Anthropic的AI研发正经历显著加速
Anthropic的内部报告显示,其AI能力在2025年10月至2026年10月间的发展速度约为过去一年的两倍,主要归因于AI自动化加速研发。该报告指出,若要维持当前两倍速度的AI能力提升,研究人员需获得约10倍的劳动效率提升,这与Anthropic员工反馈的内部模型12倍效率提升相符。这一加速趋势可能将AI发展时间线缩短至多数外部研究者预测的更早阶段。
Anthropic的内部报告显示,其AI能力在2025年10月至2026年10月间的发展速度约为过去一年的两倍,主要归因于AI自动化加速研发。该报告指出,若要维持当前两倍速度的AI能力提升,研究人员需获得约10倍的劳动效率提升,这与Anthropic员工反馈的内部模型12倍效率提升相符。这一加速趋势可能将AI发展时间线缩短至多数外部研究者预测的更早阶段。
Fabian Theis 领导的 Helmholtz Munich 实验室致力于用算法理解多尺度多模态生物数据,但 2025 年 Arc 虚拟细胞挑战显示当前模型在扰动预测上常落后于简单基线,现有评估指标也欠佳。
布朗大学学生绘制出隐秘的全球劳动力地图,揭示 AI 产业如何将数据标注工作外包给全球南方的廉价劳动力,以训练 AI 模型。地图显示 13 家数据标注公司、141 家企业客户和 31 个国家之间的联系,旨在揭露被刻意掩盖的 AI 劳动力链,并作为公共教育工具,让公众了解 AI 社会影响的背景。
递归语言模型(RLM)允许大语言模型主动管理自身上下文,通过Python REPL检查和转换输入数据,并调用子LLM。