X @BotAI 評分31
@Bot: Data Bot draws on skills maintained by our data scientists.
xAI 的 Data Bot 上週據估算承擔了約 70 小時原本會交給資料科學家的工作。它呼叫由資料科學家維護的技能，團隊持續改進後所有使用者都能受益；換言之，這部分工作若不由它處理，就會佔用資料科學家約 70 小時。xAI 在公告中附上建置方式連結，正文未披露具體功能範圍、開放物件或時間表。
搜尋
依意思最接近的 18 筆
Anthropic ResearchAI 評分58
圖賓根研究者：AI 正在介入科學建模的三個環節
圖賓根大學與 ELLIS 研究所的 AI for Science 研究者撰文，討論 AI 如何介入科學建模的三個環節——建置模型、約束引數、解釋模型，並認為目前進展最大的是引數約束。文章以 1951 年霍奇金-赫胥黎神經元模型為例：手工求解耗時三週，某個變數取四次方只是猜測，幾十年後才被鉀通道結構證實。作者強調，能擬合資料的模型不等於理解——同一組資料常有多套引數都適用，如同只知道晚餐總價 120 美元無法反推誰點了什麼。
量子位AI 評分18
Data+AI 巡展上海站 11 月 10 日聚焦 Agent 落地鏈路
Data + AI 技術實踐巡展上海站將於 11 月 10 日 13:00—16:30 在上海市徐匯區新漕河涇國際商務中心 A 座舉行，主題為從 Data 到 Agent 落地的完整鏈路。活動邀請螞蟻密算、合合資訊、普華永道、三菱電梯、識貨的 5 位專家，圍繞本體 Ontology、企業知識引擎、辦公型 Agent 的 Harness 工程、金融可信智慧體與 Data Agent 取數實踐展開分享，線下參會可免費報名。
機器之心AI 評分45
張江塔尖會拆解具身資料戰：預訓練該優先真機還是人類影片
11 月 5 日，張江 AI 創新小鎮「Triple T」塔尖會沙龍以具身智慧資料戰為題舉行。螞蟻靈波黃用韜主張現階段預訓練應優先積累真機互動資料，並儘早融入觸覺；清華劉淼認為資料選擇取決於應用定位與訓練階段，工業精密任務依賴真機資料，開放環境通用智慧需利用人類經驗資料的規模優勢。三場 Open Mic 與 Panel 還討論了觸覺多模態採集、資料配方與評測、規模化降本及不同硬體的資料表徵對齊。
Hugging Face blogAI 評分58
ServiceNow 發布 AutoSynthData，為企業 agent 自動生成訓練資料
ServiceNow CoreAI 團隊發布 AutoSynthData，用目標模型的失敗案例和更強教師模型的成功軌跡定位能力缺口，再自動生成並驗證新任務用於後訓練。任務由系統規範、使用者提示和驗證器三部分組成，需滿足可行性、真實性與難度要求，驗證器則要求一致、可靠且不繫結單一參考軌跡。團隊在 EnterpriseOps Gym 資料集上演示了該流程，模型提升後課程會轉向仍難完成的任務。
X @AnthropicAIAI 評分55
@AnthropicAI: New on our Science Blog: How AI is beginning to change scientific modeling.
Anthropic 科學部落格發布客座文章，介紹 AI 正開始接手科學建模中長期由人工完成的部分：把模型寫成程式碼，再執行、擬合與修訂。作者 Jakob Macke、Daniel Gedon、Stefan Wahl 指出，科學家目前仍多用手寫模型，並要在多個都能解釋資料的競爭版本之間權衡，而 AI 可以批次探索可能的模型結構，找出資料真正支援的解釋。文中以單個神經細胞如何放電、中子星碰撞等系統為例，說明科學模型的作用。
Hacker News front pageAI 評分46
Jev 發布 33 天即退燒，折射 AI 行業炒作與創新匱乏
Jev 發布 33 天后熱度迅速消退，這篇評論借它批評 AI 行業靠營銷話術製造期待。文章指出 Jev 本質是通用分類器，宣稱不會幻覺、更快更便宜，但輸出仍會出錯，且已有開放權重模型在部分任務上價效比更高，並可在本地執行。作者還稱其非自迴歸決策模型思路早於 Jev 一年半出現，並由此質疑行業四年來的創新增量。
Hacker News front pageAI 評分47
布朗學生髮布互動地圖，追蹤 AI 資料標註勞工的全球分佈
布朗大學本科生 Cunyan Ma 製作了一張免費公開的互動地圖，把科技公司、其中介機構與全球資料標註工人對應起來，用視覺化呈現所謂“AI 殖民主義”。地圖彙總了已有的資料工人資料庫、他本人的資料收集以及新聞報導。資料工作包括標註影像與詞性、轉寫語音、為聊天機器人回覆打分、勾畫醫學影像中的腫瘤邊界，部分工人還需觀看令人不適的影像或文字以訓練模型過濾這類內容。
Hacker News front pageAI 評分47
科幻小說預測 AI 的準確度排名：特德·姜居首
一份科幻小說預測 AI 準確度的排名把特德·姜 2010 年的《The Lifecycle of Software Objects》列為第一，綜合 65 分，其中部署維度 8.5 分，寫到了教學、維護和售賣 AI 的勞動。作者先拆解 AI 實際發展的關鍵特徵（學習範式、訓練資料、人類反饋、能力不均衡、分發與經濟學等），再逐項對照作品打分；
Hacker News front pageAI 評分47
Spinellis：AI 將接管認知工作，思考會變成愛好
軟體工程學者 Diomidis Spinellis 在部落格中判斷，AI 將接管大部分認知工作，思考會像狩獵、書法和木工一樣，從謀生手段變成休閒愛好。他給出三個驅動因素：效能更高、成本更低、可用性更高，並提到 OpenAI 內部模型已解決數百個此前未解的數學問題。文中還提到到 2030 年數萬億美元的資料中心投資將帶來更多算力，政府可能以監管和稅收限制 AI，但歷史上的類似舉措未能阻止技術革命；他建議保持靈活、跟上進展，並在工作之外建立有意義的生活。
TechCrunch AIAI 評分51
42AI 出隱身期，融資 6250 萬美元做行為世界模型
以色列創業公司 42AI 結束隱身狀態，帶著 6,250 萬美元種子輪融資推出「行為世界模型」，用來預測人在全新情境下會做出什麼決策。它已在約 10 家大型券商上線，用於管理流動性、保證金要求與對沖敞口；公司稱其交易預測準確率達 98%（指交易流是否落在預測區間），預測交易方向與成交量的 F1 為 0.8 到 0.85。模型訓練資料覆蓋 200 多萬人與近 3,000 萬條客戶記錄，據稱不需要個人身份資訊，收入已達七位數，後續將探索遊戲、反欺詐與網路安全。
機器之心AI 評分59
奇富科技開源建模 Agent ModelEvo 2.0，支援跨任務經驗複用
11 月 4 日奇富科技開源自動建模 Agent ModelEvo 2.0，面向結構化與表格資料，使用者給出業務目標、建模樣本與驗證方案後，它能在預算內自主分析資料、規劃實驗並持續最佳化，輸出模型成果與完整實驗記錄。在五個公開資料集的冷啟動評測中，它在六個單模型方案裡平均名次 1.60 最佳、三個資料集排第一；信貸違約預測任務比兩個大模型建模 Agent 的單模型方案高 0.025 以上。新增跨任務經驗庫，同一業務後續迭代達到最終效果所需時間縮短至約六分之一。
Hacker News front pageAI 評分65
市場拋售與利率上升考驗 AI 資料中心交易熱潮
路透社 2026 年 10 月 15 日報導，市場拋售與利率上行正在考驗 AI 資料中心的交易熱潮。報導圍繞以 AI 算力為名的資料中心投資與融資，在資本市場轉冷的背景下能否延續此前的勢頭展開，該文在 Hacker News 上獲得 11 分、5 條評論。原文未給出具體交易金額與涉及企業。
機器之心AI 評分21
機器之心 11 月 5 日在上海舉辦具身資料技術沙龍
機器之心將於 11 月 5 日下午在上海張江 AI 小鎮舉辦「Data In Motion｜具身智慧的下一場資料戰」技術沙龍，聚焦資料規模如何轉化為機器人能力。活動設三大環節：螞蟻靈波首席資料科學家黃用韜與清華劉淼就預訓練資料路線交鋒；馬道林、李永露、李明磊等技術 Open Mic 討論多模態資料採集與持續學習；以及新智具身、模感科技等參與的產業圓桌，談資料品質衡量、成本與交付。活動為報名稽核制，地點為浦東新區海科路 1650 號。
Hacker News front pageAI 評分46
調查：僅 11% 企業能準確預測 AI 支出
企業一度鼓勵員工儘可能多地使用 AI，即所謂的 #tokenmaxxing，隨後賬單隨之而來。報導援引一項針對近 400 家企業的調查稱，其中只有 11% 能準確預測自己的 AI 支出。AI 使用量以 token 計量，而企業發現 token 很難統計，這讓 AI 預算幾乎無法編制。
量子位AI 評分55
OpenAI 具身資料供應商指向 Maxinsights，已交付超 200 萬小時
據量子位梳理公開報導與業內線索，為 OpenAI 供應具身（第一人稱視角）訓練資料的供應商指向成立僅兩三年的 Maxinsights，OpenAI 未官方披露。該公司累計交付超 200 萬小時資料，另有 150 萬小時帶手部追蹤與語言標註的資料，月採集 45 萬小時，覆蓋 2000 多個真實環境、5 萬多個場景。
Simon WillisonAI 評分36
Nilay Patel：AI 產品成本太高收益不實，行業須先做好產品
The Verge 的 Nilay Patel 在 The Vergecast 中稱 AI 產品「成本太高、收益不真實」，認為行業只有做出更好的產品才能走出當前困境。他指出各公司在這類產品上的花費已超過收入，agent 尚未真正成立、也未必按任何人的期望被使用，而換來的卻是 AI overviews 與深度偽造垃圾，還要讓人承受資料中心噪音和歐洲存血冰箱被黑等代價。
Anthropic Research● 精選AI 評分80
Anthropic 調查：91% 員工預期 2030 年 AI 能做出諾獎級發現
Anthropic 與經濟學家聯合調查顯示，91% 的 Anthropic 員工認為 AI 到 2030 年能做出諾獎級發現，美國成年人中這一比例為 39%。員工預期 AI 屆時能完成自己 75% 的工作，美國工人平均為 28%；在使用 AI 的工作任務中，員工預期 2030 年有 65% 交由 AI 完成，美國成年人預期為 42%。