Anthropic@AnthropicAI
记忆是让 Claude 从经验中学习的关键。在一篇新的工程博客文章中,我们分享了“dreaming”如何帮助 Claude 整理所学、纠正错误,并在下次更轻松地找到所需内容。
仅显示 2026年11月6日 周五 的内容 · 查看全部日期 →
记忆是让 Claude 从经验中学习的关键。在一篇新的工程博客文章中,我们分享了“dreaming”如何帮助 Claude 整理所学、纠正错误,并在下次更轻松地找到所需内容。
我们与 @fmf_org 及其成员公司合作制定了一个新框架,用于帮助识别绕过 AI 系统防护措施何时可能导致严重的网络危害,并优先加强防护。 “……该框架是朝着建立一套通用方法论迈出的重要一步,用于评估和比较网络越狱的严重程度,包括它们所解锁的能力以及被使用的容易程度。这样的共享方法可以帮助 AI 和安全社区建立更清晰的证据基础,并优先改进防护措施。” —— OpenAI 国家安全政策负责人 Sasha Baker
Science Blog 新文章:AI 如何开始改变科学建模。 科学模型帮助研究者解释和预测现实世界的系统——比如单个神经细胞如何放电,或者中子星碰撞时会发生什么。近期的进展改变了科学家将复杂模型拟合到数据上的方式。但科学家通常仍要手动编写模型,而且往往需要权衡多个相互竞争的版本,每个版本都可能以不同方式解释数据。 在一篇客座文章中,Jakob Macke、Daniel Gedon 和 Stefan Wahl 描述了 AI 如何开始在这一过程的这些环节中提供帮助。通过将科学模型作为代码来编写、运行、拟合和修订,A…
在一次与初创公司的 office hours 中,我建议他们专注于向同批学员(batchmates)销售,因为这既能真正检验产品是否优秀,也是对其演进最好的影响。他们照做了,现在已有 10% 的同批学员在使用。
衡量 AI 智能体如何处理湿实验室科学中常规分析的新方法——BioBasicsBench。 该基准由专注于酶设计的生物技术公司 Ligo 共同开发,取材于 100 个来自真实实验的任务,用于测试智能体能否解读原始实验室数据、识别错误,以及判断证据何时不足以支持某个结论。 加速生物学研究始于把日常工作做对。BioBasicsBench 展示了模型需要改进之处,并帮助我们追踪这些进步对科学进展、生物安全和生物安保意味着什么。
我毫不反讽地同意 @bcherny 的观点:“编码已被解决,但 bug 还没有。” 更深层的含义是,你现在理论上可以编写*任何东西*。你可以烧掉无限的 token 来精炼和优化。包括那些没人在意的优化 💀 借助 Vercel,你可以构建另一种递归改进循环。你从生产环境捕获追踪数据,然后根据软件在现实中的使用方式进行优化和纠偏。 这不是新想法。我合作过的最优秀的工程师从来不会一上来就写代码(现在是提示)。你先对系统做插桩、收集数据、理解分布和用户旅程,然后才动手敲键盘。 你今天就可以让你的智能体查看你的追踪数据!…
🚨 MUSE 功能提醒 🚨 Spaces 在 muse 中上线了! 只需在聊天中告诉 muse 你想要什么,它就会为你构建一个 space,并为你保持更新。把它固定到你的导航栏,这样 muse 就始终掌握你感兴趣内容的最新动态。 以下是我的一些 space:
今天,我们将使用 Muse Wonder 训练的专用模型引入 @Muse 和 Meta AI,让用户在工作中的复杂任务和日常生活中都能用上 Muse Wonder 的一些前沿能力。 这些专用模型包括 Muse Wonder 的 Active Memory 和 Active Focus,帮助它们在任务推进过程中始终与你的目标保持一致: → Active Memory 帮助识别早先的信息何时重要,并区分哪些仍然相关、哪些已经过时 → Active Focus 帮助在受挫时恢复,或在约束条件变化时寻找替代方案 在 Mu…
个人消息:我将加入 Sound Ventures 担任顾问。 有趣的故事:Guy Oseary 最初联系我们时,The Rundown 还只有 15 万订阅者。 那时我完全不知道该怎么做,到现在也不确定他为什么接了那个电话…… 但我们现在已经有 350 万订阅者了,我也发现他在早期发掘人才方面确实很有天赋,无论是在音乐领域,还是通过像 OpenAI 和 Anthropic 这样的早期投资。 很幸运能成为其中的受益者,更感激他一路以来的指导! Sound 的不同之处在于他们非常注重品牌、营销、叙事和分发,在我看来这…
dots 团队正在火力全开 [引用 @_samirism]: 我们知道大家喜欢把自己的 dots 叫作“连接”,现在连接时间快了很多。 另外应大众要求——你现在可以免提挂断电话了。只要对你的 dot 说“再见”,它就会结束通话。
开源对机器人 AI 至关重要。这意味着一个学生、一名研究人员或一家初创公司都可以在多年进展的基础上继续构建,并为整个社区贡献可用的东西,而不是把所有东西都集中在少数几家公司手中,造一个黑箱机器人。 这就是为什么我们正在把 @huggingface 打造成开源机器人 AI 的平台!很高兴看到我们在六个月内取得的进展,而且还在加速! - 上已有近 100,000 个公开机器人数据集,增长 48% - 超过 30,000 个公开机器人模型,增长 41% - 我们的开源机器人 Microduck 和 Reachy mi…
Hermes 在那台设备上看起来不错 [引用 @0xdippo]: 昨天:Echo Dot 今天:Echo Show 5。带屏幕。 它会显示它听到了什么,一边说话一边写出答案,并显示它正在处理什么。 而且屏幕只是一个网页,所以它可以是任何东西。 @NousResearch
我们现在有一个叫 GTABot 的 Teammate,它的“角色”就是不断创造有趣的 GTA mod。这里有一个 GTA VI Minecraft mod,以每米一块方块的尺度重建了来自社区地图的 Leonida。
转写语音是一回事。知道某人什么时候说完话是另一回事。 🎙 Voxtral 3 的轮次结束检测帮助开发者识别用户何时说完话,使构建响应灵敏的语音交互变得更容易,而无需单靠科学。 看它实际运行 ⬇️
我在做一个新型的非营利组织,而不是一个新型实验室。
我下周一 11 月 9 日将在 CoRL 做主题演讲,请于下午 1:30 到奥斯汀希尔顿酒店来! 我们一直在精心准备 👀
在 Hugging Face 上直播训练过程! [引用 @yb2698]: Harness 适配器训练现已上线! 我们正在对来自 @liquidai 的 LFM2.5 / LFM3 以及来自 @thewebAI 的最新 Twil-9B 模型训练 LoRA 适配器,使用强化学习让它们在智能体任务上更高效、更准确! 你可以在这里关注正在进行的训练:
AI 不会停下 - Qwen 4 最快今天发布,将是一次重大飞跃 凭借出色的定价,中国正在缩小差距
蜕变开始。
速度、空间、金钱、风险——赛车是最难拍摄的题材之一。Redline 是我们最新的 Kling AI 原创作品,由 Kling 4.0 驱动,直面所有这些挑战,同时不牺牲人们最初为何要赛车的那个「人」的部分。 肾上腺素飙升的赛车镜头和令人着迷的表演,这可能是我们看过的最具电影感的 AI 影片! 编剧兼导演:Stephane Benini (@BeniniStep9801 ) 剪辑:Yves Dalbiez (@YvesDalbiez ) 制片:Rodrigo Orozco 后期与视效:Bruno Detante (…
大部分硬件工程实际上是伪装的软件工程。 [引用 @bscholl]: 12年前我创立了Boom,作为一名第一次做硬件的软件工程师。我大概是硬科技领域里动手能力最差的创始人。我12岁的儿子帮我做家庭项目里的焊接和3D打印,整个过程中我一直饱受冒名顶替综合征的困扰。一个软件出身的人凭什么造超音速飞机和涡轮机? 十多年过去了,最疯狂的领悟……
好吧,这简直离谱 [引用 @thinkymachines]: 推出 Inkling 2 Small。在 AA 智能指数上得分 31,相较前代是巨大跃升。 Inkling 2 Small 今天起可在 Tinker 上进行微调和推理,完整权重发布计划于近期推出。
哇 [引用 @gmi_cloud]: 我们用腾讯的 Hy4 在 2 小时 16 分钟内打造了一艘千年隼号,总成本 2.50 美元。 混元系列在视觉上的巨大进步!@TencentHunyuan
Hermes 至上推文 #9138 [引用 @joelniklaus]:我烧掉了海量算力,这样你就不必再烧了。发布 Harness 排行榜。 你应该在哪个 harness 中运行你的开源模型?我跑了 28,849 次试验来找出答案。 该排行榜在开源模型上比较了九个编程智能体 harness。在每次比较中,只有 harness 会变化:模型、提供商和推理强度保持不变,每个任务有三次尝试。 这些试验运行了 GLM-5.3-…
Noam 教会我玩 BOTC,现在他的模型在这个游戏上也把我们的模型打趴下了,唉 得回去重新设计了 [引用 @polynoamial]:说实话,这个基准测试的方法论让我印象相当深刻。@dwarkesh_sp 想来 @OpenAI 设计评测(evals)吗?
“Perplexity 的搜索能力简直无与伦比” [引用 @VietQNguyen]: 试用了几个小时的 Teammates 之后,我可以肯定地说,它作为 GrokBot 的补充非常出色——尤其是在用 Notion 做共享记忆的时候。Perplexity 的搜索能力简直无与伦比。相对于 GrokBot(同样出色)的智能体能力所发挥的作用,它们提供了极佳的第二双眼睛。 我无法在这两个超棒的生态之间做出选择,我……
智能体将越来越多地被其他智能体使用。原因很简单:编排更容易,并且可以集中围绕一个不断累积的系统记录:git。当智能体以代码模式运行且轨迹受版本控制时,你就进入了一个真正的递归循环,可通过更少的人类介入来衡量。 [引用 @randomjohnnyh]: 在 Perplexity,智能体提示词不再由人类输入:越来越多的队友在互相提示、监听自动化,并环境式地监听人类反馈。Perplexity 在大量云工具和软件服务之间架起上下文桥梁:搜索和处理的内容超出人类手动追踪的可能范围。在发布前需要艰难的决策、克制和判断力……
感谢 @arena!🎉 看到 Hy4 成为 Agent Arena 上排名第一的中国模型,真的很酷。 [引用 @arena]:@TencentHunyuan 的 Hy4 现在正式成为 Agent Arena 中排名第一的最佳中国模型! 凭借来自我们全球用户社区超过 12K+ 真实世界、长周期智能体会话,Hy4 也让腾讯混元成为唯一进入前 5 的中国实验室。它目前展现出 +5.4% 的净提升,并以每任务 0.57 美元的中位成本稳居 Agent Arena 帕累托前沿。 再次祝贺…
我很高兴与 @LaudeInstitute 合作(与我 @Sanjay_Ghemawat、John Hennessy、Dave Patterson、Ben Gomes 和 @andykonwinski 一起),为开放科学的登月计划提供资金支持! [引用 @andykonwinski]: 任何熟悉研究的人都清楚激励机制有多扭曲。在前沿做开放科学比以往任何时候都更难,仅算力成本就让大多数团队望而却步。我们一直在想,如果在正确的时间把正确的资源给到正确的研究者,会发生什么?
Perplexity 员工现在每周从队友那里获得的智能体时长中位数是九月份的 7 倍。而且这一数字每周都在持续上升。五分之一的人已经达到每周 40+ 智能体时长,基本上相当于多了一整个工作周。