01
里约热内卢的“自研”LLM似乎是由现有模型合并而成
对里约热内卢市政大语言模型 Rio3.5 的技术评估表明，它并非独立训练的系统，而是由现有的开源模型合并而成。开发者讨论将其模型权重和行为模式与 Nex-AGI 仓库联系起来。此前官方曾声称 Rio3.5 在多个标准化 AI 基准测试中优于 Qwen3.7。这一发现引发了关于区域公共部门 AI 投资透明度以及政府主导模型训练倡议真实性的质疑。
Hacker News
7 stories02
不要轻信超长上下文窗口
本文批判性地分析了现代大语言模型（LLM）中日益扩大的上下文窗口所存在的可靠性缺陷及注意力稀释问题。分析指出，处理密集输入数据时模型面临“大海捞针”困境，检索准确度会大幅下降。仅靠扩大上下文长度并不能保证有效的推理或可靠的检索。为防止模型出现静默失效，建议开发者实施稳健的预处理、语义分块或检索增强生成（RAG）策略，而非仅依赖长上下文。
03
KPMG 因 AI “幻觉”撤回一份关于 AI 使用情况的报告
专业服务公司 KPMG 撤回了一份关于企业采用人工智能的官方研究报告，原因是 AI 幻觉导致了数据错误。此次撤回突显了企业在未经过人工核实流程的情况下，将生成式 AI 和大语言模型应用于公开报告时所面临的运营风险。该事件强调了咨询公司和企业在内部建立严格数据验证、审计和质量保证框架的重要性，以维护公众信誉并避免依赖有缺陷的自动化研究。
04
灭绝级资本主义
作者 Matthew Butterick 发表文章分析了大科技公司快速开发生成式 AI 如何威胁创意和数字生态系统。文章认为，大规模企业运营依赖于对公共知识产权的系统性提取和数据集抓取，且未提供公平补偿。这种资本主义模式有可能对开源软件和独立创意产业造成结构性损害。Butterick 呼吁加强监管，并寻找可持续的替代方案，以防止科技垄断破坏独立内容创作者的生存环境。
05
无法阻止信号？那就给它下毒
这篇技术文章提出了一种数据集投毒技术，用于防御激进的、未经授权的网页爬虫，防止其训练生成式 AI 模型。由于速率限制或 robots.txt 等传统保护措施经常被忽视，管理员可以向检测到的爬虫提供被破坏或经过微小篡改的对抗性数据。这种定向防御破坏了数据集的完整性，使提取的数据在训练神经网络和大语言模型时变得无用或有害，为开放网络发布者提供了一种主动防御范式。
06
并没有，并非每个人都在用 AI 做所有事
Gabriel Weinberg 通过分析消费数据，挑战了关于人工智能无处不在、包罗万象的普遍叙事。Weinberg 认为，生成式 AI 的整合实际上遵循了历史技术采用曲线，其特点是渐进式的、高度专业化的部署，而非广泛的普适使用。企业和个人正有选择地将 AI 工具用于具有明确、细分价值的任务。文章呼吁以务实的视角看待实际的市场渗透率，并将企业营销叙事与记录在案的真实工作流进行对比。
07
吃豆人游戏，但你是那个幽灵
开发者 Garrit 发布了一款反转类复古游戏，玩家可以控制经典的幽灵之一，去追逐由 AI 驱动的自动吃豆人代理。该项目专注于计算机控制的吃豆人的路径规划算法和状态机管理，它在迷宫中动态规划路径以避开玩家并针对能量药丸进行决策。这为状态机规划和实时行为决策提供了一个互动式的沙盒环境。
01
实时生成式视频技术的创新进展
Cristobal Valenzuela 宣布了实时生成式视频能力，这代表了合成媒体生产在架构优化上的进步。该技术实现了更高保真的视觉内容生成，同时提高了速度和创意控制能力，简化了传统的渲染和动画流程。这一发展与多模态系统直接整合到创意生产工作流的行业趋势相一致。