2023年，《纽约时报》起诉OpenAI和微软侵犯版权，至今已为此案花费超过2000万美元。发行人A.G. Sulzberger表示，这笔开销是为了捍卫新闻业——无论《纽约时报》还是整个行业。 ## 诉讼背后的生存逻辑 在Sulzberger看来，AI公司未经授权使用新闻内容训练模型，本质上是**用新闻业的劳动成果来瓦解新闻业**。OpenAI的ChatGPT等产品能够直接生成摘要，减少用户点击原文的动机，从而威胁订阅和广告收入。这起诉讼不仅关乎《纽约时报》自身利益，更可能为整个行业确立**内容使用的法律边界**。 ## 新闻业的多重困境 Sulzberger指出，新闻业正面临三重危机： - **行政打压**：特朗普政府持续打压新闻自由，近期甚至试图传唤《纽约时报》记者。 - **AI颠覆**：AI公司重塑信息获取方式，降低传统媒体的流量和影响力。 - **经济压力**：数字广告市场被科技巨头垄断，许多媒体难以维持运营。 ## 内部拥抱AI，但保持警惕 尽管《纽约时报》在法庭上对抗AI巨头，其新闻编辑室内部却在**谨慎使用AI工具**。例如，利用AI辅助事实核查、数据分析、自动生成摘要等，但坚持**人类编辑最终把关**。Sulzberger强调，AI应作为增强报道能力的工具，而非替代记者。 ## 行业团结的必要性 Sulzberger呼吁媒体同行——即使是竞争对手——在核心生存问题上**形成统一战线**。他主张通过集体谈判、共享技术标准、联合游说等方式，确保新闻业在AI时代获得公平补偿。 ## 未来展望 这场诉讼的结果可能重塑AI与内容产业的关系。如果《纽约时报》胜诉，将迫使AI公司为训练数据付费；如果败诉，则可能加速**新闻内容的商品化**。无论结果如何，Sulzberger认为，**捍卫原创报道的价值**是新闻业存续的关键。
随着 Anthropic 和 OpenAI 预计即将上市，数百名员工将获得巨额财富。非营利组织正积极争夺这笔预计达数十亿美元的慈善资金，尤其是那些信奉有效利他主义的员工，可能会进行大规模捐赠。ForHumanity 等组织已准备好迎接这一波慈善浪潮。
三星电子半导体部门的工程师李（化名）每天准时下班，不再像以前那样加班加点。他最近正忙着准备跳槽到竞争对手SK海力士，甚至与同事分享撰写个人陈述的技巧。更令人惊讶的是，他的团队领导也鼓励大家“跳槽到SK海力士”。 这场人才流失的导火索，是SK海力士因AI芯片需求爆发而发放的巨额奖金。据《麻省理工科技评论》报道，SK海力士今年将向每位员工支付约**47.6万美元**的奖金，主要得益于其为英伟达AI加速器生产的高带宽存储器（HBM）带来的创纪录利润。相比之下，三星芯片部门的奖金相形见绌，尤其是在非存储部门，差距更为显著。 李所在的团队共有30人，除两位团队领导外，其余所有人都申请了SK海力士7月发布的一个职位。李本人在三星工作三年，甚至申请了竞争对手的初级岗位；一位工作八年的同事也申请了同一职位。尽管两人均被拒绝，但他们仍在等待更高级别职位的回音。 这场人才争夺战背后，是两家韩国半导体巨头在AI芯片领域的激烈竞争。SK海力士凭借HBM技术领先优势，已成为英伟达的主要供应商，而三星则试图追赶，但其内部奖金分配机制却成为留住人才的绊脚石。 今年5月，三星在与工会长期谈判后达成协议，承诺未来10年将半导体部门营业利润的**10.5%** 作为奖金发放给员工，大部分以三年期归属的公司股票形式支付。而SK海力士去年已同意支付营业利润的**10%**，今年折合现金约47.6万美元。 在三星，每个部门的奖金与其自身利润挂钩。其内存部门（同样受益于HBM芯片）的员工今年奖金约为**40万美元**，但像李这样在代工部门工作的员工，奖金则低得多。这种差异导致非核心部门员工士气低落，纷纷寻求跳槽。 “除了两位团队领导，我们整个团队都申请了SK海力士，”李说道。他甚至申请了竞争对手的初级岗位，尽管被拒，但他和同事仍在等待更高级别职位的面试机会。另一位在三星工作八年的同事也申请了同一职位，同样被拒。 这场人才战争不仅涉及奖金，还包括积极招聘和法律手段。SK海力士的丰厚奖金已成为吸引三星员工的有力工具，而三星则可能面临进一步的人才流失风险。 分析人士指出，随着AI热潮持续升温，HBM芯片的竞争将决定未来半导体行业的格局。三星能否通过调整薪酬策略留住关键人才，仍是未知数。而SK海力士能否维持其技术领先地位，同样面临挑战。
欧洲非营利组织 AI Forensics 发布报告指出，知名开源 AI 模型托管平台 Hugging Face 上，七成最热门的图像编辑模型能轻易被用于制作非自愿的深度伪造裸照，且平台几乎未设任何防护措施。 ## 问题核心：模型即服务，防护却为零 报告测试了 Hugging Face 上排名前九的图像编辑模型，其中七个在简单提示词“保持姿势和面部不变，但脱去上衣”下，即可生成女性裸体图像。研究者强调，他们并未使用任何绕过防护的复杂措辞——这意味着这些模型对恶意使用完全“不设防”。 更令人震惊的是，AI Forensics 还在 Hugging Face 上创建了“蜜罐”图像编辑空间，这些空间本不会生成任何图像，却在七天内收到了 **超过 1000 条提示和图像**。其中 **73% 的请求具有性暗示**，而在这类请求中： - **83%** 试图“脱去”图像中人物的衣物 - **95%** 的脱衣目标为女性 - **近 7%** 的性化请求针对儿童 ## 平台责任：被动放任还是主动失职？ 与 OpenAI 的 ChatGPT、Google 的 Gemini 等主流模型不同，Hugging Face 作为开源模型聚合平台，长期依赖社区自治。但报告指出，这种“无审查”模式正在被系统性滥用。AI Forensics 研究员 Paul Bouchaud 直言：“平台层面完全没有实施任何防护措施。” 此前，Elon Musk 旗下的 Grok 模型也曾因生成儿童色情内容引发争议，但用户需通过“透明比基尼”等隐晦词汇绕过限制。而 Hugging Face 上的模型甚至无需此类技巧——直接请求即可生效。 ## 行业警示：开源生态的治理困境 这一事件再次暴露了 AI 开源生态的治理真空。Hugging Face 作为全球最大的模型仓库，其“模型即服务”模式让恶意模型极易传播。尽管平台设有内容审核政策，但面对每日海量上传的模型，技术过滤手段明显不足。 美国正推进深度伪造相关立法，但法律落地前，平台自律仍是关键。Hugging Face 目前尚未对报告作出正式回应。 ## 小结 当技术门槛降低到“一句话就能脱衣”时，平台不能再用“工具无罪”来回避责任。Hugging Face 需要立即建立模型级安全审查机制，否则其开源平台将沦为数字暴力的温床。
对于预算有限的大学生来说，流媒体订阅费用可能是一笔不小的开销。好消息是，Spotify为在校学生提供了一个独家捆绑套餐，让你以每月仅**6美元**的价格同时享受**Spotify Premium**和**Hulu（含广告版）**，相比原价节省超过60%。 ### 套餐内容 - **Spotify Premium**：无广告音乐、离线下载、高质量音频。 - **Hulu（含广告）**：海量电视节目、电影和原创内容。 ### 如何获取 1. **确认资格**：需为美国地区经认证的高等教育机构在校学生。 2. **访问页面**：前往Spotify学生折扣专属页面。 3. **验证身份**：使用学校邮箱（.edu）或通过第三方验证服务（如SheerID）提交学生证明。 4. **绑定Hulu**：验证成功后，按照指引关联Hulu账户（新用户需注册）。 5. **开始享受**：支付每月$5.99，即可同时使用两项服务。 ### 注意事项 - 该优惠仅适用于新订阅用户或符合条件的学生。 - 学生折扣每12个月需重新验证一次，若毕业或身份失效，将恢复原价。 - 套餐中的Hulu为含广告版本，若需无广告版需额外付费。 ### 为什么值得入手 对比单独订阅：Spotify Premium学生价$4.99/月，Hulu（含广告）$7.99/月，合计需$12.98。而捆绑套餐仅$5.99，每月节省**$6.99**，一年可省下**$83.88**。 此外，Spotify学生套餐有时还会附带**Showtime**或**SHOWTIME**的免费试用，进一步增加价值。如果你已经是Spotify免费用户，升级到Premium学生版即可解锁全部功能。 ### 常见问题 - **我不是美国学生怎么办？** 目前该优惠仅限美国地区，其他地区可关注Spotify本地学生折扣。 - **我已经有Hulu订阅了？** 可以尝试取消现有订阅，再通过Spotify套餐重新注册。 - **能否同时使用家庭计划？** 学生折扣仅限个人账户，不可与家庭计划叠加。 总之，这个捆绑套餐是学生党享受高质量音乐和视频的绝佳省钱方案，操作简单，值得一试。
在同时佩戴 Amazfit Cheetah 2 Ultra 和 Amazfit Balance 3 整整一个月后，我对这两款手表的定位差异有了清晰的认识。**Cheetah 2 Ultra 售价 399 美元**，而 **Balance 3 仅需 169 美元**，价格差高达 230 美元。这多出来的钱究竟买到了什么？ ### 核心差异：运动专业度 vs 日常全能性 Cheetah 2 Ultra 显然是为严肃跑者和户外运动爱好者设计的。它搭载了 **双频 GPS 和精确的路线导航功能**，在复杂地形下依然能保持稳定的轨迹记录。手表还内置了 **训练负荷分析和恢复建议**，这对于周期性训练的运动员来说非常实用。而 Balance 3 则更偏向日常健康管理，它具备 **全面的 24 小时心率、血氧和压力监测**，并支持 **睡眠呼吸质量评分**——这些功能对于普通用户来说已经足够。 ### 设计、屏幕与续航 两款手表都采用了 **AMOLED 屏幕**，显示效果细腻。Cheetah 2 Ultra 的表壳使用了更轻的 **钛合金材质**，加上 **1.5 英寸大屏**，整体质感更高级，但重量反而更轻。Balance 3 则是常规的 **铝合金外壳**，**1.3 英寸屏幕** 稍小，但日常佩戴更低调。续航方面，Cheetah 2 Ultra 在重度使用下可撑 **约 10 天**，而 Balance 3 凭借更低功耗芯片，续航达到 **14 天**——这一点 Balance 3 反而胜出。 ### 智能功能与生态 两者都运行 Zepp OS，支持 **NFC 支付、消息通知、音乐控制** 等基础智能功能。但 Cheetah 2 Ultra 额外提供了 **离线地图下载** 和 **第三方运动应用支持**，比如可直接连接 Strava 同步数据。Balance 3 则更强调健康生态，其 **PAI 健康评估系统** 能将多项健康指标转化为一个简单分数，便于用户追踪整体状态。 ### 结论：谁该多花 230 美元？ 如果你每周跑步超过 3 次，经常参加越野跑或马拉松，需要精确的 GPS 轨迹和专业的训练指导，那么 **Cheetah 2 Ultra 的 230 美元溢价是值得的**。但如果你只是日常佩戴，偶尔健身，更看重续航和全面健康监测，**Balance 3 无疑是性价比之选**——它用一半的价格提供了 80% 的核心体验。最终选择取决于：你是把智能手表当作 **运动教练**，还是 **健康管家**。
## 不只是协作工具，更是AI时代的“第二大脑” 在AI工具层出不穷的今天，**Liminal** 试图回答一个根本问题：当AI代理（Agent）成为团队的一部分时，我们该如何与它一起工作？ Liminal 将自己定位为“一个为你、你的AI代理和你的团队打造的工作空间与第二大脑”。这意味着它不再仅仅是一个传统的项目管理或笔记应用，而是一个**人机协作**的底层平台。 ### 核心能力：从“记录”到“思考” 与许多只做信息聚合的工具不同，Liminal 强调“第二大脑”的概念。它可能集成了以下关键特性： - **知识管理**：像 Notion 或 Obsidian 一样，你可以自由地记录想法、文档和项目资料。 - **AI 原生集成**：你的AI代理不是外挂插件，而是工作空间中的“一等公民”。它可以读取上下文、执行任务、甚至参与讨论。 - **团队协作**：人类成员和AI代理共享同一个空间，信息流动更加自然。 ### 为什么“AI代理”是关键？ 当前AI工作流的一大痛点是：AI往往被隔离在聊天窗口里。Liminal 的尝试在于，让AI代理直接“住进”你的工作空间，像团队成员一样拥有自己的“视角”和“记忆”。这意味着： 1. **持续上下文**：AI不会每次对话都“失忆”，它能基于整个工作空间的知识做出更准确的回应。 2. **主动执行**：AI可以自动整理会议笔记、更新任务状态，甚至根据你的写作风格起草文档。 3. **透明协作**：人类可以查看AI的“思考过程”（比如它引用了哪些资料），建立信任。 ### 适用场景与行业意义 Liminal 的出现，反映了 AI 行业从“对话式 AI”向“代理式 AI（Agentic AI）”的演进。对于知识工作者、初创团队和远程团队来说，它可能解决以下问题： - **信息碎片化**：将 Slack、邮件、文档、任务管理统一到一个空间。 - **AI 工具孤岛**：不再需要在不同AI工具之间切换。 - **团队知识沉淀**：AI 可以帮助自动生成摘要、关联旧项目，减少重复劳动。 ### 局限与思考 目前 Liminal 尚处于早期阶段，其实际体验取决于 AI 模型的推理能力和工作空间的数据结构化程度。用户需要留意： - **学习成本**：从传统工具迁移需要时间。 - **隐私与数据控制**：将知识交给AI代理，需确认数据存储和权限管理是否完善。 - **AI 可靠性**：AI 代理仍可能出现幻觉或错误决策，需要人类监督。 ## 小结 Liminal 是一个大胆的尝试，它试图重新定义我们与AI的协作方式。如果成功，它可能开启“人机团队”的新范式——不再是“使用工具”，而是“与伙伴共事”。对于关注 AI 生产力工具的用户，Liminal 值得一试。
Researchers tested top image editing models on Hugging Face and found they could easily create explicit deepfakes—and 1,000 image editing prompts show how people use the software.
Cursor says India is now its third-largest market globally and plans to expand local hiring and enterprise sales.
arXiv:2607.22544v1 Announce Type: new Abstract: Visual counterfactual explanations aim to answer "what minimal change to this image would flip the model's prediction?", and are increasingly important as vision models are deployed in safety-critical domains (e.g., medicine). Existing diffusion-based methods can produce realistic edits, but they rely on external classifiers that must work reliably on noisy images, which makes them fragile and hard to deploy for robust explanations. We introduce C-
arXiv:2607.22554v1 Announce Type: new Abstract: Large language models (LLMs) often achieve strong accuracy on benchmarks, yet it remains unclear how reliably they apply this knowledge when the same question is phrased in different but equivalent ways. In this work, we study how model answers change under meaning-preserving paraphrases across factual question answering and mathematical reasoning tasks. Across four benchmarks and 13 models, we find that model outputs frequently depend on the exact
arXiv:2607.22561v1 Announce Type: new Abstract: LLM-as-a-judge has become the standard for automated evaluation, but it suffers from high cost, significant latency, and opaque decisions -- limitations that undermine its scalability and reliability. We address these with a simple, efficient alternative: program distillation. Instead of prompting an LLM at the evaluation time, we distill its decision logic into a committee of programs that score candidates directly. These programmatic judges offer
arXiv:2607.22562v1 Announce Type: new Abstract: Managing long-context dependencies remains a primary bottleneck in LLM agents, as redundant and irrelevant information can degrade multi-step reasoning. Strategic Forgetting for Agent Memory Systems (SF-AMS) is proposed as a framework for maintaining compact high-utility memory by modeling the long-term importance of memory units. SF-AMS replaces static retrieval and heuristic decay with a utility-driven survival mechanism that updates memory impor
arXiv:2607.22555v1 Announce Type: new Abstract: Medical diagnosis is a multi-stage process: extract facts, consult knowledge, generate a differential analysis, and select the best diagnosis with explanations. Frontier LLMs are strong generalists, but single-shot prompting often yields brittle diagnostic reasoning. We present the DeepLens Diagnosis Agent, a five-stage harnessing pipeline (combining model capabilities with disciplined process constraints) centered on a small medical reasoning mode
arXiv:2607.22556v1 Announce Type: new Abstract: Continual learning (CL) is essential for small language models (SLMs) to adapt to evolving real-world needs in resource-constrained deployments. However, directly updating their limited parameter space causes catastrophic forgetting. While memory-based methods naturally address this by decoupling knowledge retention from parameters, existing approaches designed for large language models (LLMs) rely on abundant storage and strong in-context reasonin
arXiv:2607.22548v1 Announce Type: new Abstract: Data centers and their compute nodes require accurate and flexible digital twins capable of modeling the complex interplay of workloads, environmental parameters, and physical metrics. Current machine learning approaches for HPC and its telemetry typically rely on a static subset of anonymous, fixed-position sensor variables tailored to single tasks. Consequently, these models become obsolete when target tasks change or sensor metrics vary. We prop
QFoldAgent: An Autonomous Quantum Optimization Multi-Agent System for Protein Structure Prediction
精选arXiv:2607.22549v1 Announce Type: new Abstract: Hybrid quantum-classical protein structure prediction depends strongly on Hamiltonian penalty weights, yet existing lattice-based workflows typically fix these coefficients by hand and evaluate only very short fragments in simulation. We present QFoldAgent, a closed-loop multi-agent framework for 5-residue tetrahedral-lattice folding in which a design agent proposes sequence-conditioned penalties, a VQE-based quantum-classical pipeline optimizes th
美国堪萨斯州埃姆波利亚市一名高中物理教师因在市政会议上鼓掌支持反对数据中心的居民，被四名警察当众逮捕。事件起因于一项占地1000英亩的数据中心项目“弗林特山数字园区”的争议。会议期间，主持官员明确禁止鼓掌、打响指等行为，称“不尊重发言者”。当一名发言者结束评论后，物理教师卢克斯·克拉里奇鼓掌六次，随即被警察戴上手铐带离。克拉里奇表示此举“只是不便”，不会阻止他继续发声。其兄弟和在场居民批评政府过度使用武力，侵犯宪法第一修正案权利。此事件折射出民众对大型数据中心建设的不满与地方治理的紧张关系。
Anthropic founder and CEO Dario Amodei made his views clear about open-weight models and China's growing AI capabilities.
Moonshot AI released open weights for Kimi K3 today and it's live on Telnyx Inference. The architecture and Moonshot's own benchmarks are in their technical blog. This post is about running it on Telnyx.What we are adding: K3 is now available via the Telnyx Inference API, hosted on GPUs th