推文起爆榜

实时追踪 X 平台 6、24 小时及 7 天内飙升与高曝光推文,快速发现值得关注的热门内容。

安装 SoPilot 插件 后,点击帖子底部的评论或转帖图标,即可自动生成高质量评论和引用转发推文。

领域

飙升起爆榜

按平均曝光/小时排序

24h
8
2.6万 曝光/小时51 分钟前更新
完蛋了…..以后中国开源模型只能开源小参数的模型了…. 商务部科技部就修订《中国禁止出口限制出口技术目录》征求意见,为期一个月,涉及人工智能(大模型、智能体、算力集群、信息处理等23项)生物医药、光伏3个领域。 1️⃣限制出口AI大模型:超过10^26计算量、或2T参数、或公开评估排名全球前10的大模型。 2️⃣限制出口智能体Agent:工具调用与系统操作技术,支持集成的第三方工具数量≥200个,工具选择准确率≥90%,且在需要调用3种及以上工具协同完成任务场景中,端到端任务平均成��率≥90%;自主规划与任务分解技术,可将自然语言指令自动拆解≥20步可执行子任务链,子任务分解精度≥80%,且子任务平均成功率≥90%;标准博弈基准超过90%的人类的博弈决策技术;得分75%以上的AI辅助漏洞挖掘技术。 限制出口算力集群技术:片间互联技术、分布式训练容错技术、通信调度技术、异构集群高效推理与调度。 征求意见期间,出口相关技术需向商务部填报登记表。已通过开源、发表学术论文等方式进入公共领域的技术,不纳入管理范围。 (中国商务部) 目前看来@Kimi_Moonshot 的K4、@MiniMax_AI 的M3 Pro、@Zai_org 的GLM5以及@deepseek_ai 的下一代模型都没法开源了….. 而且相关架构、训练优化和推理加速技术也都不行了。
Max For AI 的图片 1
Max For AI 的图片 2
22.3万1.3K133144
24
1.1万 曝光/小时2 小时前更新
有点震撼。。。我们可能真的快要搞清楚大模型内部到底是怎么运作的了。 OpenAI早期机械可解释性研究的参与者,昨天突然提出了一个很大胆的结论: 我们可能一直误解了神经网络。 昨天, @nickcammarata 发了一篇很有意思的文章,叫《Neural Networks Are Already Clean》。 这哥们早年就在OpenAI做机械可解释性研究,2023 年还牵头启动了@OpenAI 第一个大规模自动化神经元解释项目。 当时他们发现,现有工具只能解释大约 2% 的神经元。 Nick因此得出了一个很悲观的判断:神经网络内部存在大量纠缠,想搞清楚它们到底在干什么,可能非常困难。 结果三年后,他带着更先进的工具和Agent重新研究,发现情况完全不同。 在他们测试的现代视觉模型中,最后一层 99%~100% 的神经元都能找到相当清晰的解释。 甚至在Qwen3-32B这样的语言模型中,初步研究也发现,约90%的神经元都有一个可以识别的主要功能。 最有意思的是,他还重新研究了过去的一些经典案例。 比如曾经有一个神经元,既会对猫脸产生反应,也会对汽车前脸产生反应。 以前大家觉得,这是典型的Superposition,多个不相关的概念纠缠在了同一个神经元里。 结果重新研究后发现,这个神经元可能只是在识别一种共同的V形视觉结构。 猫脸和汽车前脸恰好都有这种特征。 全世界的家人们折腾了这么多年,可能连最基础的观察方式都有问题。 而且我觉得这篇文章最值得关注的,其实是他们使用 Agent的方式。 他们让Agent自动观察神经元、提出功能假设、设计实验、分析电路,再通过新的输入验证假设,甚至自动审查了10 万张神经元归因图。 这其实也是我最近一直关注的一个方向:让 AI 自己去做科学研究,把大量观察、假设、验证的工作自动化。 过去需要研究员花大量时间逐个分析的神经元,现在已经可以让Agent成规模地开展研究了。 当然,目前这些结果还处于早期阶段,距离完整解释大模型的内部机制,还有很多工作要做。 但我觉得Nick提出的这个观点非常有意思: 神经网络内部可能一直都很有规律,只是过去我们的工具太原始,根本看不清楚。 如果这个方向最终被验证,机械可解释性领域过去很多基础假设,恐怕都需要重新审视了。
Max For AI 的图片 1
20.5万2.5K50363
50
20 小时前
6.7K 曝光/小时2 小时前更新
特斯拉新 Roadster 发布:靠压缩空气喷气在空中翻正落地,马斯克说 2028 年投产,售价未公布 10 月 15 日晚,特斯拉在得州 SpaceX 的 McGregor 试验场直播发布了第二代 Roadster 跑车。这辆车 2017 年就亮过相,当时说 2020 年交付,之后一推再推,拖了将近九年。 演示里,车开上一段弯曲的大坡道,倒挂着往上跑,然后从坡道尽头冲出去,在空中把车身转回正面,四个轮子落地。之后它又从一排特斯拉车(包括 Semi 电动卡车)上方翻跳过去。马斯克在现场说:“飞行汽车是真的。” 它靠的是冷气推进器。原理跟吹满的气球一松手就乱窜差不多:碳纤维高压罐里存着压缩空气,从喷口猛地放出去就产生推力,不烧燃料,也没有火焰。特斯拉说推进器的推力是轮胎抓地力上限的四五倍,所以它起步能比只靠轮子快得多。倒挂不掉下来靠的是另一套系统:风扇把车底的空气往外抽,把车吸在坡面上。 所以这里的“飞”只是几秒钟的喷气跳跃,气放完就没了,离能载人飞一段路的飞行汽车还远。据科技媒体 Glitchwire 报道,演示车把后排座位换成了一个装 260 公斤压缩空气的高压罐,车身四周有 10 个喷口;The Information 此前报道,因为推力和噪音太大,演示车是远程遥控的。这几点特斯拉官方没有确认。 翻跟头的是最激进的 Rocket 版:单座,只接受邀请购买,不能上公路。零到 60 英里/小时(约 97 公里/小时)加速不到 0.59 秒,极速超过 370 公里/小时。 普通人能订的是另外两个双座版本。Performance 版没有推进器,靠主动空气动力学和风扇吸地增加抓地力,加速不到 1.6 秒,订金 5 万美元。Thrust 版在车尾加了推进器,加速不到 0.9 秒,限量发售,订金 25 万美元。三个版本续航都超过 480 公里。 特斯拉没公布售价,订金不等于车价,2017 年说的起步价是 20 万美元。Performance 版的 5 万美元订金分两次付:先付 5000 美元(特斯拉说可全额退),10 天内再补 4.5 万美元,否则订单取消。 投产时间是马斯克在现场说的 2028 年,特斯拉官方帖子里没有写日期。这辆车的交付时间此前已从 2020 年先后推到 2021、2022、2025 和 2027 年。
宝玉 的视频预览
12.2万3128936

最热曝光榜

按窗口内累计曝光排序

24h
17
22.3万 曝光51 分钟前更新
完蛋了…..以后中国开源模型只能开源小参数的模型了…. 商务部科技部就修订《中国禁止出口限制出口技术目录》征求意见,为期一个月,涉及人工智能(大模型、智能体、算力集群、信息处理等23项)生物医药、光伏3个领域。 1️⃣限制出口AI大模型:超过10^26计算量、或2T参数、或公开评估排名全球前10的大模型。 2️⃣限制出口智能体Agent:工具调用与系统操作技术,支持集成的第三方工具数量≥200个,工具选择准确率≥90%,且在需要调用3种及以上工具协同完成任务场景中,端到端任务平均成��率≥90%;自主规划与任务分解技术,可将自然语言指令自动拆解≥20步可执行子任务链,子任务分解精度≥80%,且子任务平均成功率≥90%;标准博弈基准超过90%的人类的博弈决策技术;得分75%以上的AI辅助漏洞挖掘技术。 限制出口算力集群技术:片间互联技术、分布式训练容错技术、通信调度技术、异构集群高效推理与调度。 征求意见期间,出口相关技术需向商务部填报登记表。已通过开源、发表学术论文等方式进入公共领域的技术,不纳入管理范围。 (中国商务部) 目前看来@Kimi_Moonshot 的K4、@MiniMax_AI 的M3 Pro、@Zai_org 的GLM5以及@deepseek_ai 的下一代模型都没法开源了….. 而且相关架构、训练优化和推理加速技术也都不行了。
Max For AI 的图片 1
Max For AI 的图片 2
22.3万1.3K133144
19
20.5万 曝光2 小时前更新
有点震撼。。。我们可能真的快要搞清楚大模型内部到底是怎么运作的了。 OpenAI早期机械可解释性研究的参与者,昨天突然提出了一个很大胆的结论: 我们可能一直误解了神经网络。 昨天, @nickcammarata 发了一篇很有意思的文章,叫《Neural Networks Are Already Clean》。 这哥们早年就在OpenAI做机械可解释性研究,2023 年还牵头启动了@OpenAI 第一个大规模自动化神经元解释项目。 当时他们发现,现有工具只能解释大约 2% 的神经元。 Nick因此得出了一个很悲观的判断:神经网络内部存在大量纠缠,想搞清楚它们到底在干什么,可能非常困难。 结果三年后,他带着更先进的工具和Agent重新研究,发现情况完全不同。 在他们测试的现代视觉模型中,最后一层 99%~100% 的神经元都能找到相当清晰的解释。 甚至在Qwen3-32B这样的语言模型中,初步研究也发现,约90%的神经元都有一个可以识别的主要功能。 最有意思的是,他还重新研究了过去的一些经典案例。 比如曾经有一个神经元,既会对猫脸产生反应,也会对汽车前脸产生反应。 以前大家觉得,这是典型的Superposition,多个不相关的概念纠缠在了同一个神经元里。 结果重新研究后发现,这个神经元可能只是在识别一种共同的V形视觉结构。 猫脸和汽车前脸恰好都有这种特征。 全世界的家人们折腾了这么多年,可能连最基础的观察方式都有问题。 而且我觉得这篇文章最值得关注的,其实是他们使用 Agent的方式。 他们让Agent自动观察神经元、提出功能假设、设计实验、分析电路,再通过新的输入验证假设,甚至自动审查了10 万张神经元归因图。 这其实也是我最近一直关注的一个方向:让 AI 自己去做科学研究,把大量观察、假设、验证的工作自动化。 过去需要研究员花大量时间逐个分析的神经元,现在已经可以让Agent成规模地开展研究了。 当然,目前这些结果还处于早期阶段,距离完整解释大模型的内部机制,还有很多工作要做。 但我觉得Nick提出的这个观点非常有意思: 神经网络内部可能一直都很有规律,只是过去我们的工具太原始,根本看不清楚。 如果这个方向最终被验证,机械可解释性领域过去很多基础假设,恐怕都需要重新审视了。
Max For AI 的图片 1
20.5万2.5K50363
40
20 小时前
12.2万 曝光2 小时前更新
特斯拉新 Roadster 发布:靠压缩空气喷气在空中翻正落地,马斯克说 2028 年投产,售价未公布 10 月 15 日晚,特斯拉在得州 SpaceX 的 McGregor 试验场直播发布了第二代 Roadster 跑车。这辆车 2017 年就亮过相,当时说 2020 年交付,之后一推再推,拖了将近九年。 演示里,车开上一段弯曲的大坡道,倒挂着往上跑,然后从坡道尽头冲出去,在空中把车身转回正面,四个轮子落地。之后它又从一排特斯拉车(包括 Semi 电动卡车)上方翻跳过去。马斯克在现场说:“飞行汽车是真的。” 它靠的是冷气推进器。原理跟吹满的气球一松手就乱窜差不多:碳纤维高压罐里存着压缩空气,从喷口猛地放出去就产生推力,不烧燃料,也没有火焰。特斯拉说推进器的推力是轮胎抓地力上限的四五倍,所以它起步能比只靠轮子快得多。倒挂不掉下来靠的是另一套系统:风扇把车底的空气往外抽,把车吸在坡面上。 所以这里的“飞”只是几秒钟的喷气跳跃,气放完就没了,离能载人飞一段路的飞行汽车还远。据科技媒体 Glitchwire 报道,演示车把后排座位换成了一个装 260 公斤压缩空气的高压罐,车身四周有 10 个喷口;The Information 此前报道,因为推力和噪音太大,演示车是远程遥控的。这几点特斯拉官方没有确认。 翻跟头的是最激进的 Rocket 版:单座,只接受邀请购买,不能上公路。零到 60 英里/小时(约 97 公里/小时)加速不到 0.59 秒,极速超过 370 公里/小时。 普通人能订的是另外两个双座版本。Performance 版没有推进器,靠主动空气动力学和风扇吸地增加抓地力,加速不到 1.6 秒,订金 5 万美元。Thrust 版在车尾加了推进器,加速不到 0.9 秒,限量发售,订金 25 万美元。三个版本续航都超过 480 公里。 特斯拉没公布售价,订金不等于车价,2017 年说的起步价是 20 万美元。Performance 版的 5 万美元订金分两次付:先付 5000 美元(特斯拉说可全额退),10 天内再补 4.5 万美元,否则订单取消。 投产时间是马斯克在现场说的 2028 年,特斯拉官方帖子里没有写日期。这辆车的交付时间此前已从 2020 年先后推到 2021、2022、2025 和 2027 年。
宝玉 的视频预览
12.2万3128936
第 1 / 2 页 · 每页 50 条