OpenAI 发布“Built to benefit everyone”计划:让 AGI 惠及所有人
OpenAI 发布“Built to benefit everyone: our plan”,阐述其对 AI 未来的愿景,聚焦可及性、安全与共同繁荣,目标是确保 AGI 惠及所有人。
OpenAI 发布“Built to benefit everyone: our plan”,阐述其对 AI 未来的愿景,聚焦可及性、安全与共同繁荣,目标是确保 AGI 惠及所有人。
OpenAI 发布《智能时代的生物防御》行动计划,提出以 AI 驱动的生物韧性建设方案。该计划面向生物防御领域,旨在利用 AI 技术提升应对生物威胁的能力。
Import AI 459 探讨了 AI 监管的困难、蛋白质折叠模型的缩放定律以及 AI 系统灭绝风险的定价。弗吉尼亚大学、Anthropic 和加拿大银行的经济学家估算,2025 年美国 AI 名义 GDP 约 2500 亿美元,质量调整后实际年增速约 2600%,但这一增长在常规 GDP 统计中几乎不可见。
Import AI 第 458 期收录了一篇基于作者近期演讲的长文和一个探讨"正向奇点"的虚构故事。演讲为 2026 年 Cosmos HAI Lab Lecture,在牛津大学人类中心 AI 实验室(HAI Lab)发表,核心论点是 AI 技术的快速进步迫使人们在"探索未来"与"回避当下"之间做出选择。
Import AI 第 456 期聚焦三项内容:法律与 AI 研究所提出“激进可选性”监管思路,主张政府当下投资信息收集、举报人保护、评估能力等工具,避免过度监管同时为未来强 AI 冲击预留应对手段。Meta 与 KAIST 的论文提出神经计算机(NC),将计算、内存与 I/O 统一在学习到的运行时状态中。
OpenAI 发文阐述企业如何将 AI 从早期实验推进到规模化复利效应,关键在于信任、治理、工作流设计与大规模质量保障。
伯克利 AI 研究团队梳理了并行推理领域进展,重点分析自适应并行推理——让模型自行决定何时分解并行子任务、生成多少并发线程以及如何协调。文章对比了自一致性、Best-of-N、Tree/Graph of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild! Inference 等方法,指出多数方案仍由外部固定并行结构,而不同问题需要不同并行度。
Jack Clark 在 Import AI 455 中判断,到 2028 年底出现无需人类参与、能自主训练出后继版本的 AI 研发的概率约为 60%,2027 年底的概率约为 30%。
OpenAI 梳理了 GPT-5 中"哥布林"式输出的扩散时间线、根因与修复方案,将其归因于人格驱动的行为怪癖。
OpenAI 提出一项五部分行动计划,旨在加强 Intelligence Age 的网络安全,重点是普及 AI 驱动的网络防御并保护关键系统。
OpenAI 公布指导其工作的五项原则,由 Sam Altman 分享,服务于确保 AGI 惠及全人类的使命。
Hugging Face 发文指出,Mythos 这类前沿 AI 模型嵌入特定系统后可快速发现并修补软件漏洞,其能力并非来自单一模型,而是算力、代码数据、漏洞探测脚手架与系统自主性组合的结果。文章认为开源生态能把检测、验证、协调与补丁分发分散到社区,避免闭源单点失效,并主张用可审计的半自主 AI 智能体构建防御。
OpenAI 的 Model Spec 是一套公开的模型行为框架,用于在 AI 系统演进过程中平衡安全、用户自由与问责。该框架面向模型行为设定公开标准,并随 AI 能力提升持续调整。
AlphaGo 成为首个击败围棋世界冠军的 AI 系统十周年,其“Move 37”展示了 AI 超越模仿人类、发现全新策略的能力。这一突破直接催生了 AlphaGo Zero、AlphaZero,以及破解蛋白质折叠难题的 AlphaFold 2,后者已向全球 3 百万研究人员免费开放 2 亿个蛋白质结构。
OpenAI 提出五种 AI 价值模型,帮助领导者按顺序推进 AI,从员工熟练度到流程重塑,构建持久的业务优势。
OpenAI 宣布不再评估 SWE-bench Verified,原因是该基准日益受到污染,且无法准确衡量前沿编码能力。其分析指出该基准存在测试缺陷与训练数据泄漏问题,并推荐改用 SWE-bench Pro。
Hugging Face 博客系列第三篇指出,开源已成为中国 AI 机构近期的主流路径,DeepSeek 是 Hugging Face 上关注度最高的组织,Qwen 位列第四。
中国开源模型近一年几乎一致转向 MoE 架构,Kimi K2、MiniMax M2、Qwen3 均属此类,目标是在成本可控下实现可持续部署。开源活动从文本扩展到多模态与智能体,StepFun 的 Step-Audio-R1.1 语音模型性能超越闭源模型,腾讯开源 Hunyuan Video 与 Hunyuan 3D。
DeepSeek 于 2025 年 1 月发布 R-1 模型,一年后 Hugging Face 发文回顾其对中国开源 AI 生态的催化作用。R1 以 MIT 许可开放推理路径与后训练方法,降低了技术、采用和心理三重门槛,并成为 Hugging Face 史上获赞最多的模型。
OpenAI 提出领导者可通过清晰的战略、培训、治理和加速创新来打造 AI-ready 组织。内容面向企业管理者,聚焦在 AI 时代保持竞争力的组织建设路径。
OpenAI 回顾成立十年来的进展,从早期研究突破到被广泛使用的 AI 系统,并分享了过去十年的经验教训。OpenAI 表示仍对构建造福全人类的 AGI 保持乐观。
OpenAI 发文指出 AI 正快速进步,人类有机会塑造其发展方向,使其走向科学发现、安全与惠及所有人的更好未来。
Chime CMO Vineet Mehra 分享了 AI 如何将营销重塑为智能体驱动的模式。他强调,优先推动 AI 素养建设并审慎采用 AI 的领导者将驱动增长。
Hugging Face 发布分析文章,指出中国开源权重模型的推理已开始由华为 Ascend、寒武纪等国产芯片承载,部分模型开始用国产芯片训练。文章认为美国出口管制与中国芯片产能提速高度相关,算力稀缺也促使 DeepSeek 的 MLA、GRPO 等效率创新走向开源,并推动 CUDA 之外的软件生态成形。
推荐理由:梳理中国开源模型与国产芯片互相牵引的路径,帮助读者理解算力受限如何影响模型架构与部署选择。
OpenAI 推出新系列「OpenAI on OpenAI」,分享其如何用自家技术简化工作流程、扩展专业能力并推动业务成果。该系列旨在把内部实践经验分享给其他组织参考。
OpenAI 撰文提出,AI 有望成为历史上为更多人解锁机会的技术,若方向正确,可让每个人都获得前所未有的能力。作者自述是务实的技术主义者,看重技术对人的直接生活影响,而非技术本身。
OpenAI 称 ChatGPT 的设计目标是实用、可信且可适配,让用户能将其打造成自己的工具。该表述以“设计即知识自由”为标题,强调产品在可定制性上的取向。
OpenAI 推出 AI stories,聚焦人们使用 AI 获得的日常收益,并借此展现更大的机会。Sam Altman 曾撰文称人类正进入 Intelligence Age,AI 将让人变得更有能力,科学、医学、教育、国防等当下最棘手的问题将不再无解。
LaunchDarkly 首席产品官 Claire Vo 分享了 AI 时代产品经理角色的变化,以及如何打造 AI 原生团队。她还介绍了自己的"反待办清单"方法。
Hugging Face 发布首期 AI 艺术工具通讯,回顾 2024 年创意 AI 关键进展。图像生成领域从 Unet 转向 DiT 架构与 flow matching。
Hugging Face 发布文章指出,AI 智能体是基于 LLM 构建、能在数字世界中自主行动的系统,其风险随自主性等级上升而增加,因此建议不要开发可自行编写并执行代码的完全自主智能体。文章按自主程度将智能体分为五级,从模型不影响程序流程到模型自行编写并执行新代码,并认为半自主智能体在特定自主水平、任务范围和人类控制方式下可能收益大于风险。
非凡研究 6 月报告显示,全球 1500 家活跃 AI 公司中有 751 家位于中国,其中 103 家已向海外扩张。腾讯云、华为、阿里等巨头聚焦东南亚与中东的云与 AI 基础设施,字节跳动 7 个月推出 11 款海外应用,CapCut 月活超 3 亿、截至 2024 年 7 月移动端累计收入 1.25 亿美元。
Hugging Face 发布《伦理与社会通讯 #6》,聚焦高质量数据对 AI 开发的重要性。文章指出好数据并非只是准确或量大,而是契合特定用途,需具备相关性、全面性、时效性并减少偏见,同时强调数据质量能提升模型表现、泛化能力与效率,并推动公平与可问责。
Hugging Face 回顾 2023 年开源 LLM 进展,指出公众对开源与闭源模型的讨论已触及广泛受众。2022 年的开源模型仍延续规模竞赛,如 176B 参数的 BLOOM、175B 参数的 OPT 和 GLM-130B,而 2023 年转向对数据的重视。
Hugging Face 发布 Ethics and Society Newsletter 第 4 期,聚焦文本到图像模型的偏见问题,指出训练数据、预训练数据过滤、推理、模型潜在空间及事后过滤等环节均可能引入偏见。
Hugging Face 发文解释 Open LLM Leaderboard 上 LLaMA 的 MMLU 分数为何明显低于 LLaMA 论文中的数字:榜单封装的是 EleutherAI LM Evaluation Harness,而论文用的是 UC Berkeley 的原始实现,两者在提示词、答案比较方式上不同。
推荐理由:同一 MMLU 数据集在三种实现下分数与排名差异明显,读者可据此理解评测数字为何不可直接横向比较。
OpenAI 发文呼吁现在就开始思考超级智能的治理问题,即未来能力远超 AGI 的 AI 系统。文章将超级智能定义为比 AGI 更强大的未来 AI 系统,并强调当下是着手探讨其治理的合适时机。
OpenAI 阐述了其确保 AI 系统安全构建、部署和使用的方法,并强调这是其使命的关键。
OpenAI 发布文章阐述其对 AGI 及更远未来的规划,称其使命是确保比人类更聪明的通用人工智能造福全人类。
推荐理由:OpenAI 官方阐述 AGI 使命与长期规划,可了解其对通用人工智能安全与治理的立场。
OpenAI 发文说明 ChatGPT 的行为是如何被塑造的,并介绍其改进计划,包括让用户拥有更多定制空间,以及在相关决策中引入更多公众意见。
推荐理由:OpenAI 说明 ChatGPT 行为如何被塑造,并给出用户定制与公众参与决策的改进方向。