阅读

2026年前八个月中国上线的43万部微短剧中，超过90%为AI生成，数字来自国家广播电视总局。

微短剧每集只有几分钟，靠快节奏和反转吸引观众。AI把制作成本压到极低后，供给迅速饱和，制作者面对的难题已从低成本产出变成如何在大量雷同作品中被看见。

南华早报10月4日报道称，网易今夏用AI重建了演员王祖贤的经典角色，被视为行业转向的标志。报道未说明90%这一占比的统计口径，总局原始发布也未附链接。

Tavus于10月1日发布全双工视频交互模型Griffin，其自测中48%的参与者误认为对方是真人，上一代系统同一测试只有2.4%。

该模型不再走「语音识别、大模型、语音合成、形象驱动」的级联路线，而是单一模型同时处理听、说、表情和画面，实时生成720p视频，平均反应延迟0.43秒。在NVIDIA的全双工对话基准VideoFDB上，Griffin-Lite生成项得3.83分，接近人类参考值3.92。

但48%出自Tavus自己设计的测试：参与者事先以为在和真人通话，样本仅54人、通话一分钟，未遵循标准图灵测试协议，X上的社区笔记已标注结果未经独立验证。起疑的人多在前20秒识破，且Griffin-Lite目前只向少数受信任测试者开放，普通用户还用不上。

一名Reddit用户用开源工具把大模型的部分计算层搬到手上的iPhone 17 Pro Max里，让只有24GB内存的MacBook Pro跑Qwen3.8-27B时，16K上下文的预填充速度从每秒109个token提到157个，快了44%。

据IT之家10月4日援引Wccftech的报道，这名用户把每批256个token的前40层留在Mac的M4 Pro上，第41至64层交给iPhone的A19 Pro GPU流水处理；旧上下文还会编译进手机的神经网络引擎，140K长度下单token写入从279毫秒降到176毫秒。8K和32K上下文分别提速35%和29%。

工具叫backburner，已在GitHub开源。局限也很明确：64K以内场景手机不加速文本生成，生成仍全靠Mac，收益只落在长上下文的预处理环节。

训练AI模型时，要反复按梯度微调成千上万个参数，每步走多远由学习率决定，设大了震荡、设小了太慢。Adam（2015年提出）是一种自动定步长的方法：它记录每个参数梯度的大小和波动，给平稳的参数大步、给抖动的参数小步，且对梯度整体缩放不敏感。

今天打开任何深度学习框架或教程，默认的优化器多半就是它；新方法发论文仍拿它当对比基准。它立的"超参数几乎不用调"这条规矩，至今没被换掉。

如果想要凸问题之外的理论收敛保证，或用它判断论文没测过的模型和数据，就别用它下结论；非凸深度场景的长期表现证据有限。

《Adam: A Method for Stochastic Optimization》（2015）｜下次复查 2027-09-20