● Vivian Midha Shen 在斯坦福讲授 Scaling Laws

📌 一句话摘要 Vivian Midha Shen 在斯坦福大学 CS153 课程中讲授 Scaling Laws，该课程讲师阵容豪华。 📝 详细摘要 这条推文报道了 Vivian Midha Shen 在斯坦福大学讲授 Scaling Laws 的消息。推文提到她与 AnjneyMidha、m

● AI Agent 能力演进：从 Scaling Law 到认知外化

📌 一句话摘要 这篇推文深度解读了一篇综述论文，阐述了 AI Agent 能力发展的三个阶段，并提出了核心观点：智能能力的关键正从模型参数转向模型与外部基础设施的协议。 📝 详细摘要 这篇推文是对一篇题为《CPU 与主板的隐喻》的 AI 综述论文的深度解读。作者首先回顾了过去几年 AI 发展的困

● DeepMind CEO Hassabis 最新播客访谈：AGI 五年内到来，相当于十倍速的工业革命

📌 一句话摘要 DeepMind CEO Demis Hassabis 在最新访谈中预测 AGI 将在五年内到来，并认为其影响将是十倍于工业革命、以十倍速度发生的根本性变革。 📝 详细摘要 这条推文总结了 DeepMind CEO Demis Hassabis 在最新播客访谈中的核心观点。Has

● AI 精神错乱的错乱

📌 一句话摘要 马克·安德森提出了“AI 精神错乱的错乱”这一概念，批评了那些否认 AI Scaling 进展的观点。 📝 详细摘要 通过引用一条关于“AI 精神错乱的错乱”的推文，马克·安德森引起了科技界内部一场元讨论（Meta-debate）的关注。该观点认为，虽然批评者指责 AI 支持者脱

● 从模型中心到系统中心：深度解读 AI Agent 的「外化」演进

📌 一句话摘要 通过解读最新综述论文，探讨 AI Agent 如何从堆叠模型参数转向通过「认知外化」构建外部记忆、技能和协议层来提升系统级智能。 📝 详细摘要 本文深度解读了一篇关于 AI Agent 演进的综述论文。核心观点认为，Agent 能力的提升不再单纯依赖增加模型参数（Scaling

● E12.高阳：会思考的芦苇，会行动的机器｜北坡计划

📌 一句话摘要 对话千寻智能联创高阳，深度拆解具身智能的「GPT-3 时刻」、数据驱动的 Scaling Law 实践以及科学家创业的内在一致性。 📝 详细摘要 本期播客由绿洲资本张津剑对话千寻智能（SpiritAI）联合创始人、清华大学助理教授高阳。作为具身智能领域的顶尖学者，高阳分享了其从学

● Stanford CS153 课程分享：人生的 Scaling Laws

📌 一句话摘要 分享 Stanford CS153 课程第一讲，总结了关于工作与生活的 Scaling Laws。 📝 详细摘要 推文推荐了 Stanford CS153 Systems 课程的第一讲，并摘录了其中关于“人生的 Scaling Laws”的观点：与喜欢的人做重要的事、追随痴迷的事

● 具身 Scaling Law 验证：Generalist 发布 Gen-1 模型，实现机器人任务成功率 99%

📌 一句话摘要 具身智能独角兽 Generalist 发布 Gen-1 模型，通过大规模人类活动数据预训练验证了具身 Scaling Law，显著提升了机器人在复杂任务中的成功率与效率。 📝 详细摘要 本文介绍了具身智能初创公司 Generalist 发布的最新研究成果 Gen-1 模型。该模型

● Marc Andreessen 深度对话：AI 是「八十年磨一剑」的成功，智能体将终结浏览器？

📌 一句话摘要 对话硅谷传奇投资人 Marc Andreessen，深度剖析 AI 从八十年技术长征到智能体爆发的本质，以及 AI 如何重塑编程、软件架构与社会管理结构。 📝 详细摘要 本期播客深度访谈了 a16z 联合创始人 Marc Andreessen。Marc 回顾了 AI 从 1943

● Nature 重磅：AI 写的论文在顶会同行评审击败 55% 人类，单篇成本仅 15 美元

📌 一句话摘要 Nature 报道了 Sakana AI 开发的全自动「AI 科学家」，该系统能以 15 美元的成本完成科研全流程，并在顶会评审中击败 55% 的人类作者。 📝 详细摘要 本文详细介绍了由 Sakana AI、牛津大学和 UBC 联合研发的「The AI Scientist」系统

● 2026 腾讯广告算法大赛联动 KDD Cup：聚焦推荐系统统一建模与 Scaling Law

📌 一句话摘要 2026 腾讯广告算法大赛正式联动 KDD Cup，聚焦推荐系统从异构架构向同构大模型转型的技术深水区，设立 600 万+奖金池招募全球顶尖人才。 📝 详细摘要 本文介绍了 2026 腾讯广告算法大赛（KDD Cup 2026 官方赛道）的核心背景与赛题设计。文章指出，推荐系统正

● 它石智航具身大脑 AWE 3.0 技术深度访谈：打破具身智能的不可能三角

📌 一句话摘要 它石智航发布具身大脑 AWE 3.0，通过 Human-Centric 数据路线和全栈自研硬件，在亚毫米级柔性线束装配任务中打破吉尼斯纪录，验证了具身智能的 Scaling Law。 📝 详细摘要 本文深度访谈了它石智航首席科学家丁文超，揭秘了公司在具身智能领域的最新突破。核心成

● 黄仁勋访谈：从芯片公司到 AI 工厂的范式转移

📌 一句话摘要 黄仁勋在访谈中阐述了 NVIDIA 从芯片公司向「AI 工厂」转型的逻辑，并提出了涵盖预训练、后训练、推理及智能体的四大 AI 扩展定律。 📝 详细摘要 本文整理了黄仁勋与 Lex Fridman 的深度对谈精华。黄仁勋指出，计算已从基于检索的「仓库」模式转向基于生成的「工厂」模

● 黄仁勋暴论核弹：AGI 已经实现，Ilya 错了，程序员有 10 亿

📌 一句话摘要 黄仁勋在 Lex Fridman 专访中宣布 AGI 已实现，并提出推理即思考、Agentic Scaling 及程序员将扩充至 10 亿等前瞻性观点。 📝 详细摘要 英伟达 CEO 黄仁勋在与 Lex Fridman 的深度访谈中，对 AI 的现状与未来给出了震撼性判断。他认为

● 黄仁勋回应一切：木匠、水管工看到 Al 应该最兴奋

📌 一句话摘要 黄仁勋在深度访谈中揭示了英伟达的极致协同设计、CUDA 的护城河逻辑、AI 的四条扩展定律，以及自然语言编程如何赋能非技术从业者。 📝 详细摘要 本文深度总结了英伟达 CEO 黄仁勋与 Lex Fridman 的两小时访谈精华。黄仁勋详细阐述了英伟达独特的组织架构——取消 1 对

● ICLR 2026 | 清华提出交叉熵分解：“误差熵”才是大模型规模定律真正的驱动项

📌 一句话摘要 清华大学研究团队提出将交叉熵分解为误差熵、自对齐和置信度，发现仅误差熵严格遵循规模定律，从而揭示了大模型缩放失效的深层机制。 📝 详细摘要 本文介绍了清华大学 FAITH Lab 发表在 ICLR 2026 上的研究成果。针对大模型训练中交叉熵规模定律（Scaling Law）在

● 「龙虾」爆火，token 成「硬通货」后，这场 AI 比赛变得更重要了

📌 一句话摘要 2026 腾讯广告算法大赛正式开启，聚焦于利用 Transformer 统一架构重构推荐系统，以应对 AI 时代对算力效率和 Token 价值的极高要求。 📝 详细摘要 本文介绍了奖金池高达 600 万元的 2026 腾讯广告算法大赛。文章指出，在 AI 大模型时代，Token

● 杨植麟 GTC 最新演讲：AI 研究的范式变了！我们要重构 Transformer 的“地基” ！首次公开 KimiK2.5 技术路线！

📌 一句话摘要 杨植麟在 GTC 2026 披露了 Kimi K2.5 技术路线，强调通过重构 Transformer 底层架构（如 Attention Residuals）及构建智能体集群来实现智能上限的突破。 📝 详细摘要 文章详细记录了月之暗面创始人杨植麟在英伟达 GTC 2026 上的主

● AI Agent 之間可以有什麼樣的互動

📌 一句话摘要 本文深入探討 AI Agent 的協作拓撲結構、對抗博弈能力及社交行為，並分析了 Agent 自主性與人為操控的現狀。 📝 详细摘要 本內容源自李宏毅教授的教學影片，系統性地分析了 AI Agent 之間互動的三大維度。首先探討協作拓撲，指出網狀與隨機結構在複雜任務中表現優異，且

● 谷歌研究院探索多智能体协调的扩展原则

📌 一句话摘要 谷歌研究院发布首个多智能体系统定量扩展原则，揭示了多智能体协同在顺序推理任务中的性能瓶颈，并提供了基于任务特性的架构选择预测模型。 📝 详细摘要 本文详细介绍了谷歌研究院针对 180 种 AI 智能体配置的对照评估研究。研究挑战了“智能体越多越好”的传统经验，指出多智能体协同的有