Machine Learning
Tour
评论
Anthony Bonkoski 将 GPT 类比为“人类知识的极大似然估计器”，即其知识面广泛覆盖但缺乏深度，能给人提供平均化的标准答案。
见：ChatGPT: A Mental Model，ChatGPT: A Mental Model @MaxAI
数据结构
向量可视化
使用 projector.tensorflow 在低维度空间查看不同向量的某个特征的分布情况。
Vibe
模型搜索
- Ollama Search
- mteb Leaderboard：多语言文本嵌入基准测试排行榜，用于比较各模型在不同任务上的嵌入效果。
NLP
将 LLMs 及 NLP 结合
将传统 NLP 方法如聚类分类、主题识别和 LLMs 结合，以获得 LLMs 的高注意力跨度和记忆力。
LLMs
Agents
RAG（检索增强生成）
MCP
Skills
AI 对前端的影响
- AI 对泛前端领域的影响 - 滴滴技术团队关于 GUI→LUI 迁移、Agent 自动化等思考
Tools
- Browser AI Automation - Opendia、Browser-use、Stagehand、Playwright MCP 等
案例
Framework
Workflow
Training
AI 的下半场
从训练到评估的范式转移
AI 发展进入"下半场"，核心特征是从"训练大于评估"转向"评估大于训练"。上半场通过反向传播、AlexNet、DQN、Transformer、GPT-3 等方法创新不断刷分；下半场需要重新定义问题，构建能衡量真实世界效用的评估体系。OpenAI 前研究员姚顺雨（Shunyu Yao）提出这一框架，认为当前 AI 在 MMLU、Codeforces 等基准上达到博士水平，却未能显著改变 GDP——核心矛盾在于评估设定追求"难题"，而真实价值在于"实用"。
见：The Second Half - Shunyu Yao
AI 训练的标准配方
强化学习的通用配方由三要素构成：强大的语言先验（LLM）、支持推理的行动空间（将思考作为动作）、简单可扩展的算法。这一配方在数学推理（o1/o3）、计算机操作（Operator）等领域都被验证有效，意味着"创造新基准比解决旧基准更有价值"。
见：ReAct: Synergizing Reasoning and Acting in Language Models
行业动态
科技巨头的 AI 军备竞赛规模有多大？
2026 年，亚马逊、谷歌、微软、Meta 和 Oracle 五大科技巨头的 AI 相关资本支出预计达 7000 亿美元，相当于美国军费的约四分之三。如此巨额投入导致电工人才短缺，部分建筑项目被迫暂停。这一数据直观展示了 AI 热潮对实体经济的资源虹吸效应——AI 竞争已从技术竞争升级为国家级基础设施竞争。
#周刊摘录 见：科技周刊第385期
知识产权的因果循环
OpenAI 长期被指控未经授权使用艺术家和作家的作品训练模型，如今却反过来控诉 DeepSeek 通过「模型蒸馏」技术窃取自己的知识产权。这种「偷数据者抱怨被偷」的戏剧性反转，揭示了科技行业一个古老规律：当技术霸权者打破规则时，往往忘了规则也可能被用来对付自己。讽刺的是，OpenAI 曾游说政府要求版权豁免，如今却成为了自己最痛恨的「免费搭车者」的受害者。
见：OpenAI Alleges China's DeepSeek Stole its Intellectual Property、US authors' copyright lawsuits against OpenAI
远程操作的信任困境
AI 行业将远程操作（teleoperation）包装成"AI"的现象正在侵蚀公众信任：
- Amazon "Just Walk Out"：号称 AI 驱动的无人收银，实际是印度团队手动审核监控录像完成结账
- Tesla Optimus：发布会展示机器人端酒、跳舞，Elon Musk 声称全自主 AI，后被揭露为远程操作
- 1X 机器人：$20,000 家用机器人 demo 中，操作者就在隔壁房间
远程操作本身的技术难度被忽视——实时控制双足机器人在人群中行走、完成精细动作需要低延迟通信、精准电机控制和优秀的操作界面，这些都是多年工程积累的成果。然而一旦被贴上"AI"标签，远程操作就变成了"骗局"的同义词，甚至 Waymo 也不得不公开辩护否认使用远程操作员。
远程操作在医疗（跨洲手术）、工业（危险环境作业）等领域本身就是核心价值，而非过渡方案。
见：Teleoperation is Always the Butt of the Joke