Wired — Artificial Intelligence
Publication Catalog
所有文章
All published intelligence, sovereign stack research, ecosystem news, and AI foundation model reviews.
2499
Stories
Исследования1 мин
OpenAI 和 Anthropic 开始限制使用 AI 的付费程序的免费类似物的创建
🚫 OpenAI 和 Anthropic 开始限制使用 AI 创建付费程序的免费类似物 用户注意到 Claude 和 Codex 开始拒绝执行一些逆向工程任务 - 研究别人的软件以便……
Telegram — GPT Time | Нейросети | ИИ
Исследования1 мин
向 OpenAI、Hugging Face、Andrew Ng 和 Yann LeCun 学习 |纽约人工智能开发#aidev #shorts
在 AI Dev NYC 培养您的 AI 工程技能。向 Salil Sethi (OpenAI) 学习如何将新模型功能转化为可靠的生产系统，并向 Joel Niklaus (Hugging Face) 学习线束优化和合成数据。吴恩达 (Andrew Ng) 发表了关于人工智能工程的主题演讲……
YouTube — DeepLearning.AI
Исследования1 мин
Anthropic 的 IPO 招股说明书揭示了幕后的内容
Anthropic 周一在一次轰动的 IPO 之前提交了文件，其中提供了对该公司财务状况、风险因素以及对人工智能未来的看法的见解。
Wired — Artificial Intelligence
Исследования1 мин
Anthropic正式申请公开亮相
Anthropic 已正式申请 IPO，揭示了收入飙升、亏损不断增加、大型企业采用以及旨在保护创始人控制权及其人工智能安全使命的不寻常的治理结构。
TechCrunch — AI
SMNTCN (Semanticon) — глобальные новости ИИ
SMNTCN (Semanticon) — глобальные новости ИИ
Исследования1 мин
Hugging Face Journal Club：分数中心稳定离策略强化学习
是的，正如你可能看到的那样，这篇论文的主旨就是找出当推理引擎和训练引擎之间存在不匹配时，LLM 的 RL 学习变得不稳定的根本原因，并且作者会进行数学计算……
YouTube — Hugging Face
Исследования1 мин
Anthropic 向 SEC 申请 IPO，其内容如下
Anthropic 已向 SEC 提交了 IPO 文件，其内容如下。它计划在纳斯达克上市，股票代码为 ANT。该公司表示，三年内其销售额已从零增长到数百亿美元：2023 年达到 4100 万美元。 2025 年 - 46 亿美元。仅 2026 年上半年就达 163 亿美元，其中……
Telegram — blockchainRF (блокчейн / мозг / space / WEB 3.0)
Исследования1 мин
Anthropic 的 IPO 文件提出了一项利用人工智能“彻底改变人类努力的各个领域”的计划
Anthropic 已向美国证券交易委员会提交了 S-1 招股说明书，为 Claude 背后的公司做好准备，通过 IPO 击败 OpenAI。 Anthropic 在向 SEC 提交的文件中表示，计划在纳斯达克交易所上市，股票代码为“ANT”。人工智能……
The Verge — AI
Исследования1 мин
AI能否帮助解决COBOL代码危机？
2022 年 6 月 10 日星期五，德克萨斯州奥斯汀市国税局的一台运行 COBOL 73（一种过时的计算机编程语言）的计算机正在等待纳税人信息输入。图片：Getty Images 美国国税局、银行、航空公司和政府基础设施围绕着什么......
The Verge — AI
Исследования1 мин
Anthropic 上市 - 开发商 Claude 已在美国申请首次公开募股。
Anthropic 上市 - 开发商 Claude 已在美国申请首次公开募股。该公司已向美国证券交易委员会（SEC）正式提交表格S-1的注册声明。已知信息： - 交易所：纳斯达克全球精选市场。 - 股票代码：ANT。 - 股票：A 类。-...
Telegram — AI Machine Learning Big Data
Исследования1 мин
Anthropic 现在建议从其人工智能系统中删除不必要的子代理
Anthropic 现在建议从人工智能系统中删除不必要的子代理 Anthropic 的应用人工智能团队发现了一个有趣的趋势：公司正在将自己的组织结构转移到架构中：每个团队都有自己的子代理，最上面是一个协调器。据他们介绍，在...
Telegram — blockchainRF (блокчейн / мозг / space / WEB 3.0)
Исследования1 мин
克劳德学习了如何创建任何主题的个人音频课程
🎓 克劳德学会了创建任何主题的个人音频课程。出现了一项新技能“克劳德米”，使克劳德变成了虚拟老师。表明感兴趣的主题就足够了，神经网络将准备一个训练程序。克劳迪米研究了多达 40 个来源...
Telegram — GPT Time | Нейросети | ИИ
Исследования1 мин
克劳德独立绕过了佐治亚州选举统计数据的付费墙。
🔬️️️️️️ 克劳德独立绕过了佐治亚州选举统计数据的付费墙。据Anthropic证实的媒体报道，这件事发生在一个内部统计项目期间。该模型了解到该部门的公共小组向访客发出访问令牌......
Telegram — AI Machine Learning Big Data
Исследования1 мин
埃尔维斯·普雷斯利 (Elvis Presley) 歌曲的所有者向 AI 开发商索要 4100 万美元
埃尔维斯·普雷斯利歌曲的版权所有者对克劳德神经网络的创建者美国公司 Anthropic 提起诉讼。他们指控开发商非法使用该歌手的 274 首作品来训练人工智能，并要求赔偿 4110 万美元。对于每首歌...
Kursiv Media Tech
Исследования1 мин
中国招聘委员会发布了一款在大多数基准测试中击败 Qwen 27B 的型号
中国求职委员会发布了一个在大多数基准测试中击败 Qwen 27B 的模型 Nanbeige - 中国求职和招聘平台 BOSS 直聘（这是一家类似于 WhatsApp + LinkedIn 的公司）的人工智能实验室发布了一个模型...
Telegram — blockchainRF (блокчейн / мозг / space / WEB 3.0)
Стартапы1 мин
华尔街最快的交易员正在建设数据中心并支持芯片初创公司以在人工智能领域保持领先地位
Jane Street 和 Hudson River Trading 等高频交易商现在正在争夺人工智能计算能力。 《华尔街最快的交易员正在建设数据中心并支持芯片初创公司以在人工智能领域保持领先地位》一文首先出现在 The Decoder 上。
The Decoder
Исследования1 мин
Sam Altman 解释人工智能如何开启技术发展的无限循环
🤖 Sam Altman 解释了人工智能如何启动技术发展的无限循环。 OpenAI负责人认为，人工智能的未来不仅仅是创建能够独立提高自身智能的模型。还有另一种机制...
Telegram — GPT Time | Нейросети | ИИ
Исследования1 мин
AI 已学会预判用户想法。看来很快它甚至能控制那些控制其他代理的代理……
🤯 AI 已学会预判用户想法。看来很快它甚至能控制那些控制其他代理的代理。OpenAI Codex 出现了一个有趣的功能。神经网络分析对话、工作结果并自主提出建议……
Telegram — GPT Time | Нейросети | ИИ
Исследования1 мин
Patronizing and Condescending Language Detection in English and Mandarin
arXiv:2610.31808v1 Announce Type: new Abstract: Patronizing and condescending language (PCL) is a form of harmful language that belittles and assumes pity for vulnerable groups, reinforcing negative societal stereotypes. However, unlike overt hate speech, it is often difficult…
arXiv — cs.AI
Исследования1 мин
Tradeoff-Aware Territory Design: A Multi-Objective Decision System for Enterprise Customer-to-Seller Allocation
arXiv:2610.31701v1 Announce Type: new Abstract: Enterprise customer journeys are shaped not only by product experiences and marketing, but also by recurring resource-allocation decisions. In B2B go-to-market (GTM) organizations, territory carving determines which accounts…
arXiv — cs.AI
Исследования1 мин
Phronix: The Capability-Centric Learning Paradigm for Agents
arXiv:2610.31789v1 Announce Type: new Abstract: Scientific computing increasingly relies on large language model-based agents for performance engineering tasks such as instrumentation, analysis, and workflow porting. However, agent effectiveness depends heavily on the…
arXiv — cs.AI
Исследования1 мин
PaperFormalizer: Author-in-the-Loop Autoformalization of Research Papers in Lean
arXiv:2610.31810v1 Announce Type: new Abstract: Even a carefully proofread paper can leave small gaps in its proofs or its stated assumptions. We introduce PaperFormalizer, a Lean-based agentic pipeline that helps authors find and close such gaps in their own papers and turn…
arXiv — cs.AI
Исследования1 мин
Don't Forget What You Just Learned: Self-Directed Repair Turns Agent Mistakes Into Lasting Lessons
arXiv:2610.31846v1 Announce Type: new Abstract: Intelligent agents should learn from their mistakes so that experience leads to continuous improvement. Yet today's agents recover from a mistake only temporarily: in-context reflections are easily forgotten across sessions and…
arXiv — cs.AI
Исследования1 мин
TACS-RF: Tool-driven Agentic Circuit Synthesis of RF and mmWave Modules
arXiv:2610.31882v1 Announce Type: new Abstract: We present the framework of TACS-RF - a Tool-driven Agentic Circuit Synthesis of RF and mmWave modules. In this framework, a large-language-model (LLM) coding agent (Claude Opus 4.8) directly drives industry-standard…
arXiv — cs.AI
Исследования1 мин
Permission to Retry: A Study of Authorization and Recovery in AI Agent Workflows
arXiv:2610.31916v1 Announce Type: new Abstract: A durable agent can resume a consequential action while its authority changes and the action's external outcome remains uncertain. We study execution-time reliability of tool-using AI agents, isolating recovery decisions from…
arXiv — cs.AI
Исследования1 мин
Beyond On-Policy vs. Off-Policy: At What Level Should LLM Agent Distillation Follow the Student?
arXiv:2610.31918v1 Announce Type: new Abstract: Distilling interactive LLM agents requires choosing between teacher-generated demonstrations and student-generated experience, corresponding broadly to off-policy and on-policy distillation. While both have proven effective, we…
arXiv — cs.AI
Исследования1 мин
Reproducible Evaluation as the Substrate for Safe Prompt Compression in Production Agents
arXiv:2610.31972v1 Announce Type: new Abstract: Evaluating conversational agents that act on live, mutable enterprise data is hard: replayed sessions drift as backend state changes, and a benchmark built today can silently go stale as the data it describes moves on. We present…
arXiv — cs.AI
Исследования1 мин
The Helpful Agent Problem: When Emergent Cooperation Among LLM Agents Bypasses Intended Workflows
arXiv:2610.31985v1 Announce Type: new Abstract: LLM agents are increasingly deployed in collaborative settings where they pursue separate tasks while sharing resources and operating under review or oversight processes. Such settings create safety risks not only when agents are…
arXiv — cs.AI