熱門話題
#
Bonk 生態迷因幣展現強韌勢頭
#
有消息稱 Pump.fun 計劃 40 億估值發幣,引發市場猜測
#
Solana 新代幣發射平臺 Boop.Fun 風頭正勁

Peter Wildeford (hiring!) 🇺🇸🚀
全球排名前 20 位的預測者 🎯
AI 越來越強大。社會還沒有做好準備。在 @IAPSai 工作,塑造 AI 以實現繁榮和人類自由。
我們政府中有很多深思熟慮的人在研究新興科技政策,但我們需要更多的人!會是你嗎?

Horizon Institute for Public Service7月16日 00:56
🚀 2026年Horizon Fellowship的申請已開放!截止日期:8月28日
加入80多位校友的社群,在華盛頓特區花費最多兩年時間,從事新興科技政策的工作,涉及機構、國會或智庫。了解更多並在此申請:



1.56K
我感謝 @GarrisonLovely 報導這個故事,但我認為 @AnthropicAI 在今年年底前破產的機率小於1%。

Garrison Lovely7月26日 00:55
Anthropic 可能在接下來幾個月內破產,這要歸功於上週幾乎未被報導的法律裁決,該裁決使這家 AI 初創公司面臨數十億到數千億的賠償責任,因為它使用了盜版的、受版權保護的作品。

10.29K
Peter Wildeford (hiring!) 🇺🇸🚀 已轉發
我觀察到機器人領域中的一個迷你莫拉維克悖論:對人類來說困難的體操,對機器人來說卻容易得多,而像烹飪、清潔和組裝這樣的「不性感」任務卻相對困難。這讓外行人產生了認知失調,「所以,機器人可以做跑酷和霹靂舞,但為什麼牠們不能照顧我的狗呢?」相信我,我的父母問過我這個問題的次數比你想的還要多……
「機器人莫拉維克悖論」也造成了物理AI能力遠比實際更先進的錯覺。我並不是單獨針對Unitree,這適用於行業中所有最近的特技演示。這裡有一個簡單的測試:如果你在側翻機器人面前設置一面牆,它會全力撞上去,造成一場表演。因為它只是過度擬合那個單一的參考動作,對周圍環境毫無意識。
悖論存在的原因是:訓練一個「盲目體操運動員」比訓練一個能看見和操控的機器人要容易得多。前者可以完全在模擬中解決,並且可以零樣本轉移到現實世界,而後者則需要極其真實的渲染、接觸物理和混亂的現實物體動態——這些都無法很好地模擬。
想像一下,你可以不從互聯網訓練LLM,而是從一個純手工製作的文字控制遊戲中訓練。機器人學家們運氣不錯。我們恰好生活在一個加速物理引擎如此出色的世界中,以至於我們可以在幾乎沒有真實數據的情況下實現令人印象深刻的特技。但我們尚未發現通用靈巧性的同樣作弊代碼。
在那之前,我們仍然會被困惑的父母質疑。
346.9K
當然,Nvidia 不希望我們關注走私,因為他們間接從中獲利 👀
...賺錢的同時卻損害了美國的安全 😤

Tao Burga7月24日 22:43
Nvidia 仍然堅持認為 "沒有任何 AI 晶片轉移的證據。" 可笑。
同時,他們卻在遊說反對數據中心晶片位置驗證軟體,這將提供證據。
告訴我,這 10 億美元去哪裡了?

2.25K
熱門
排行
收藏
鏈上熱點
X 熱門榜
近期融資
最受認可