跳到正文
10月28日周三
  8. TechCrunch：AI56

    美国银行提醒客户不要向 AI 助手共享银行账号密码

    美国银行向客户群发题为“在 AI 世界保护你的财务”的邮件，提醒客户永远不要把用户名和密码交给他人或外部服务，包括声称能代你操作的 AI 工具或智能体。邮件指出共享凭据可能让 AI 未经知情操作资金、触发银行风控锁号，或因 AI 助手安全漏洞导致凭据泄露；并强调一旦共享凭据，由此产生的操作后果由客户自行负责。

  9. Anthropic：Research70

    Anthropic 公布 Claude 加速药物研发的早期进展与六个合作案例

    Anthropic 生命科学团队宣布过去数月与 Generate Biomedicines、Divergence Labs、BigHat Biosciences、Enveda、The Column Group、Bristol Myers Squibb 六家机构开展药物研发合作，并已启动自有药物研发。

    推荐理由：原文给出六个药物研发合作案例的具体数字与实验结果，读者可以据此判断 Claude 在研发各环节的实际表现。

  11. OpenRouter：Announcements52

    OpenRouter 对全部推理请求上线 CSAM 飞行中筛查

    OpenRouter 宣布对所有经过其服务的推理请求进行儿童性虐待材料（CSAM）筛查，筛查在请求处理过程中实时进行。机制包括与已知 CSAM 哈希比对，以及对疑似新材料的分类器识别，被标记内容可能留存供人工审查并按 18 U.S.C. § 2258A 等法律要求向 NCMEC 举报并保存一年。

  12. Rohan Paul66

    Anthropic 宣布与 6 家新药研发机构建立深度研究合作，并启动自家药物发现项目，其中肌肉萎缩症相关工作最早可于 2028 年底进入人体试验。

    引用Anthropic@AnthropicAI

    Over the past few months, Anthropic scientists have engaged in deep research partnerships with six organizations developing new medicines. We've also begun drug discovery efforts of our own. In doing so, we’ve learned much more about how Claude can support the many stages of drug development. In this blog post, we share some early results from these efforts, and describe how this work fits in with our wider ambitions in the life sciences. https://www.anthropic.com/research/early-progress-drug-development

  16. Rohan Paul57

    Bloomberg 报道，Physical Intelligence 正洽谈以约 200 亿美元估值融资至少 10 亿美元，接近此前 2026 年一轮 115 亿美元估值的两倍。其估值从 2024 年 11 月的 24 亿美元升至 2025 年 11 月的 56 亿美元，新一轮将在不到一年内使该数字再翻约两番。此次估值跳升发生在 10 月 13 日 Pi API beta 发布之后，该服务通过 waitlist 向外部开发者提供其最新机器人模型的托管微调与推理。

  21. TechCrunch：AI49

    Disruptive 募集 100 亿美元基金，押注至少 10 家 AI 与国防公司

    达拉斯投资公司 Disruptive 宣布设立 100 亿美元基金，计划投资至少 10 家后期阶段公司，单笔支票最高可达 10 亿美元。该基金瞄准 AI 和国防等资本密集型领域，是今年迄今规模最大的募资之一，也是得州史上最大风投基金。Disruptive 此前投资过 Palantir、Airbnb、Spotify，以及芯片初创公司 Groq 和 AI 语音生成公司 ElevenLabs。

  23. Rohan Paul52

    Sentient OS（YC F26）发布端侧 AI 产品，夜间用本地 LLM 读取用户的消息、文件和笔记，不限量推理。它把学到的内容写入电脑上一组可随时打开、编辑或删除的纯 markdown 文件；白天 Double Tap 和 Sidekick 从这些文件中读取信息来起草回复并完成任务，较重的工作才调用用户自选的云端模型。

    引用Aditya Vellanki@aditya_vellanki

    Today, we're launching Sentient OS (YC F26), on-device AI that understands your life overnight with a local LLM. This unlimited inference enables 2 magical experiences 🧵

  24. Rohan Paul47

    在我看来，这里令人印象深刻的是移动过程中的抓握稳定性，因为每下一步都会震动手中的负载。 此外，楼梯正成为人形机器人最有用的测试平台之一。 他们的 OM-1 模型通过让人佩戴记录手部姿态、触觉和图像的传感手套来学习，无需遥操作或机器人演示。 https://x.com/RewardAI_/status/2115134512200106191/video/1

    引用Reward AI@RewardAI_

    We deploy OM-1 on more humanoid tasks in both indoor and outdoor environments. OM-1 can power humanoids to do useful things robustly that other models or form factors cannot. - last-mile delivery from a Cybertruck - manipulation on stairs

  29. Anthropic：Research84

    Anthropic 研究：AI 智能体的隐性倾向如何影响 50 名专业分析师的判断决策

    Anthropic 发表研究，让 50 名有因果推断经验的专业分析师用 Claude Code（Claude Opus 4.8）完成一项统计分析任务，并在分析师不知情的情况下用掷硬币随机设定智能体在四个分析决策上的倾向。

    推荐理由：原文用随机分配智能体倾向的实验设计量化了专家的从随程度，还讨论了这种影响难以察觉的原因和可能的改进方向。

  30. Alex Heath51

    Alex Heath 发布对 Google 和 Alphabet CEO Sundar Pichai 的采访片段，Pichai 表示 Waymo 离零和格局还很远，会通过众多合作方式发展，不排除生态合作模式。

    引用Alex Heath@alexeheath

    Sundar Pichai 谈 Gemini 4 与 AI 算力紧缺 即便是 Google 也拿不到足够的算力。在 Gemini 4 Argon 更广泛发布后不久，我与 Google 和 Alphabet CEO @sundarpichai 坐下来聊了聊它的早期反响、他仍希望模型改进的地方，以及要让 Google 保持在 AI 前沿需要付出什么。 Pichai 解释了 Google DeepMind 近期的领导层变动，以及为什么构建前沿模型已成为一份“全身心投入”的工作。我们还谈到了 Google 对个人智能体竞赛的回应、他如何预测 Gemini 将替你完成更多工作，以及智能体最终是否会把 Search、Gmail 和 Gemini 整合到一起。 我问他 Google 自由现金流转为负值、AI 基础设施建设中的风险，以及他如何在还不知道模型将具备何种能力的数年前就规划需求。他解释了让他有信心继续投入的信号，以及他如何使用 AI 智能体来跟踪 Google 内部的模型开发和算力使用情况。 时间戳： 00:00 Gemini Argon 发布反响 01:49 模型访问与安全 06:20 AI 模型竞赛 08:35 智能体突破与 2027 年 11:34 递归自我改进 15:41 DeepMind 领导层变动 19:52 Google 的 AI 算力投资 25:20 AI 支出可持续吗？ 33:18 Sundar 如何使用 AI 智能体 35:35 Gemini 的个人智能体计划 38:37 AI 智能体如何改变网络 43:52 Google 的太空数据中心 47:38 Waymo 的扩张战略 50:26 Wing 的无人机配送计划 51:36 AI 安全与监管 55:58 Google 的量子计算押注 YouTube：https://youtu.be/fJBSNEFdm8c Spotify：https://open.spotify.com/episode/0cJBqmVz3CWJSPdmBOeJGu?si=NBxJIMhZRgikafPtwY0sZA Substack：https://sources.news/p/sundar-pichai-gemini-4-google-other-bets Apple Podcasts：https://podcasts.apple.com/us/podcast/sundar-pichai-on-gemini-4-and-the-ai-compute-crunch/id1840154537?i=1000797461022 本期节目的呈现赞助商是 @hyperagentapp。感谢节目的首席赞助商：@Atlassian、@meetgranola 和 @mercury。

  35. Rohan Paul45

    Mecka，为物理 AI 提供数据层的公司，完成了由 Sequoia 领投的 6000 万美元 B 轮融资，正在英雄联盟全球总决赛现场招人。 有意思的视频，告诉我们他们想要的人才实际上把时间花在哪里。

    引用Josh@joshavata

    The league of legends championship is in the usa this year.. and we booked the largest private box in the stadium @MeckaAI cofounder @jasontheutopian and first engineer Anthony, both ranked challenger as top 50 players in the world So we’re inviting 30 elite engineers, researchers and operators to join us in the ownership suite to watch the finals front and center Anyone with world-class skill in a video game, not just in league, send us your rank or evidence of exceptional ability in what you do The championship is nov 14 at the barclays center in new york Apply by Nov 8. Link in comments

  36. Google Research：Blog48

    Google Research 提出 sleep 框架：让 LLM 在持续学习中稳定保留知识

    Google Research 提出面向持续学习的 sleep 框架，让 LLM 在活跃交互与离线记忆巩固之间循环，把脆弱的短期上下文固化为长期参数。该框架结合 MoE 参数扩展、GKD 与 RL 模仿学习，可让模型持续习得新事实、保留最长 10M tokens 的长上下文知识并提升复杂推理。

  40. Rohan Paul62

    Liquid AI 发布新一代开源权重模型家族 LFM3，1.7B 文本模型表现超越其前代 2.6B 模型。性能提升来自 tri-hybrid 架构，24 层中 13 层为短卷积、5 层用 256-token 滑窗注意力、6 层全局注意力；官方称 LFM3-VL-2B 可与参数量大 6 倍的 Gemma 4 12B 竞争，作者引用的数据称 1.7B 模型在 AutomationBench 得分 41.29，高于 Qwen3.5-9B 的 15.10。

    引用Liquid AI@liquidai

    Introducing 𝙻𝙵𝙼𝟹: our new generation of Liquid Foundation Models. With a new tri-hybrid architecture and new multimodal encoders, the LFM3 family is the ideal model suite for specialized intelligence. > 6 model instances, across text, audio, vision, and omni modalities, generative and decision models. > 𝙻𝙵𝙼𝟹-𝟷.𝟽𝙱: text, 256k context window. > 𝙻𝙵𝙼𝟹-𝚅𝙻-𝟸𝙱: vision-language model with video-input support for spatial understanding > 𝙻𝙵𝙼𝟹-𝙰𝚞𝚍𝚒𝚘-𝟸𝙱: tool calls, voice chat, reasoning in 18 languages. > 𝙻𝙵𝙼𝟹-𝙾𝚖𝚗𝚒-𝟸𝙱: an omni model combines vision, audio, and language. > 𝚍𝟷-𝟸𝙱 and 𝚍𝟷-𝙾𝚖𝚗𝚒-𝟸𝙱: decision models with typed outputs and calibrated probabilities in a single pass. Omni adds audio input. > fine-tune on 1 GPU. > a new tri-hybrid architecture > architecture optimized for 14 processor classes across GPUs, CPUs, and NPUs. > 𝙻𝙵𝙼𝟹-𝚅𝙻-𝟸𝙱 is a beast. It performs competitively with Gemma 4 12B (6x larger), and Gemini 3.5 Flash Lite, and GPT-5.6 Luna, with 1.9B parameters. > 𝙻𝙵𝙼𝟹-𝟷.𝟽𝙱 is #1 on the Pareto frontier of device intelligence 𝚙𝚒𝚙𝚎𝚝𝚝𝚎.𝚕𝚒𝚚𝚞𝚒𝚍.𝚊𝚒 Every modality for specialized intelligence. Pick the one that fits your use case, customize it, and run it on-device. 1/ 🧵