即刻App年轻人的同好社区
下载
置顶跟大家分享一下，我的小龙虾知识星球开张啦。
目前加入，送一次独立服务器部署的、原版 openclaw 安装服务。
还有知识星球一年的提问与答疑。
以及 至少 12 次 线上分享（昨天刚完成直播首秀😜）
真人一对一咨询服务，全程没有 AI 参与。😂
目前建议那些有主营业务收入的老板、一人公司、自媒体人、或日常有大量文字工作或者涉及跨境出海的朋友体验。因为真能提效哈。
当然也欢迎年轻人加入进来玩，年轻人干啥都行😃。
目前星球人不多，我还服务的过来，可以维持这个价格。如果买的人多了，就要涨价啦。
加入链接在下面：
目前加入，送一次独立服务器部署的、原版 openclaw 安装服务。
还有知识星球一年的提问与答疑。
以及 至少 12 次 线上分享（昨天刚完成直播首秀😜）
真人一对一咨询服务，全程没有 AI 参与。😂
目前建议那些有主营业务收入的老板、一人公司、自媒体人、或日常有大量文字工作或者涉及跨境出海的朋友体验。因为真能提效哈。
当然也欢迎年轻人加入进来玩，年轻人干啥都行😃。
目前星球人不多，我还服务的过来，可以维持这个价格。如果买的人多了，就要涨价啦。
加入链接在下面：
知识星球 | 深度连接铁杆粉丝，运营高品质社群，知识变现的工具
0 00
人类眼睛每秒捕捉十亿比特的视觉数据，却只能有意识处理10比特左右——大脑像一个能够以极低的功耗处理压缩的计算机。
而AI处理和生成视频的数据量则大得多，能高速吞吐海量信息，远超人类限制。但AI在数据效率和泛化理解上还不如人类婴儿。
Elon Musk认为，视觉是通往未来智能的关键，因为光子（也就是视觉信息）带来的信息最丰富，因此是通向AGI的必经之路。
xAI的Grok Imagine不仅强大，还已实现账面盈利。
而AI处理和生成视频的数据量则大得多，能高速吞吐海量信息，远超人类限制。但AI在数据效率和泛化理解上还不如人类婴儿。
Elon Musk认为，视觉是通往未来智能的关键，因为光子（也就是视觉信息）带来的信息最丰富，因此是通向AGI的必经之路。
xAI的Grok Imagine不仅强大，还已实现账面盈利。
2 11
是的。只要是能被形式化逻辑验证的结论都可以被自动化迭代。
所以编程（有明确输出）、数学（有形式化证明）、内容平台（有可验证的数据）都在射程范围。
反而艺术、哲学、情感、心理等领域无法被简单的验证，所以无法自动化迭代。 //@你们的潇潇姐: claude内部同时AI编程出100个结果，选择完成度最高的那个作为下一步迭代的起点，是不是也是同样的原理？
所以编程（有明确输出）、数学（有形式化证明）、内容平台（有可验证的数据）都在射程范围。
反而艺术、哲学、情感、心理等领域无法被简单的验证，所以无法自动化迭代。 //@你们的潇潇姐: claude内部同时AI编程出100个结果，选择完成度最高的那个作为下一步迭代的起点，是不是也是同样的原理？
亚瑟肖: 在NVIDIA最强的Blackwell GPU上，人类专家多年精心打磨的最快AI计算内核，竟然被一个AI智能体在短短7天内超过了。 一年半前，NVIDIA工程师Bing Xu和同事当时对底层GPU编程并不特别熟悉。他们决定尝试一件大胆的事：完全不让人参与优化过程，而是让AI智能体自己去进化、写代码、测试和改进。 他们把这个方法叫做“盲编码”，blind coding.。人类彻底退出循环。 经过不断迭代，AI智能体变得越来越强大。现在每个智能体系统都像一个拥有十万行代码的“智能进化工厂”。 他们最新开发出的系统叫AVO。这个系统的厉害之处在于：AI不再只是简单生成代码，而是自己不断提出新想法、根据运行结果自我调整、找出问题并修复，形成一个完整的自主循环。 他们把这个AI智能体用在AI模型里最核心、最难优化的部分——注意力机制的计算内核上。这是整个AI行业被反复打磨过无数次的知识结晶。 NVIDIA自己的cuDNN库和社区最强的FlashAttention-4，都是人类专家的巅峰成果。 结果让人惊讶。 AI智能体连续自主工作了7天7夜，没有人类插手。它尝试了上百种优化方向，最终生成的内核，在Blackwell GPU上的运行速度，比cuDNN最优结果快了最多3.5%，比FlashAttention-4快了最多10.5%。 更神奇的是，当换成另一种常见的注意力计算方式时，AI智能体只用了额外30分钟自己适应，就又实现了明显提升。 Bing Xu说：“盲编码才是软件工程的未来，人类认知才是真正的瓶颈。” 因为人会累、会分心、经验有限；而AI智能体可以不眠不休、客观地尝试大量可能性，找到那些人类可能因为时间不够而错过的更好组合。 这预示着：在那些目标清楚、能快速看到结果的技术难题上，AI智能体可以凭借超强的耐心和系统性尝试，开始突破人类的生理和认知限制。 未来，很多底层繁琐的代码优化工作，或许会越来越多地交给这样的AI来完成。而人则可以把精力放在更高层的创新上。 这才刚刚开始。
0 00
哪个模型最容易被说服？哪个模型最能够说服别人？
这个大模型的基准测试很有价值。
有研究人员让两个大模型互相辩论，然后比较辩论前后模型对于自身观点的偏移程度，盘点其说服别人以及被说服的程度。
经过对15个涉及政治、历史、经济等话题的6296次对话发现：
gpt5.4和claude opus是最具有说服能力的模型。
最容易被说服的是新晋的小米模型，其次是Gemini 3.1 pro。
而grok则是立场最坚定的。
说服力强不代表正确，而立场坚定不一定代表顽固。
不同模型表现体现出了完全不同的设计理念，甚至信仰。
从长期看，不排除路线的选择真的会对人类存亡有意外的影响
ps. 难怪之前跟Gemini讨论商业机会的效果不佳，这家伙讨好欲太强了...
这个大模型的基准测试很有价值。
有研究人员让两个大模型互相辩论，然后比较辩论前后模型对于自身观点的偏移程度，盘点其说服别人以及被说服的程度。
经过对15个涉及政治、历史、经济等话题的6296次对话发现：
gpt5.4和claude opus是最具有说服能力的模型。
最容易被说服的是新晋的小米模型，其次是Gemini 3.1 pro。
而grok则是立场最坚定的。
说服力强不代表正确，而立场坚定不一定代表顽固。
不同模型表现体现出了完全不同的设计理念，甚至信仰。
从长期看，不排除路线的选择真的会对人类存亡有意外的影响
ps. 难怪之前跟Gemini讨论商业机会的效果不佳，这家伙讨好欲太强了...
1 00
骂得好🤣，不过说出的言语都是错的。
只是这个前提不被所有人所共知罢了。😃
只是这个前提不被所有人所共知罢了。😃
李继刚: 大家都感觉到我们进入了“问题比答案更重要”的时代，为什么放眼望去，大多仍是言之凿凿的“答案”，而不是令人沉思的“问题”呢？
0 00
哈哈哈
yusen:
0 00
在NVIDIA最强的Blackwell GPU上，人类专家多年精心打磨的最快AI计算内核，竟然被一个AI智能体在短短7天内超过了。
一年半前，NVIDIA工程师Bing Xu和同事当时对底层GPU编程并不特别熟悉。他们决定尝试一件大胆的事：完全不让人参与优化过程，而是让AI智能体自己去进化、写代码、测试和改进。
他们把这个方法叫做“盲编码”，blind coding.。人类彻底退出循环。
经过不断迭代，AI智能体变得越来越强大。现在每个智能体系统都像一个拥有十万行代码的“智能进化工厂”。
他们最新开发出的系统叫AVO。这个系统的厉害之处在于：AI不再只是简单生成代码，而是自己不断提出新想法、根据运行结果自我调整、找出问题并修复，形成一个完整的自主循环。
他们把这个AI智能体用在AI模型里最核心、最难优化的部分——注意力机制的计算内核上。这是整个AI行业被反复打磨过无数次的知识结晶。
NVIDIA自己的cuDNN库和社区最强的FlashAttention-4，都是人类专家的巅峰成果。
结果让人惊讶。
AI智能体连续自主工作了7天7夜，没有人类插手。它尝试了上百种优化方向，最终生成的内核，在Blackwell GPU上的运行速度，比cuDNN最优结果快了最多3.5%，比FlashAttention-4快了最多10.5%。
更神奇的是，当换成另一种常见的注意力计算方式时，AI智能体只用了额外30分钟自己适应，就又实现了明显提升。
Bing Xu说：“盲编码才是软件工程的未来，人类认知才是真正的瓶颈。”
因为人会累、会分心、经验有限；而AI智能体可以不眠不休、客观地尝试大量可能性，找到那些人类可能因为时间不够而错过的更好组合。
这预示着：在那些目标清楚、能快速看到结果的技术难题上，AI智能体可以凭借超强的耐心和系统性尝试，开始突破人类的生理和认知限制。
未来，很多底层繁琐的代码优化工作，或许会越来越多地交给这样的AI来完成。而人则可以把精力放在更高层的创新上。
这才刚刚开始。
一年半前，NVIDIA工程师Bing Xu和同事当时对底层GPU编程并不特别熟悉。他们决定尝试一件大胆的事：完全不让人参与优化过程，而是让AI智能体自己去进化、写代码、测试和改进。
他们把这个方法叫做“盲编码”，blind coding.。人类彻底退出循环。
经过不断迭代，AI智能体变得越来越强大。现在每个智能体系统都像一个拥有十万行代码的“智能进化工厂”。
他们最新开发出的系统叫AVO。这个系统的厉害之处在于：AI不再只是简单生成代码，而是自己不断提出新想法、根据运行结果自我调整、找出问题并修复，形成一个完整的自主循环。
他们把这个AI智能体用在AI模型里最核心、最难优化的部分——注意力机制的计算内核上。这是整个AI行业被反复打磨过无数次的知识结晶。
NVIDIA自己的cuDNN库和社区最强的FlashAttention-4，都是人类专家的巅峰成果。
结果让人惊讶。
AI智能体连续自主工作了7天7夜，没有人类插手。它尝试了上百种优化方向，最终生成的内核，在Blackwell GPU上的运行速度，比cuDNN最优结果快了最多3.5%，比FlashAttention-4快了最多10.5%。
更神奇的是，当换成另一种常见的注意力计算方式时，AI智能体只用了额外30分钟自己适应，就又实现了明显提升。
Bing Xu说：“盲编码才是软件工程的未来，人类认知才是真正的瓶颈。”
因为人会累、会分心、经验有限；而AI智能体可以不眠不休、客观地尝试大量可能性，找到那些人类可能因为时间不够而错过的更好组合。
这预示着：在那些目标清楚、能快速看到结果的技术难题上，AI智能体可以凭借超强的耐心和系统性尝试，开始突破人类的生理和认知限制。
未来，很多底层繁琐的代码优化工作，或许会越来越多地交给这样的AI来完成。而人则可以把精力放在更高层的创新上。
这才刚刚开始。
2 34