Berryxia.AI@berryxia

47

DeepMind CEO Demis Hassabis在AI Ascent 2026上明确将AGI实现时间定于2030年，并指出AI将极大加速药物发现、材料科学等“慢科学”领域，把研发周期从数年压缩至数天。他强调，未来1-2年是关键拐点，真正改变世界的将是AI推动科学迭代速度的指数级加速，而非AGI降临的瞬间。

向阳乔木@vista8

58

一款名为“xbox-mac-ctrl”的开源工具，可将Xbox手柄转变为Mac电脑的通用遥控器。用户能通过手柄控制YouTube、B站等视频播放（全屏、快进、音量调节），并操作微信读书、浏览器及任意Mac软件（如Tab切换、滚动翻页）。该项目由开发者借助DeepSeek v4 Pro通过几轮对话编程实现，旨在满足躺卧时遥控刷小说、看视频的需求，并鼓励开发者fork以适配Switch手柄等其他硬件。

向阳乔木：DeepSeek v4 Pro还是可以的。 几轮对话，实现一个工具，用xbox手柄控制电脑应用和浏览器。 当遥控器，躺床上刷小说和看视频。

Orange AI@oran_ge

37

马东锡 NLP：前几周在 x 上，有篇文章已经完全证实了， token 中转就是背后换模型，以次充好，挂着羊牛卖狗肉，骗用户，大几十万阅读，似乎人人皆知了。 现在简中推，到处…

叫我阿杭@Astronaut_1216

54

对话中提到使用OpenClaw时，初期不应先计较成本，而应全力探索其能力边界与可能场景，甚至不惜高投入。这种思维同样适用于创业与工程化：先通过大量实践摸清所有模式、陷阱与机会，将工具或业务转化为可重复执行的系统。只有在完整认知边界后，再回头优化时间、经济与认知成本，此时的决策才是基于已验证的系统，而非模糊想法。核心在于“先探索，后优化”，以实现规模化路径。

Chubby♨️@kimmonismus

49

作者指出，尽管AI将彻底改变教育已是事实，学生普遍使用ChatGPT、Claude等工具进行研究与写作，但当前教育体系仍停留在20世纪模式。核心矛盾并非是否该使用AI，而是如何将其整合进教育，避免将思考过程完全外包给机器。教育必须重新设计，在利用AI提升学习效率与生产力的同时，坚守培养学生批判性思维与自我反思能力的根本目标。学术界需就如何正确融合AI展开紧迫而严肃的讨论。

阿绎 AYi@AYi_AInotes

50

一段13秒的可视化视频直观揭示了神经网络的工作机制。左侧9个波形代表虚拟生物的感官输入，中间动态变化的光点与连线模拟神经元与权重的计算过程，右侧13个数值输出觅食、逃跑等决策。这生动演示了前向传播如何将数据转化为行动，体现了深度学习层层提取特征的本质：底层感知碎片，高层组合意义。当今复杂的AI系统与此原理相同，仅规模存在量级差异。视频中出现的“自杀”选项，直观成为AI可能学习极端行为及对齐问题的视觉隐喻。

叫我阿杭@Astronaut_1216

33

Koda：说个冷知识： 抖音上 99% 教 AI 的博主，根本没有Claude Code 和OpenAI 200美金的订阅账号

阿绎 AYi@AYi_AInotes

64

杨立昆在达沃斯论坛上尖锐指出，基于LLM构建智能体是“灾难的配方”，因其缺乏世界模型和因果性，无法可靠预测行动后果，导致现有框架陷入不断修补的困境。他长期主张，实现AGI需依靠JEPA架构和世界模型，让AI先理解物理规律。其团队最新论文通过SIGReg正则化器解决了JEPA的表征坍缩问题，使得小型世界模型能在单GPU上快速训练，隐空间天然编码物理规律，在机器人规划中效率远超大型模型。这并非否定生成式AI，而是为智能体发展开辟了更高效、更接近物理现实的新路径：未来智能体将是“懂物理的小世界模型”与“大语言接口”的结合。

阿绎 AYi：全网都在吹的LeCun新论文，90%的解读都是错的。 他们说生成式AI是死路，说过去三年花的几百亿全白费了，说15M参数的小模型就能吊打万亿大模型。 这些全…

宝玉@dotey

68

GPT Image 2 Prompt 用于创建一个儿童图画书的内页，主题为OpenAI的故事，以多页形式呈现。提示指定内页采用垂直格式、暖色调背景和多面板布局。插图风格为手绘儿童书风格，融合软质水粉、彩色铅笔和蜡笔纹理，强调可见纸张纹理、自然草图线条和圆润迷人角色。文本布局模仿真实图画书，关键词可能用颜色高亮，并包含小手绘装饰元素。整体设计旨在通过视觉叙事展现OpenAI的历程。

Berryxia.AI@berryxia

52

摩根大通公开了其内部多智能体系统Ask David的完整架构，该模式在投资研究领域已得到验证。其核心与当前主流Agent架构高度一致：由一个监督智能体进行整体编排，多个专业子智能体分别处理检索、结构化数据和分析等任务，在最终输出前使用LLM-as-judge进行反思与质量把关，并引入人工干预作为最后一道准确性保障。这一模式在多个领域反复出现，表明可落地的多智能体系统的关键在于清晰的分工、监督、反思与人工兜底形成的闭环，而非简单堆叠模型，对企业级Agent开发具有重要参考价值。

Berryxia.AI@berryxia

63

本周，DeepMind、Anthropic、Alibaba等实验室的论文共同显示，AI智能体正从聊天机器人转向可工程化、可审计的生产力系统。Agentic Harness Engineering将智能体支架转化为可观测的工程闭环，提升性能且优化可跨模型迁移。Alibaba的AgenticQwen-30B-A3B通过并行强化学习飞轮，在低激活参数下实现接近大模型的工具使用能力，重塑成本。RecursiveMAS革新多智能体通信，大幅降低消耗并提升效率。这些进展标志智能体系统正从实验阶段走向生产级工程，其工程化可能成为AI落地关键。

Berryxia.AI@berryxia

49

Anthropic CEO断言AI将在一年内完成所有代码编写。他指出，像Claude这样的AI系统已通过海量文本掌握了编程知识，而人类通常需花费数年学习。这意味着编程技能本身不再是核心竞争力，最难的技能已被AI掌握。未来的关键差距在于能否高效配置和运用这些“无所不知”的工具，而目前多数人尚未开始认真使用。因此，未来程序员的竞争力将转向善于“指挥”AI生成代码，而非亲自编写。

Berryxia.AI@berryxia

50

DeepMind CEO Demis Hassabis指出，最前沿的大模型（如Gemini）表现出“锯齿状智能”。他以与Gemini下棋为例，说明模型能通过思维链发现问题并搜索更好方案，但最终仍会执行明显的错误决策。这揭示了AI智能并非平滑提升，而是在某些方面敏锐，另一些方面存在严重缺陷。Hassabis认为，真正的突破或许不在于让模型更聪明，而在于如何打磨这种不均衡的智能，使其成为可靠工具。这一观点挑战了AI将线性逼近完美智能的常见叙事。

Chubby♨️@kimmonismus

38

作者指出欧洲正犯下急需纠正的严重战略错误，导致竞争力下降与生活质量结构性下滑。核心批评聚焦于能源政策存在根本缺陷，且缺乏可信解决方案。在科技与经济层面，欧洲缺乏雄心与清晰规划：既无解决能源问题的可靠战略，也未大力建设支持AI发展的数据中心，更无培育全球性科技公司的计划。尽管欧盟委员会试图微调AI法案，但这几乎是唯一迎合企业需求的让步。相比之下，中美在核能、太阳能及储能领域大力投入，而欧洲的应对方式却显得摇摆、模糊且极不严肃。