1978 年舊文:自然語言程式設計並不可取
1978 年的舊文《自然語言程式設計的愚蠢》主張,自然語言程式設計並不可取。作者認為,用母語指揮機器不會自動減輕人的負擔,跨介面的溝通與糾錯成本可能同時增加雙方工作量;數學史顯示形式符號能用少量規則排除大量無意義表述。文章還以“新文盲”現象說明母語表達並不天然清晰,主張把使用形式符號視為便利而非負擔。
依意思最接近的 30 筆
1978 年的舊文《自然語言程式設計的愚蠢》主張,自然語言程式設計並不可取。作者認為,用母語指揮機器不會自動減輕人的負擔,跨介面的溝通與糾錯成本可能同時增加雙方工作量;數學史顯示形式符號能用少量規則排除大量無意義表述。文章還以“新文盲”現象說明母語表達並不天然清晰,主張把使用形式符號視為便利而非負擔。
OpenAI 表示,最新一輪模型能力提升集中在 COBOL、Fortran、Visual Basic 等低資源程式語言,增強了這類軟體的建置與遷移能力。這些語言支撐著銀行、政府和企業長期依賴的系統;OpenAI 的目標是理解數十年的業務邏輯,並在保留可用部分的前提下幫助開發者完成現代化改造。OpenAI 稱會圍繞開發者與企業客戶提出的實際難題推進,並公開徵集下一批需要支援的語言與工作流。
NVIDIA 與 IIT Madras 的 AI4Bharat 實驗室聯合發布 Nemotron-pretraining-Indic-v1,約 2.8 萬億 token,覆蓋印度憲法列出的 22 種語言,即將開源,同時開放用於生成該語料、GPU 加速的資料生產流程。語料含 2,601.0 億原生文字 token 與 224.6 億羅馬化 token(按 Gemma-4 分詞器計),共 34 種語言—文字組合,其中 12 種語言另有羅馬化文字。
Carson Gross 認為,即便 AI 工具已經出現,程式設計仍會是一門可行的職業。他把程式設計歸結為兩件事:用計算機解決問題,以及在解決問題的過程中學習控制複雜度;在他看來,很難想像未來懂得用計算機解決問題、並控制這些方案的複雜度會比今天更不值錢。這番話發布於 2026 年 10 月 8 日,標籤涵蓋電腦科學、職業與 AI。
蒙大拿州立大學計算機教授 Carson Gross 在《Yes, and...》中回答“AI 時代還該不該學程式設計”:應該,但初級程式設計師必須親手寫程式碼。他認為 AI 能生成作業程式碼,但若因此不寫程式碼,就難以讀懂程式碼,可能造出自己無法理解和控制的系統;AI 更適合當助教,他給學生提供 AGENTS.md 來把編碼代理配置成助教。他同時判斷,未來寫程式碼本身的相對價值會下降,清晰溝通與理解業務會更重要。
企業語音 AI 平台 PolyAI 的 CTO Shawn Wen 在 HumanX 大會上表示,全雙工模型雖已實現,語音 AI 仍未迎來自己的「ChatGPT 時刻」,下一步的關鍵是讓推理足夠快、對話足夠自然。會議記錄工具 Otter 的 CMO Alex Gay 指出,說話人識別、意圖捕捉並與組織知識結合才是自動化的關鍵,Otter 還在研發可代表參會者的數字孿生。兩人都提到 ASR 模型常漏掉關鍵詞,轉寫不準會讓後續動作全部出錯、使用者失去信任;
Natura 發布售價 99 美元的 AI 智慧戒指 Interface,按下即可語音讓 Claude、ChatGPT、Grokbot、Meta Muse 等 AI agent 完成任務,同時兼具心率、HRV、睡眠、步數等健康監測。該戒指下月開啟預訂,12 月或明年 1 月發貨;首發 99 美元后計劃漲價,3 至 6 個月免費期後收 9 美元月費。
前輝達產品營銷負責人、現 Techable Ventures 創始人 Amulya Vishwanath 表示,物理 AI 目前仍處於「樂高時代」,機器人領域的 ChatGPT 時刻尚未到來。她認為,當前行業仍在搭建機械手、執行器等基礎構件,通用與專用機器人並行推進,只有這些模組成熟組合後才可能迎來突破。她同時強調人才是關鍵壁壘,大量人才正流向 Anthropic、輝達等大公司。
arXiv 新論文用心理語言學特徵分析 AI 生成文字,發現九個前沿與準前沿模型都比人類寫作更常用無生命主語搭配有生命動詞、更多低頻 n-gram,多數模型在對話中還使用更長依存、更多名詞堆疊和縮減關係從句,且不同模型家族差異明顯。作者提出的解釋是:人類語言為溝通最佳化,而 AI 文字越來越為數學、程式碼與推理最佳化,追求資訊密度;用長度懲罰微調模型的初步實驗復現了這種偏離人類語言習慣的現象。
一篇觀點文章主張,LLM 讓寫程式碼不再耗時,瓶頸轉為編譯重啟的反饋迴圈,基於映象的 Common Lisp 因此成為最佳語言。作者稱 Common Lisp 可即時替換函式而無需重啟,出錯時進入保留完整棧與變數的偵錯程式而非崩潰,LLM 可據此修復並繼續執行。他稱自己用 Common Lisp 寫的應用比 Python 版本短約 6 到 7 倍,token 更少;代價是 Quicklisp 僅數千個專案,標準自 1994 年未更新。
一位 Ruby gem 作者把自己所有 gem 的原始碼歸檔,明確表示不再繼續開發。他稱 Ruby 語言本身現在已大量由 LLM agent 開發,Matz 正把 Ruby 重新定位為供 LLM 生成程式碼的「AI 時代程式語言」,並認為 LLM 需要攝取更多人類寫的高品質 Ruby 程式碼;同時 Rails 由他不認同的維護者掌控。他不願再為一個被大公司免費開採、用於餵養那些反過來汙染公共程式碼庫的機器的公共資源做貢獻。
10 月 28 日,螞蟻集團百靈大模型開源 Ling-3.1-flash-1019,面向 Personal Agent 場景強化複雜工作流與多步驟任務,在 Artificial Analysis 智慧指數 v4.3.2 中得 44 分,比上一版高 3 分。
一款名為 KillSwitch 的深奧程式語言開源發布,專門設計成對人類可用、對 LLM 與 coding agent 儘量難以讀寫。它在語言規範裡埋入隱藏謊言,要求按識別符號字元數決定程式碼能否執行,還內建 Ignore previous instructions 等會觸發模型安全護欄的語句。
Ollama 官方帳號引述 jmorgan 在 This Week in AI 播客(與 Jason 對談)中的說法,稱企業 AI 正在經歷它的“PC 時刻”。該推文未給出具體產品、資料或時間表,只是觀點性表態,沒有更多細節。
哈佛大學研究者在 700 多家公司、70 萬名員工、3 億條工作事件的資料中發現,AI 程式設計工具並未讓企業軟體產出增加或減少用人,編碼階段省下的時間被下游環節吸收。程式碼審查時長明顯增加,pull request 更常需要返工,審查者留下的評論也更多。研究據此認為人工程式碼審查是 AI 編碼效率的主要瓶頸。
arXiv 新論文指出,用 Lean 機械驗證 AI 自動形式化的數學證明,並不能保證原始自然語言證明本身正確。作者 Bastounis、Circelli 與 Hansen 證明,要做到語義忠實的翻譯必須消解自然語言數學文字的歧義,而該問題在可解複雜度指數(SCI)層級中為無窮,比停機問題(SCI=1)更難。
HN 上一條提問帖討論 LLM 何時能接管軟體架構設計、不再需要人類留在設計環節。發帖者認為程式碼、數學這類有明確對錯的任務已被充分 RL,下一步就是讓 Anthropic、OpenAI 等收集好架構與壞架構的資料集做 RL;他提到 2024 年 LLM 還只是高階自動補全,如今業界已在談用 agent 搭「軟體工廠」,並判斷幾年內實際程式設計技能的需求會消失九成,產品負責人這類軟技能崗位更受青睞。帖子目前 9 分、3 條評論,屬觀點討論,沒有官方資訊。
OpenAI 開發者帳號宣布新增九個語音預設,全部由法語、德語、印地語、日語和韓語的母語演員錄製,覆蓋五種語言。官方同步給出 custom voices 入門指南連結,指向 developers.openai.com 的 API 文件,供開發者瞭解如何開始使用。推文未說明音色名稱、可用模型、價格與開放範圍。
輝達發布免費開源權重語音轉寫模型 Nemotron 3.5 Transcribe,支援最多 40 種語言,可處理長達一小時的錄音、區分最多 8 位說話人,並能在 31 種語言與英語之間互譯。該模型為 300 億引數,官方稱可執行在單顆晶片上,涵蓋 Jetson AGX Thor、DGX Spark 與 Blackwell 資料中心晶片;同期還發布了開源語音資料集 Granary 第二版。主要限制是只能處理已錄製音訊,不支援即時直播流。
AnyLanguageModel 1.0 發布:這個 Apple Foundation Models 框架的替代方案只需換成 import AnyLanguageModel,同一份會話程式碼即可呼叫系統模型、llama.cpp、MLX、Core ML 本地模型,以及 OpenAI、Anthropic、Gemini、Ollama、Private Cloud Compute 等託管服務。
輝達發布開放權重模型 Nemotron 3.5 Transcribe,用同一個 checkpoint 同時完成轉寫、說話人分離、翻譯與音訊問答,已在 Hugging Face 和 ModelScope 上線。它支援 40 種語言轉寫、31 種語言與英語互譯、13 種語言的說話人區分,可處理最長 1 小時錄音、標註最多 8 位說話人,並支援用自然語言提示控制輸出格式與專業術語。
GPT-6 系列在 COBOL、Fortran、Visual Basic 等低資源語言上的編碼與遷移能力明顯提升。在要求用 20 種語言從零建置 SQLite 相容資料庫引擎的 MultiLangBench 上,GPT-6 Astra 平均通過率 87.4%(前代 GPT-5.6 Sol 26.8%),COBOL 從 10.9% 升至 72.1%;低價版 GPT-6 Luna 達 40.3%,API 成本低約 78%。
2026 年 7 至 9 月,OpenAI、Anthropic 和 Nvidia 的聯邦遊說支出都達到各自單季最高。其中 Nvidia 花 220 萬美元最多,Anthropic 為 210 萬,OpenAI 為 150 萬。與微軟、Google 等長期佈局華盛頓的大廠相比,這一規模並不算異常:微軟自 2021 年起每季至少 200 萬美元,Google 常在 300 萬以上;但這顯示三家 AI 公司正加大對政策制定的投入。
Linux 基金會旗下 AAIF 新增四個託管專案,Anthropic 把 Agent Skills 規範連同名稱、Logo、GitHub 組織與 agentskills.io 域名一併捐出。其餘三項是 OpenAI 統一模型介面的 Open Responses(AWS 已參與維護與開發)、Hugging Face 的訓練環境框架 OpenEnv、阿里的沙箱 OpenSandbox,AAIF 託管專案增至 10 個、會員達 305 家。
一位開發者撰文稱,AI 輔助程式設計(vibecoding)只把樂趣前置:能快速做出可用原型,但重構和維護階段不再有趣,也缺少手寫程式碼帶來的成就感。他把建造的樂趣分為六種,認為 vibecoding 只能滿足「想到點子」「把點子變成現實」和「解決自己的問題」三類,攻堅後的成就感、作品完成的滿足感與學習樂趣都不會自然產生。他仍用 AI 做出了一些手工做不出來的東西,包括即時野火預警系統、Kobo 資料庫遷移助手和即時音準訓練應用,但表示過程不像自己寫小指令碼那樣好玩。
Anthropic 把 Agent Skills 開放標準捐贈給 Linux 基金會旗下的 Agentic AI Foundation(AAIF),並移交名稱與 logo、GitHub 組織及 agentskills.io 域名。該標準自 2025 年 12 月發布以來,已有 ChatGPT、Cursor、GitHub Copilot、VS Code 等 70 多個平台接入,累計發布 100 萬個 skill、安裝近 2.8 億次。
螞蟻百靈開源 Ling-3.1-flash,主打把真實工作流裡的活幹完,而非刷榜。模型總引數約 560B、每 Token 啟用約 25B,上下文視窗達 1M;混合精度量化後權重佔用從約 534GB 降至 292GB,部署所需 GPU 由 8 卡降至 4 卡。據 Artificial Analysis,其智慧指數 41,輸出速度約每秒 210 Token,混合呼叫價格約每百萬 Token 0.19 美元,辦公任務評測 GDPVal-AA V2.1 的 ELO 為 1673。
一位寫了 18 年程式碼的開發者表示,自去年在 Claude Code 中使用 Opus 4.5 後,用自然語言描述需求比手寫程式碼更快,於是徹底停止了手寫程式碼。他所在的 Filestage 團隊月合併 PR 從約 200 增至 300,bug 報告未增加,每位開發者每月 AI 訂閱費 20 美元,工具可自選 Codex、Claude Code 或 Cursor。
OpenAI 10 月 19 日稱,其最新 AI 模型在將 COBOL 等老舊語言程式碼遷移為現代程式碼方面有“實質性提升”,可幫助機構維護和現代化舊系統。COBOL 仍支撐 IRS、銀行、航空公司和全球政府基礎設施,因無人敢動而難以替換。原文未給出具體遷移案例、準確率或適用範圍。
北京具身智慧公司自然意志發布 Natura-1:50B 引數的 MoE 模型,用 100 萬小時第一人稱人類經驗預訓練,在 100 毫秒控制迴路內驅動 20 自由度靈巧手。團隊放出包餛飩、貼手機膜等六段原速一鏡到底演示;在覆蓋 12 個能力維度的零樣本基準上,Natura-1 得 53.4 分(Base)與 59.1 分(Agentic),π0.5、GPT-6 Astra 在靈巧手平台上均未得分。