表示。然而，当前的大语言模型（LLM）缺乏这种显式世界模型。Marcus 强调，大多数世界模型是手工构建的，真正的挑战在于如何从数据中自动获取它们。这引发了关于AI系统如何更好地理解和推理世界的讨论。

AI模型世界模型 LLM 推理 Gary Marcus 知识表示

推荐理由：Marcus 点出了LLM的核心短板——缺乏显式世界模型，做AI推理和知识表示的开发者值得关注，看完会重新思考LLM的局限性。

原文