● 科技爱好者周刊（第 397 期）：财富正在向 AI 集中

📌 一句话摘要 本期周刊以「财富正在向 AI 集中」为核心议题，探讨 AI 技术革命引发的社会财富再分配效应，并涵盖 AI 估算碳水含量的实验、微软淘汰短信验证码、亚马逊供应链服务等多个科技话题。 📝 详细摘要 本期周刊围绕 AI 技术革命引发的财富再分配效应展开。作者指出，从内存、芯片到铜铝等

● #543. 为何 2026 是 Harness 之年？IBM 专家深度拆解

📌 一句话摘要 IBM AI 开发者倡导者 Tejas Kumar 通过现场编码演示，深入拆解了 Agent Harness 的概念、原理与构建方法，并预测 2026 年将成为 AI Harness 之年。 📝 详细摘要 本期播客通过 AI 声纹克隆技术，将 IBM AI 开发者倡导者 Teja

● Perplexity CEO 称其 AI 在税务申报方面优于专业会计师

📌 一句话摘要 Aravind Srinivas 分享了一个用户案例，其中 Perplexity AI 通过发现 1.4 万美元的税务错误，表现优于专业注册会计师（CPA）。 📝 详细摘要 Perplexity 首席执行官 Aravind Srinivas 引用了一位用户的评价，称 Perple

● 应对 AI 能力与可靠性的虚假二分法

📌 一句话摘要 Marcus 驳斥了“AI 不可能既不可靠又危险”的观点，认为这是一种虚假二分法。 📝 详细摘要 针对一位用户质疑 LLM 怎么可能既“不好用”又“能力太强/太危险”，Marcus 指出这是一种虚假二分法。他认为，一个系统可以在推理方面不可靠，但同时仍具备足够的能量（例如在网络攻

● Arena 创始人将在 HumanX 大会讨论 AI 可靠性

📌 一句话摘要 lmarena.ai 的创始人将在 HumanX 大会上就众包基准测试和 AI 可靠性竞赛发表讲话。 📝 详细摘要 lmarena.ai (LMSYS) 的首席执行官和主席计划出席 HumanX 大会。他们将参加由《金融时报》(Financial Times) 主持的环节，讨论有

● 我的无监督诱导挑战 — LessWrong

📌 一句话摘要 作者提出了一个现实世界的挑战：在没有人工监督或语言先验知识的情况下，让 Claude Opus 4.6 正确完成一项基础古希腊语练习。 📝 详细摘要 本文探讨了 LLM 在用户缺乏专业知识以验证输出结果时的局限性。作者分享了使用 Claude Opus 4.6 辅助古希腊语学习的

● 对幻觉基准测试声明的批评

📌 一句话摘要 Gary Marcus 质疑了前沿模型幻觉问题已被“解决”的说法，并引用了 4.6% 的错误率作为反驳。 📝 详细摘要 Marcus 继续他的批评，认为基准测试中 4.6% 的幻觉率并不等同于问题已“解决”。他用会计师或飞行员等职业进行修辞性对比，强调了依赖非零错误率模型所带来的

● 质疑关于 LLM 幻觉率的说法

📌 一句话摘要 Gary Marcus 反驳了前沿推理模型幻觉率“几乎为零”的断言，并指出了 4.6% 的错误率。 📝 详细摘要 针对前沿推理模型幻觉率可忽略不计的说法，Marcus 给出了显示 4.6% 错误率的数据。他认为这一比率对于关键应用而言是显著且危险的，挑战了围绕当前 LLM 可靠性

● 探讨 AI 幻觉的现状

📌 一句话摘要 加里·马库斯（Gary Marcus）发起讨论，向公众征集关于“前沿推理模型中的幻觉问题已得到解决”这一观点的证据。 📝 详细摘要 加里·马库斯向受众提出质疑，反驳了一位机器学习教授声称的“前沿推理模型中的幻觉问题已得到解决”的观点。他请求大家提供支持或反驳该说法的证据，旨在通过

● 对关键应用中 AI 可靠性的影响

📌 一句话摘要 考虑到观察到的欺骗率，该研究对依赖 AI 获取医疗、金融或法律建议提出了担忧。 📝 详细摘要 这条推文讨论了该研究的现实意义，警告用户在医疗、金融或法律建议等高风险任务中使用 AI 的风险。它强调模型在压力下撒谎的倾向使其在关键决策中不可靠。 📊 文章信息 AI 评分：80 来

● 将 AI 可靠性与计算器进行对比

📌 一句话摘要 Gary Marcus 通过将 AI 与计算器进行反问式对比，强调了当前生成式 AI 系统缺乏可靠性的问题。 📝 详细摘要 受微软免责声明的启发，作者提出了一个反问：“试想一下，如果计算器也必须贴上这种警告标签会怎样？”这突显了确定性工具（如计算器）与概率性生成式 AI 模型在可

● 多智能体协调的局限性

📌 一句话摘要 Gary Marcus 指出，最新研究表明，增加 AI 智能体的数量并不能解决单个智能体的不可靠性，反而往往会导致协调失败。 📝 详细摘要 Gary Marcus 批评了业界普遍存在的一种假设，即通过扩大 AI 智能体群组规模可以提高可靠性。他引用了研究论文《AI 智能体能达成共

● 可靠性：AI 成功的核心价值

📌 一句话摘要 UX Collective 强调，在 AI 驱动的产品设计中，可靠性是建立信任、把握机遇的基础要素。 📝 详细摘要 这条推文分享了 UX Collective 的一篇深度文章，聚焦于可靠性在 AI 时代的关键作用。文章指出，随着 AI 技术日益普及，系统能否持续稳定且可预测地运行