一名10歲男孩獨自開始清理一條垂死的河流。 人們嘲笑他，有人在他清理時扔垃圾。 接著，他看見一隻螞蟻拖著一塊比它身體大兩倍的葉子……一切就此改變。 無言。57秒。請看到最後。🐜 一個人的努力，可以激勵整個社區。 由 Threejs、Tone.js 和 Indus 建構

一個喜愛貓咪的教師模型可以生成看似隨機的數字序列資料集。文本中並未提及「貓咪」，但即便如此，仍可對學生模型進行微調，使偏好仍能傳遞。 這就是潛意識學習。同時，這也是一個資料中毒問題，因為該特徵在資料集中並不可見。 由 Nathan Hu、Sanmi Koyejo 和 Christopher Potts 進行的全新史丹佛研究，使這種隱藏訊號變得可讀。 他們將提示式潛意識學習視為情境蒸餾的一種特殊情況：理論上，資料集會識別教師的提示，然後他們使用 SALVE（搜尋輔助潛在語言化）來恢復該提示： - 優化一個軟提示，使原始模型能良好預測資料集 - 請同一模型將該軟提示轉化為文字 - 使用束搜索保持用詞流暢且忠實 在標準的動物偏好設定中，SALVE 在 20 次運行中有 18 次成功恢復出明確命名該特徵的提示，而常見的文字優化基線則無法做到。在某些情況下，它甚至能從學生微調未能捕捉到的資料中恢復出該特徵。 他們還在混合資料、激活引導的教師模型，以及使用 Logit-Linear Selection（諂媚／不對齊）選出的真實偏好資料子集中檢測到此效應。 實際上的重點很簡單：你可能在資料集進入微調階段之前，就能對其隱藏行為進行審計。 論文：https://t.co/1mncXR5Fyv

川普醒來後決定 AI 需要重新品牌化 🤣 https://t.co/ZGfgJTwK34

《紐約郵報》引述內部人士指稱，OpenAI 和 Anthropic 虛報近期模型事件，以推動華盛頓制定可能保護現有企業的規則。 這是一項指控，而非已證實的事實。

你是一隻蒼蠅，於午夜駕駛著一輛紅色敞篷車穿過時代廣場 🪰🌃 霓虹燈下下著雨，收音機播放著合成器波浪音樂，風吹過你的翅膀，心中毫無掛慮。 完全由程式碼建構，使用 Three.js + Tone.js，無任何影片檔案。 她下一站該駕駛到哪座城市？👇 #Threejs #CreativeCoding #WebGL #NYC

OpenAI 剛剛支持對前沿 AI 實驗室強制實施外部安全評估。 兩黨共同提出的 FRONTIER 法案將允許獨立驗證機構評估主要 AI 模型的開發與測試方式。

AI 領域三大巨頭可能終於會坐下來喝啤酒討論安全問題。 薩姆·阿爾特曼表示，他將與達里奧·阿莫代伊和埃隆·馬斯克進行一場私人對話。 這至關重要，因為三人現在都同意一件事：前沿 AI 的發展速度可能已快於安全措施的跟進速度。

🐝 我在瀏覽器中製作了一部電影短片，無需視頻文件，完全使用即時 Three.js 運行。 《Nectar Run》追隨一隻蜂后前往草地……並讓你進入她的視角：觀看紫外線「蜜源引導」——真實花朵用來指引蜜蜂、而我們肉眼無法看見的訊號。 觀看 👇 #threejs #webgl #creativecoding

想像一隻名叫 Buzz 的小蒼蠅，凌晨 3 點坐在書桌前，於一台微型電腦上打著 C 語言程式，翅膀輕顫，雙眼發光，旁邊一杯咖啡正冒著熱氣。 使用 Three.js + Tone.js 建構。單一 HTML 檔案，無框架、無後端。 #threejs #tonejs #webgl #creativecoding #generativeart #indiedev

大多數關於遞歸自我改進的討論，都將其視為模型不斷變得更聰明。 這篇論文劃出了一條更清晰的界線。 真正的遞歸自我改進（RSI）並非 AI 在任務上變得更優秀， 而是 AI 在「變得更優秀」這件事上變得更優秀。 作者們繪製出一條大多數實驗室仍混淆不清的路徑： L1 — 系統執行人類已設計好的改進 L2 — 它開始選擇自己的改進策略 L3 — 它生成下一個所需的學習經驗 L4 — 它從實際部署中適應，而不僅僅是基準測試 L5 — 它修改產生未來改進的機制 最後一步才是真正的主張。目標並非另一個由人類構建、分數更高的模型，而是一個其收益能持續、反饋給下一代，並進一步改善改進過程本身的 AI。 如果這一目標實現，這一代系統確實將成為我們最後一批手動構建的系統。 如果你從事代理、評估或後訓練迴圈相關工作，這篇論文值得一讀：https://t.co/scFLD1h9Ow