Steve Yegge 提出平坦曲线社会：前沿模型将被锁控，AI 素养成新工艺
Steve Yegge 撰文认为，随着 Fable 级模型因安全问题被美国政府短暂关闭，超级智能将在最多两三代模型之后被政府管控，多数人可用的大模型能力将呈现平台期。
#大佬观点
#大佬观点
今日 38 条Steve Yegge：Medium（RSS）AI 评分6868 
Saining Xie@sainingxieAI 评分2525引用David@DavidSHolz@scaling01 i actually filmed and edited the video myself 😅 also implemented the 3d visualization technical deep dive, it all runs in a browser in realtime!
AI as Normal Technology（RSS）精选AI 评分7878 Arvind Narayanan 论证 AI 为何没有也不会取代软件工程师
Arvind Narayanan 撰文认为现有证据足以否定 AI 达到某能力阈值就会引发大规模裁员的叙事。
推荐理由：作者用裁员数据和 decide-execute-deliver 框架解释为何 AI 未取代软件工程师，提供了可迁移的分析视角。
Dario Amodei@DarioAmodeiAI 评分4747
Import AIAI 评分4646 Import AI 460：社会可被奖励黑客攻击、Anthropic 的 RSI 数据与 RL 四旋翼竞速
伦敦国王学院、复旦大学与 Alan Turing Institute 构建了 SocioHack 基准，用 72 个沙盒社会环境测试 AI 的“社会性黑客”行为，RL 训练的 LLM 能以 61.25% 召回率和 90.85% 精确率重新发现历史上已被修补的规则漏洞。
Yann LeCun@ylecunAI 评分00
Ethan Mollick：One Useful Thing（RSS）AI 评分6161 Ethan Mollick 宣布新书《Co-Existence》10月20日出版，探讨与有时比你强的 AI 共处
Ethan Mollick 宣布新书《Co-Existence》将于 10 月 20 日出版，主题是如何与有时但并非总是比你强的 AI 协作，现已开放预购。他自述每章草稿均亲自撰写，用 AI 做读者反馈和事实核查；新书网站用 Claude Code（Opus 4.8）几分钟建成，并专门为 AI 智能体提供版本，还用 OpenAI Codex 对多个模型做了 A/B 测试。
Dwarkesh Patel：Podcast & Blog（RSS）AI 评分4343 Dwarkesh Patel 对话 Alex Imas 与 Phil Trammell：AGI 之后什么仍然稀缺？
Google DeepMind AGI 经济学总监 Alex Imas 与 Epoch 经济学负责人 Phil Trammell 在 Dwarkesh Patel 播客中讨论 AGI 时代的经济学问题。Imas 认为，人类参与本身构成价值来源的"关系型部门"仍将稀缺，因为人类天然稀缺。两人还探讨了如何对 AI 财富征税与再分配、发展中国家如何参与 AI 供应链收益，以及资本份额是否会上升。
Sierra：Blog（RSS）AI 评分6262 Sierra 谈结果定价：企业软件将从生产力工具转向按结果收费
Sierra 复盘其 2024 年 12 月提出的结果定价（outcome-based pricing）理念，指出自那以来 S&P 500 上涨约 30%，而代表 SaaS 指数的 WCLD 下跌约 15%，市场正在消化企业软件从团队生产力工具转向交付结果的 AI 智能体。
Import AIAI 评分4444 Import AI 459：AI 监管为何困难、蛋白质折叠模型的缩放定律、以及为 AI 系统灭绝风险定价
Import AI 459 指出，用 AI 监督 AI 训练的自动化对齐研究并非万能方案，英国 AI 安全研究所的论文解释了其难度被低估的原因。本期还收录了蛋白质折叠模型缩放定律的研究，以及为 AI 系统灭绝风险定价的分析。
Steve Yegge：Medium（RSS）AI 评分6969 Steve Yegge：技术面试正在消亡，campfire 模式将取而代之
Steve Yegge 撰文称运行了约50年的技术面试流程正在走向消亡，AI 辅助简历、AI 作弊和岗位快速变化正让传统评估体系失效。他结合在 Amazon 担任 Bar Raiser 和 Google 招聘委员会的经历指出面试结果统计上很差，主张用实习、co-op 等临时雇佣以及他称为 campfire 的付费真实工作试用替代面试，并让候选人的工作成果形成可携带的记录。
Ethan Mollick：One Useful Thing（RSS）精选AI 评分6868 Ethan Mollick 谈选择保持人类思考，AI 使用应有意而非默认依赖
Ethan Mollick 撰文讨论 AI 无处不在的写作与认知投降风险，指出无脑依赖 AI 会削弱思考与学习。他引用土耳其约千名高中生的实验，用普通 ChatGPT 做作业的学生考试成绩反而低于无 AI 组；而台北十所高中近千名学生的 Python 课程中，AI 导师个性化出题让学生在无 AI 期末考试中高出 0.15 个标准差，相当于六到九个月额外学业。
推荐理由：作者结合多项实验研究和自身写作经验，分析了默认依赖 AI 如何导致认知投降，并给出学习场景下避免捷径的具体做法。
Import AIAI 评分6363 Jack Clark 在牛津演讲：直面 AI 成功与奇点未来
Jack Clark 发布 Import AI 458，收录他在牛津大学 HAI Lab 的 2026 Cosmos 演讲及一篇关于正面奇点的虚构故事。
- Yann LeCun@ylecunAI 评分77
AI as Normal Technology（RSS）AI 评分4545 AI 风险是否需要政府非常规干预？——对 Derek Thompson 观点的回应
针对 Derek Thompson 主张 AI 的涌现能力使其区别于以往技术、需政府以限制企业发布等"非常规"手段应对，AINT 一文提出反驳：非常规干预具有预防性、波及非直接责任方、绕开常规治理程序三大特征，门槛应更高。文章主张以分布式韧性建设替代依赖单一卡点的 AI 不扩散方案，并指出联邦政府僵化使非常规干预看似更有吸引力。
Andrej Karpathy@karpathyAI 评分4242个人动态：我已加入 Anthropic。我认为未来几年处于大语言模型前沿将尤其具有塑造性。我非常兴奋能加入这里的团队，回归研发。我依然对教育怀有深厚热情，并计划适时恢复相关工作。
Lilian Weng@lilianwengAI 评分1919
Dwarkesh Patel：Podcast & Blog（RSS）AI 评分4848 Dwarkesh Patel：将智能与权力混为一谈的错误
Dwarkesh Patel 指出，把智能定义为"跨领域达成目标的能力"实际上等同于把智能等同于权力，按此定义斯大林将是史上最智能的人。他认为当前 AI 通过训练在编程等具体经济任务上变强，与获取权力并非强相关，现实中的权力更多来自权威与信任带来的大规模协作，而非个体谋略。他判断未来是自动化公司以正常资本主义方式胜过其他竞争者，而非单一 AI 在智力上碾压所有人。
Google DeepMind：Blog（RSS）AI 评分3535 Google Co-Scientist 如何连接 MIT 与波士顿儿童医院实验室，探索 ALS 新疗法
Google Co-Scientist 帮助 MIT 机械工程师 Ritu Raman 快速梳理 ALS 相关矛盾文献，将想法转化为可检验假设并按可行性与风险收益排序。
- Saining Xie@sainingxieAI 评分1212
说到最爱的滤波器…… 最初的出现，大多是偶然 @TacoCohen：我记得那时候，一次成功的实验就是能产出很酷的滤波器
引用Taco Cohen@TacoCohenI remember the days when a successful experiment was one that produced cool filters
Import AIAI 评分4848 Import AI 456：RSI 与经济增长、AI 监管的“激进可选性”与神经计算机
Institute for Law & AI 提出“激进可选性”监管思路，主张政府短期避免过度监管，同时提前建设信息收集、举报人保护、评估与人才等制度工具，以应对 AI 可能带来的剧烈冲击。Meta 与 KAIST 的论文提出 Neural Computer，试图用神经网络在学习到的运行时状态中统一计算、内存与 I/O。
Import AIAI 评分6565 Jack Clark 撰文判断 2028 年底前或出现自动化 AI 研发
Jack Clark 在 Import AI 455 撰文称，他认为 2028 年底前出现无人类参与的自动化 AI 研发（AI 自主训练后继模型）的概率超过 60%，2027 年的概率约为 30%。
- Andrej Karpathy@karpathyAI 评分1717引用kache@yacineMTB
you can outsource your thinking but you cannot outsource your understanding
Ethan Mollick：One Useful Thing（RSS）精选AI 评分7676 Ethan Mollick 实测 GPT-5.5：能力提升明显但前沿依然参差
Ethan Mollick 拿到 GPT-5.5 早期访问权并实测后认为它是一次明显进步。编码任务中只有 GPT-5.5 Pro 生成了真正演化的海港小镇模拟。
推荐理由：作者以一手实测展示 GPT-5.5 在编码、图像生成和完整研究流程上的进步，同时指出长篇写作等短板仍在。
Sam Altman：Blog（RSS）AI 评分6565 Sam Altman 发文回应住宅遭燃烧瓶袭击，谈 AI 信念与行业反思
Sam Altman 发文称前夜凌晨 3:45 有人向其住宅投掷燃烧瓶，无人受伤，他公开家庭照片希望劝阻下次袭击。文章阐述他对 AI 的信念，包括 AI 需民主化、权力不应过度集中于少数 AI 实验室、需要全社会层面的安全应对；回顾在 OpenAI 十年中的失误与对与 Elon 诉讼前拒绝其单方控制权的坚持，并称业内戏剧化冲突源于'看见 AGI 后无法忽视'的掌控欲，呼吁降降温、在民主程序内辩论。
Ethan Mollick：One Useful Thing（RSS）AI 评分5858 Ethan Mollick 撰文分析 AI 能力指数级进步与组织变革的临界点
Ethan Mollick 撰文认为 AI 已进入由 Claude Code、OpenAI Codex 等 Agent 驱动的管理 AI 新阶段，多项基准如 GPval、Humanity's Last Exam 显示能力持续指数级提升。
Answer.AI 官方研发博客（RSS）精选AI 评分6969 Answer.AI 创始人分析 OpenAI 与战争部合同的"合法用途"条款为何难以冻结法律
Jeremy Howard 与 Luke Versweyveld 撰文论证 OpenAI 与 Department of War 合同中的"all lawful purposes"在美国合同法下指履约时的法律而非签署时的法律。
推荐理由：作者从合同法教义出发逐条拆解条款含义，指出 OpenAI 想要的签署时法律标准并未被合同语言锁定，观点有判例支撑。
Ilya Sutskever@ilyasutAI 评分2424
AI as Normal Technology（RSS）AI 评分5353 AI 不会自动让法律服务变得更便宜
这篇发表于 Lawfare 研究论文系列的长文提出核心观点：先进 AI 默认不会帮消费者以更低成本实现法律结果。作者指出三大瓶颈，包括 UPL 等监管壁垒、诉讼与交易中的对抗性军备竞赛，以及法官和律师等人类参与的速度上限，并以数字化未能降低 discovery 成本为历史类比。文章最后梳理了职业监管改革、裁判方式改革和律师角色演变等改革建议，说明法律行业的制度回应将决定 AI 的影响方向。
Steve Yegge：Medium（RSS）AI 评分5959 Steve Yegge 谈 AI 吸血鬼：AI 生产力提升正在耗干开发者
Steve Yegge 提出 AI 正像能量吸血鬼一样耗干开发者。他认为 Opus 4.5/4.6 加 Claude Code 让 AI 编码真实带来约 10x 生产力提升，但由此产生的价值要么被雇主全部捕获导致过劳，要么引发全员摸鱼、公司被竞争对手淘汰。
Steve Yegge：Medium（RSS）AI 评分5353 Steve Yegge 观察 Anthropic 的蜂群思维与黄金时代
Steve Yegge 撰文分析 Anthropic 内部运作方式，称过去四个月与近 40 名员工深谈后，判断其正处在以全员高透明、即时协作和即兴式探索为特征的黄金时代。
AI as Normal Technology（RSS）AI 评分6464 Arvind Narayanan 检验 Moravec 悖论：一个从未被实证测试的经验法则
Arvind Narayanan 在其基于 YouTube 视频的长文中指出，Moravec 悖论（对人类难的任务对 AI 容易，反之亦然）从未被实证检验，它更像是 AI 研究社区对值得关注问题的选择效应，其进化论解释也可疑。
Ethan Mollick：One Useful Thing（RSS）精选AI 评分6565 Ethan Mollick：管理能力是 AI 时代的超能力
Ethan Mollick 在宾夕法尼亚大学实验课上让几乎没有编程经验的 EMBA 学生用 Claude Code、Google Antigravity 及 ChatGPT、Claude、Gemini 四天内从零做出创业原型，成果远超以往一学期的学生水平。
推荐理由：作者基于四天创业课实测提出委托公式和管理技能框架，读者可以据此判断哪些任务适合交给 AI。
- Dario Amodei@DarioAmodeiAI 评分5757
Ahead of AI（RSS）AI 评分6666 Sebastian Raschka 年度回顾：2025 年大语言模型的进展、问题与预测
Sebastian Raschka 发布 2025 年 LLM 年度回顾，认为这一年由 RLVR 与 GRPO 驱动的推理模型主导，DeepSeek R1 展示了强化学习可培养推理行为且后训练成本远低于预期（约 500 万美元量级，另有在 V3 基础上训练 R1 约 $294,000 的估计）。
- Ilya Sutskever@ilyasutAI 评分3636
我提出的一个观点没有被传达出来： - 扩展当前的东西会持续带来改进。特别是，它不会停滞。 - 但某个重要的东西会继续缺失。
引用Haider.@haider1here are the most important points from today's ilya sutskever podcast: - superintelligence in 5-20 years - current scaling will stall hard; we're back to real research - superintelligence = super-fast continual learner, not finished oracle - models generalize 100x worse than humans, the biggest AGI blocker - need completely new ML paradigm (i have ideas, can't share rn) - AI impact will hit hard, but only after economic diffusion - breakthroughs historically needed almost no compute - SSI has enough focused research compute to win - current RL already eats more compute than pre-training
Ethan Mollick：One Useful Thing（RSS）AI 评分6060 Ethan Mollick：与其只看基准分数，不如像面试一样测试你的 AI
Ethan Mollick 撰文指出，MMLU-Pro 等公开基准存在数据污染、题目含义不明和无法度量写作、商业判断等能力的问题，但仍共同反映底层能力的上升趋势。他建议个人用自设的 vibes 测试了解模型风格，组织则应参考 OpenAI 的 GDPval 方法，用真实任务、多次重复和专家盲评来系统评估模型在自己业务上的表现，并通过 GuacaDrone 等案例观察不同模型在模糊判断上的稳定差异。
- Ilya Sutskever@ilyasutAI 评分1111