搜索
在大模型在拼命刷 Benchmark 卷编程的时候，「不能说话」的 Jev 却意外成了 AI 圈的新顶流，究其原因，大模型应用的价值正在从「生成什么」，进一步延伸到「能否理解复杂信息，并据此做出可靠判断」。
你的ChatGPT里，可能马上就要多出一个「人」了！
就在刚刚，我们看到了不少令人意外的数据。
看来啊，老马显然也知道，国庆前后这几天的基模圈不好混。
RSI（递归自我改进）已经热了一段时间。从 OpenAI、Anthropic 到谷歌，头部实验室都在探索如何让 AI 参与下一代 AI 的研发，创业公司也开始围绕它做产品、搭环境、建评测。
最近看到了一个挺有意思的东西，就是TypeSafe AI 做的 Jev。Reddit 上很多人用它玩 DOOM，也有人拿它玩 Mario。我申请之后，拿到 API Key 后，也做了一个网页小游戏，想看看它到底在里面起什么作用。一开始，我最想弄清楚的其实很简单：同样是让 AI 操作游戏，为什么要用 Jev？GPT 不能做吗？当然能。
剪映的 AI 边界，正不断延展。
5天。 不用搭景，不用等演员，导演陆川和团队，直接用AI把一场发生在400年前的明代灾难现场，搓出来了！
开发者mizorewww将开源决策模型Laya移植到Apple MLX框架，推出本地版Laya-MLX，可在Apple Silicon Mac上以低于1GB内存运行并摆脱PyTorch与云端API依赖，421M版本峰值内存943.6MiB、322M多语言版本687.6MiB。
当预训练将大模型带到新的能力起点，强化学习则通过持续的探索与反馈，不断激发模型在新环境、新任务中的推理与行动能力，决定它们还能走多远。