我不知道為什麼，但我覺得前線實驗室基本上在流水線式地推進模型開發，這讓我感到很滿意。 一個月一次的模型發佈節奏，並不意味著開發一個新模型需要一個月的時間。實際上，可能需要幾個月到一年不等。團隊顯然不會在這段時間內閒置，而是在完成一個項目後，立即開始下一個項目。 從極限來看，發佈節奏會趨近於瓶頸環節的吞吐量，而對於前線模型來說，這個瓶頸很可能就是訓練算力。 我不確定這在多大程度上已經成立，但我認為隨著模型能夠加速所有認知類工作，這種情況將會越來越準確。

大學將資源投入官僚體系，視為其未來。顯然，未來是更多的行政人員。 如今，每所大學都聲稱全力投入人工智慧。 所謂「全力投入」，指的是設立新的行政部門、新的副教務長、新的副院長、新的委員會、新的職員和新的預算。 與此同時，最優秀的人工智慧科學家不是已經離開，就是正打算離開，而他們與周圍正在建立的官僚體系毫無關聯。

🔴 日本研究人員開發了一種輕型機器人外骨骼，用於改善老鼠的行走動作。 該系統通過纜線和滑輪來移動老鼠的關節。 研究人員指出，此技術有助於促進脊髓損傷和中風後運動能力恢復的研究。

如果大學教授沒有指導學生開發人工智慧和機器人，以滿足社會的所有需求和合理慾望並解放人類，他們應立即被解僱。

🚨 研究人員訓練了一個 AI 來撰寫 GPU 程式碼……它在所有測試中都勝過業界標準編譯器……比 Claude 和 Gemini 高出 40%……當他們嘗試測試 ChatGPT-5 時，它甚至拒絕回答…… 來自字節跳動和清華大學的一個團隊剛剛發表了今年最重要的 AI 論文之一……但幾乎沒有人在討論它…… 以下是他們的成果： CUDA 是運行地球上每一個 AI 模型的程式語言……每一塊 GPU……每一個神經網路……全部都依賴 CUDA 核心運行……而撰寫高效的 CUDA 程式碼，是整個計算領域中最困難、最專業的技能之一…… 這需要數年的專業經驗……對 GPU 硬體的深刻理解……絕大多數工程師從未掌握它…… 多年來，最佳的 CUDA 優化方式是 torch.compile……這是 Meta 最聰明的工程師團隊打造的編譯器……它是業界標準……AI 模型從未接近過它的表現…… 於是，研究人員開發了 CUDA Agent……一個專門透過強化學習訓練來撰寫與優化 GPU 程式碼的 AI……它會撰寫程式碼……執行它……測量速度……偵錯自己的錯誤……並持續改進，直到超越基準線…… 結果令人震驚： 在測試中最簡單的等級中，它在 100% 的任務中勝過 torch.compile…… 在中等難度等級中，同樣是 100%……核心運行速度幾乎是業界標準編譯器的 3 倍…… 在最困難的等級中——完整的神經網路架構——它在 90% 的任務中勝過編譯器…… 接著，他們將其與全球最頂尖的前沿模型進行比較： Claude Opus 4.5 和 Gemini 3 Pro 都通過了大多數任務……但只有約三分之二的核心實際運行速度高於基準線……它們撰寫的程式碼能運作，但未經優化…… CUDA Agent 在 97% 的任務中勝過編譯器……並在最困難的等級中，比 Claude 和 Gemini 都高出約 40%…… 一個專門化的 AI，在自己的領域中擊敗了全球最強大的通用模型…… 但這裡有一個讓我停下來的細節： 當研究人員嘗試測試 OpenAI 的 ChatGPT-5 系列時——5、5.1 和 5.2 模型——他們無法做到…… 用他們自己的話說：這些模型「一致拒絕回應與 CUDA 相關的提示」…… 地球上最著名 AI 公司開發的最先進模型……拒絕撰寫 GPU 程式碼…… 而一個中國的開源研究模型，卻正在同一任務中擊敗業界標準編譯器…… 其影響深遠： 數十年來，撰寫高性能 GPU 程式碼需要頂尖的人類專家……如今，一個 AI 已經比這些專家所打造的編譯器做得更好……也比每個人付費使用的前沿模型更出色…… 這標誌著 AI 開始優化自身運行的基礎設施…… 系統開始自我改進…… 而證明這一點的模型，並非來自 OpenAI、Anthropic 或 Google…… 它來自一個研究實驗室……使用 128 塊 GPU 訓練……並免費公開發布。