阅读

最新民调显示，绝大多数美国人希望AI发展“慢下来”。

昆尼皮亚克大学于9月30日发布的调查结果指出，77%的美国受访者主张在AI安全性得到验证前，应放缓甚至完全停止其开发进程。仅有5%的人希望加快步伐。

公众对AI公司的自我承诺持怀疑态度。数据显示，86%的人支持建立独立的安全标准，即使这会阻碍技术进步；同时，74%的人表示对AI公司领导层几乎没有或完全没有信任。研究者Chetan Jaiswal认为，这表明公众渴望不依赖企业口头保证的保障机制。

CoreWeave于10月5日发布Model Distillation、RL Rollouts和可编程训练API，旨在打通推理与后训练环节。

传统流程中，模型上线即停止改进。新工具允许直接捕获生产流量中的失败案例作为训练数据，无需手动清洗或搭建基础设施。

官方引用客户Method的案例：使用GPT-4o输出训练Llama 3.1 8B模型处理银行IVR系统，经新数据迭代后，在对比评估中胜过原生产版本57.5%。另一客户Willow通过混合监督学习与强化学习提升了文本风格控制能力。

需注意，这些功能多为预览或新发布状态，具体性能依赖用户自身的数据质量与任务定义，且上述案例均为厂商单方陈述。

CoreWeave高管Harsh Banwait称，使用Nvidia Vera CPU后，其Sandboxes产品的启动时间缩短了约3倍。

Sandboxes是为AI智能体提供隔离执行环境的工具，用于强化学习和推理阶段的任务运行。Banwait指出，这一改进解决了智能体在执行任务前等待环境初始化的瓶颈。

该数据来自CoreWeave内部测试，尚未公布详细基准或经独立机构验证。

Ghost宣布结束隐身状态，完成由Andreessen Horowitz领投的1100万美元种子轮融资。

其首款产品Core是一款专为运行AI智能体设计的个人电脑，售价3499美元。该设备内置Nvidia RTX Pro 4000 SFF Blackwell GPU，预装Qwen和Gemma等模型，旨在让用户在本地处理数据并执行任务，无需依赖云端服务。

公司称所有代码、逻辑和模型权重均存储在设备上，用户拥有完全控制权。首批订单于周一开放预订，预计10月最后一周发货。

让大量手机一起训练同一个模型，原始数据留在各自设备里，只上传学到的改动——这类做法叫联邦学习。2019年一篇长综述把这套做法还没解决的问题列成清单：设备不可靠、各家数据不同、流量受限、隐私难证明，而且互相纠缠。

如今输入法、医疗、金融的AI方案都爱用一句话推销：数据不出设备，隐私就解决了。后来的研究至今仍在逐个攻克这篇综述列出的条目，没有哪个方法能全部解决。听到那句推销，就拿清单追问：各家数据不同怎么办？怎么证明真的没偷看？

如果要比较具体方法的优劣或性能数字，就别用它来判断——它没做任何实验，只是盘点问题。如果场景是没有中心服务器、设备互相直连的学习，它列的问题也对不上。

《Advances and Open Problems in Federated Learning》（2019）｜下次复查 2027-09-20