阅读研究雷达投资体系
登录 / 注册
全部阅读技术产品投资二级市场其他

阅读

2026-11-0499 篇

刷新

涌泉创新创始人王昊:五轴当前不具备PMF,三轴才是桌面CNC的正确起点

专题 · 涌泉创新桌面CNC路线实质变化
2026-11-04 10:54

2026年的桌面CNC赛道正被五轴概念点燃,多家玩家以五轴为核心卖点发起众筹,似乎谁先上五轴谁就占据先发优势。涌泉创新创始人王昊的判断恰恰相反:五轴当前不具备PMF,只有极少数的东西一定需要五轴加工,大多数需求三轴就够了。

王昊的推理建立在他对Maker行业的长期调研之上。2023年8月从大疆离职后,他花了一年多时间研究整个桌面制造领域,涵盖金属3D打印、多材质打印、UV打印机和CNC。他几乎看遍了Reddit和Discord上的用户交流,人肉做了一遍BI,几乎把网上所有关于桌面CNC产品需求的数据找了出来,再带入自己作为工程师的实际需要,定义出产品方向。

定义完产品后,他做了定量验证:问卷调查、用户访谈,逐项敲定参数。就在产品定义基本定型时,巢匠科技的第一款桌面CNC上线了,产品定义与他当时想的相当接近。先发者已经占位,王昊重新掂量:方向不变,但要想清楚怎么做得更好。

他列出了三个主要差异:加工功率目标是1.5千瓦,比巢匠科技高100%;加工幅面400×300,体积大了3倍;以三轴为核心但保留五轴升级能力。一位北美用户想做摩托车改装件,需要约16英寸总长度,担忧800瓦主轴功率导致效率低下——用户的需求跟他想的三点完全重合。

关于五轴,王昊的逻辑是:五轴一定是未来用户的需求,但当下只能服务极少数场景。很多做五轴的厂商有惯性思维,觉得拓竹做雕塑,CNC也做雕塑。但五轴当前的主要使用场景不是雕塑——雕塑四轴就做得很好,3D打印也做得很好,竞争工艺太多,五轴没什么优势。很多竞品一开始就定义为AI生成雕塑然后加工,这个产品概念存在PMF风险,用户不买单,用户主要还是做零部件。

涌泉创新的众筹成绩支持了这一判断。成立一年多,公司不是今年最早的一批众筹玩家,却以超1600万美元的新品众筹成绩进入大众视野。王昊认为,产品定义正确的巢匠科技和造物时代,哪怕实现层面不是那么极致,众筹上也有不错成绩;涌泉在产品定义、产品实现、市场营销各方面都做得更好,所以成绩更好。

更深层的逻辑在于破圈路径。王昊认为CNC要破圈,是从最核心的专业人士往非专业人士去破的。当前主要业务场景还在专业人士那边,不管是公司还是专业个人。第一层破圈是把制造能力从工厂收回到工程师和手工艺人手里,博物馆修复、小提琴制造、手提包制造都需要CNC做金属件或木件。这一层需要的价格不是几千块人民币,几万块都可以。第二层破圈才是从工具到玩具,需要的条件更多、更苛刻,需要时间。

公司成立一年多已连续完成种子轮、天使轮和Pre-A轮三轮融资,投资方包括源码资本、经纬创投、方广资本、耀途资本、靖亚资本、元生资本等,团队扩张至约200人。王昊说,大疆以前的产品经理是产品需求经理、项目经理和系统工程师三合一的角色,从头到尾把产品带起来。他把这套方法论带入了涌泉创新——在产品定义、产品实现、市场营销这些能力上都要比别人好很多,才能真正胜出。

信息源:leiphone.com

研究

AI生成媒体推理初创公司fal获13亿美元融资,估值达160亿美元

专题 · fal融资动态实质变化
2026-11-04 06:32

AI生成媒体推理初创公司fal于2026年11月3日宣布完成13亿美元的F轮融资,估值达到160亿美元。据彭博社报道,此轮融资由Bessemer Venture Partners领投,Nvidia、Sound Ventures、HOF Capital和T. Rowe Price Group等机构参与。Bessemer合伙人Talia Goldberg将加入fal董事会。

fal提供云平台服务,支持图像、视频和音频生成模型的运行,开发者可通过单一API访问这些模型。其客户包括娱乐工作室、广告机构和游戏开发商。公司联合创始人兼首席执行官Burkay Gur表示,由于需求激增且服务需要更多算力,本轮融资规模较大。他提到,公司在夏季曾一度无法服务所有客户,不得不实施速率限制。

此次宣布还包括今年4月由Sequoia Capital领投的3.5亿美元E轮融资,当时估值为80亿美元。加上去年12月的1.4亿美元融资,fal累计融资额已超过19亿美元。据知情人士向彭博社透露,fal今年的年化收入已突破8亿美元。

该估值使fal略低于竞争对手Fireworks AI Inc.,后者在7月完成了15亿美元融资,估值为175亿美元。TechCrunch援引多位知情人士表示,由于购买或租赁算力的成本高昂,整个推理行业的毛利率仍然较薄。Gur表示,短期内没有预训练自有模型的计划,但并未排除未来可能性。

信息源:SiliconANGLE

研究

苹果向所有开发者开放Siri AI整合,新增Skills机制支持跨应用多步骤任务

专题 · 苹果Siri技能整合实质变化
2026-11-04 11:10

苹果公司宣布向所有第三方开发者开放新一代Siri AI整合能力,并引入名为“技能”(Skills)的新机制。这一更新随iOS 27.3、iPadOS 27.3等系统的测试版推出,标志着Siri从单一指令执行者向能够处理跨应用复杂任务的AI代理转变。

此前,Siri对第三方应用的调用主要依赖苹果预定义的架构或有限的快捷指令。现在,开发者可以通过App Intents框架更广泛地自定义操作,而“技能”机制允许Siri将多个独立动作组合成一个完整的工作流。例如,用户可以直接要求Siri查询购物App中的收藏商品,识别特定联系人,并通过通讯App发送该商品信息,整个过程无需用户手动切换应用。

这一变化与谷歌近期推动的Android AppFunctions及Gemini的多步骤任务能力方向一致,两大移动生态系统正竞相将AI助理打造为服务调用的统一入口。对于开发者而言,这意味着除了优化面向人类用户的界面外,还需考虑如何让AI理解并高效调用自家服务的功能模块。

需要注意的是,目前该功能仍处于开发者预览阶段,预计未来数月才会向普通用户推送,且App Store的相关提交审核通道计划于2027年春季开放。此外,Siri AI尚未正式支持繁体中文,其实际表现将取决于后续第三方应用的集成深度与可靠性。

信息源:TechOrange 科技報橘

研究

Salesforce AI Research:全路径评估区分'没存住'与'没用上',Agentforce 记忆策略调整使召回翻倍

实质变化
2026-11-04 08:18

AI Agent 回答错误时,开发者面对一个难以诊断的问题:这个错误是因为 Agent 根本没有保存那条信息,还是保存了但没有在需要时检索出来?Salesforce AI Research 研究总监 Erik Nijkamp 在博客中指出,仅凭 Agent 的最终回答无法区分这两种失败,因为基于旧事实生成的回复和基于当前事实生成的回复读起来完全一样。

为了解决这个诊断盲区,Salesforce AI Research 构建了一套评估框架:生成跨越多个会话的长对话,在对话中植入特定事实,将完整对话输入运行中的 Agentforce 系统,然后提出依赖那些事实的问题,检验 Agent 的回答是否正确。这套方法的关键在于测试从'客户说出信息'到'Agent 依据信息行动'的整条路径,而非只检查存储层或只检查检索层。评估所用的对话数据来自 ConvoMem——该团队 2025 年发布的一个公开基准。

基于这套全路径评估,团队发现改进不需要动架构。Agentforce Memory 的底层架构从上线至今没有变化,真正改变的是记忆策略——即决定 Agent 保留客户哪些信息、以及当信息发生变化时如何处理的规则。旧策略将客户的更新视为一条新事实,与旧事实并列存储;新策略将更新视为对已有事实的纠正,覆盖旧值。

在自家系统上运行的评估结果显示:新策略对明确陈述事实的召回是旧策略的 1.8 倍,对随时间变化的事实的召回是旧策略的 2.2 倍。Salesforce 将此概括为端到端对话记忆质量'本质上翻倍'。

需要明确的是,以上全部数字均为厂商在自家产品上、使用自家发布的基准进行的自测结果,尚无第三方独立复现。评估中未披露绝对召回率、对话样本量或统计置信区间,因此 1.8x 和 2.2x 的倍数关系能说明策略调整的方向性效果,但不足以判断在客户实际部署场景中的绝对表现水平。

尽管如此,这套方法论本身具有可迁移价值:当 Agent 记忆表现不佳时,先建立全路径评估以区分存储失败和检索失败,再针对性地修改对应层的策略,往往比重建架构更高效。Salesforce 首席科学家 Silvio Savarese 将这一思路概括为产品组织与实验室的区别——问题已经在运行、客户已经在上面,纪律是在改动之前先诚实测量。

信息源:Salesforce

研究

heise online数字政策记者Falk Steiner:欧洲主权云真正的风险不是数据访问,而是软件更新断供

专题 · 欧洲主权云依赖风险实质变化
2026-11-04 01:38

德国总理默茨在柏林数字峰会上被问到:如果德国情报机构使用Google云,这对本土数据中心运营商是否是一个坏信号?他的回答是否定的——因为Google也在欧洲投资。他说自己高度信任情报机构,即便美国供应商建设了大型云基础设施,数据也是安全的。

heise online数字政策记者Falk Steiner认为这个判断从根本上搞错了问题。他在评论文章中指出,真正需要担心的场景不是Google在总统指令下向美国情报机构交出德国数据——这种场景确实可以通过气隙隔离云的技术和组织措施来防范。危险在于另一个场景:一个软性断供开关。

Steiner列举了当前所有被标榜为欧洲主权方案的云产品——亚马逊的European Sovereign Cloud、基于微软Azure的Delos云、Google在法国的合作方案S3NS、以及计划在德国落地的Thales云——它们在技术上都依赖于美国公司维护的软件栈。软件栈是除了成本之外选择云供应商的核心标准。

问题在于业务连续性:一旦一位心情不佳的美国总统下令停止向第三方提供软件更新,这些所谓的主权云将在几个月内出现裂缝。届时需要把数据和云应用迁移到可运行的目标基础设施上——但这个目标基础设施必须首先存在。

而这里恰恰是一个死循环:没有锚定客户(比如拥有最高安全需求的德国情报机构),就没有经济动力去开发和运营一套能够替代美国方案的独立基础设施。没有这套基础设施,情报机构在断供发生时也就无处可迁。

欧盟层面目前正在制定《云与AI发展法案》(CADA),试图为主权设定相关标准;德国也计划在整个公共部门乃至受委托的私营服务商中确保独立性。Steiner认为,在这样的背景下,德国恰恰选择将情报机构最核心的机密知识押注在Google云方案上,是对整个数字主权努力的背叛。

Steiner的结论是:当真正需要做出选择时,主权被排在了第二位。那些在投资峰会上刚刚向默茨承诺了数十亿欧元、期望德国推动欧洲变得更独立的人,会记住这个信号。

信息源:heise online

研究

阿里云专有云国际化:收入占比不足5%却耗用近半资源,高管称系长期布局

实质变化
2026-11-03 23:20

据雷峰网报道,阿里云智能集团副总裁、专有云总经理刘国华近日披露了阿里云专有云国际化业务的最新财务与资源分配状况。数据显示,尽管该业务板块在2026年上半年实现了接近2倍的同比增长,但其收入在阿里云整体专有云业务中的占比仍然不到5%。与之形成鲜明对比的是,用于支持国际化业务的资源投入已接近整个专有云部门的50%。

这一巨大的“收入-资源”剪刀差揭示了阿里云当前在海外市场的战略姿态:即通过高强度的资源倾斜来换取长期的市场准入和基础设施主导权,而非追求短期的利润最大化。刘国华指出,海外项目从接触客户到真正实施通常需要2到3年,因此不能简单以月度KPI衡量,而需以年度甚至三年为周期进行评估。

在具体案例上,阿里云正试图将大型赛事的技术服务转化为国家级的数字基础设施。例如,在2026年达喀尔青年奥林匹克运动会中,阿里云不仅提供了云计算和AI技术支持,还打造了塞内加尔首个奥运专有云底座。赛事结束后,这朵“赛事云”将整体移交给塞内加尔政府,转为“国家云”平台,继续服务于当地的数字化转型。这种模式旨在通过标杆项目建立信任,进而带动更多政府和企业的云业务。

然而,海外交付面临独特的挑战。除了电力和网络等基础设施不稳定需要建立双可用区容灾体系外,语言和文化差异也是关键障碍。刘国华举例称,国内熟悉的“公专一体”概念直接翻译给海外客户难以理解,需转换为“Cloud Native”(云原生)等更符合当地技术认知体系的表达。此外,如何让当地团队具备自主运维能力,避免对中方人员的长期依赖,是决定这些云平台能否持续运营的关键。

随着“双I”战略(AI智能化与International国际化)进入第二年,阿里云参与海外市场的方式正在从单纯的资源提供转向深度参与当地数字基础设施建设。虽然目前国际业务占比尚小,但这种前置性的巨额投入意在抢占数字化建设早期阶段的海外市场,利用中国成熟的解决方案(如数字政府、城市大脑)寻找新的增长空间。

信息源:leiphone.com

研究

OpenAI与Anthropic自研Git后端应对AI代理流量瓶颈

实质变化
2026-11-04 11:12

OpenAI于11月2日发表工程文章《Scaling Git at OpenAI》,公开其自研的Git兼容后端Pando。此前,由于AI编码代理Codex大幅增加了并行工作负载,OpenAI内部单一代码库的可靠性有时低于90%,抓取和推送缓慢,合并失败频发。Pando保留了标准的Git客户端和协议,仅替换了服务器端。据OpenAI报告,引入Pando后,推送的中位延迟降低了近80%(约5倍),每天传输给客户端的Git数据量接近1 PB,峰值一小时超过57 TB。该系统由一名工程师设计核心,并由Codex代理团队在10周内用Rust语言实现,自2026年4月起承接正式流量。

Anthropic则在10月13日的工程部落格中说明,已将其内部代码库从Git完全迁移到自研系统Scion。与OpenAI保留Git客户端不同,Scion采用独立的客户端与服务器架构,假设用户永远在线,这与为离线开发设计的Git不同。Anthropic表示,其每日合并次数从5月的约2,500次增加到9月的超过30,000次。主干历史接近100 GB,持续整合(CI)系统每天约有2,500万次检出,因此先前需要数百个Git镜像。换成Scion后,基础设施的CPU与内存需求降至原本的1/200,CI与研究用的检出时间从分钟级缩短到秒级。这套系统由7人团队在Claude协助下,耗时5个月建成。

两家公司面对的核心问题是AI代理写程式与提交的速度已让传统版本管理成为瓶颈。OpenAI的Pando通过放弃仓库范围的一致性要求,改用因果一致性,允许无关分支独立更新,从而消除写入争用;同时将每个推送的包文件存储为不可变对象以供复用。Anthropic的Scion则直接替换了Git架构,针对高并发场景优化。目前,这两套系统都属内部使用,未对外开源或提供服务。这一趋势表明,随着AI代理在软件开发中的渗透率提高,大型科技公司正在重新构建底层开发工具链以应对前所未有的吞吐量压力。

信息源:INSIDE

研究

韩国经济人协会:中国竞争加剧恐致2030年韩电动车出口损失2.2万亿韩元

专题 · 韩国电动车出口竞争力实质变化
2026-11-04 10:12

韩国经济人协会(KEA)于2026年11月4日发布《韩国电动汽车出口及竞争力现状与启示》分析报告指出,尽管全球电动汽车市场迅速扩大,但韩国电动汽车的出口竞争力在过去两年显著减弱。如果中国电动汽车的市场份额持续扩大,预计到2030年,韩国电动汽车出口额中约有2.2万亿韩元(约合16.1亿美元)将面临被侵蚀的风险,这一数额相当于去年韩国电动汽车出口总额的14.7%。

根据国际能源署(IEA)的数据,电动汽车在全球新车销售中的占比已从2019年的2.6%上升至去年的25.0%,今年预计将达到29%。然而,韩国电动汽车在国内外市场的地位均有所收缩。在国内纯电动汽车(BEV)市场,韩国本土品牌的份额从2019年的73.7%下降至去年的57.0%,减少了16.7个百分点。在全球电动汽车出口市场,韩国的份额也从8.9%降至4.6%,特别是在2023年达到8.1%的高点后,连续两年下滑。

KEA基于联合国商品贸易统计数据库(UN Comtrade)计算得出的韩国电动汽车显性比较优势指数(RCA)显示,该指数从2023年的2.92大幅降至去年的1.48,几乎腰斩。RCA大于1通常表示具有出口比较优势。与此同时,中国的RCA指数从2017年的0.10上升至去年的1.49,已与韩国持平。贸易特化指数(TSI)也呈现类似趋势:中国从进口特化转向出口特化,TSI升至0.97,而韩国则从0.70降至0.50。

值得注意的是,这种竞争力的下滑主要集中在电动汽车领域。同期,韩国非电动汽车(主要是内燃机车)的RCA指数从2.47微升至2.54,TSI从0.63升至0.71,显示出传统汽车出口竞争力的稳固甚至改善。这表明韩国汽车工业内部出现了明显的两极分化。

报告还引用了美国麻省理工学院(MIT)去年7月的研究,指出中国政府的大规模支持是造成竞争力差距的背景之一。MIT估计,2024年中国对电动汽车和电池制造业的补贴总额约为175亿美元(约合23万亿韩元)。KEA经济本部长李相浩表示,中国电动汽车产业凭借政府强力支持正在快速抢占未来汽车市场,建议韩国政府考虑实施国内生产税额抵免等政策支持,以扩大国内电动汽车生产基础。

信息源:미래를 보는 창 - 전자신문

研究

日本材料公司Resonac开发300mm碳化硅基板,目的不是卖大尺寸晶圆

专题 · Resonac实质变化
2026-11-04 19:00

碳化硅功率半导体行业正在经历从150mm向200mm衬底的过渡。据Resonac开发负责人介绍,有观点认为200mm品成为主流大约在2030年前后,而300mm的全面过渡则要到那之后。在这个背景下,日本材料公司Resonac于2026年9月宣布成功生长并加工出直径300mm的SiC单晶基板,并在同月于横滨举办的国际碳化硅会议(ICSCRM 2026)上首次公开展示。乍看之下,这似乎是在为下一代量产做准备。但Resonac开发负责人的回答出人意料:没有销售300mm SiC外延晶圆的计划,开发目的纯粹是提高现有150mm和200mm产品的竞争力。

这一逻辑建立在一个具体的材料科学事实上。SiC单晶生长过程中,口径越大,结品生长时的温度分布等条件就越难控制。Resonac的策略是主动选择最难的300mm条件去攻克这些控制难题,然后将获得的温度场设计等经验回灌到已经在量产的较小口径产品上。换句话说,300mm在这里不是产品,而是一把尺子——用来校准自身在更实际尺寸上的工艺极限。

Resonac对竞争对手的300mm展示也给出了类似解读。中国的SICC和美国的Wolfspeed近期都公布了300mm SiC开发成果,外界容易将其理解为量产竞赛的提前布局。但Resonac认为,这些展示未必都指向早期量产,可能同样包含通过证明大口径能力来为中小尺寸产品背书品质信心的意味。当然,这是Resonac方面的判断,各公司的实际商业计划并未公开。

真正决定SiC衬底何时从200mm过渡到300mm的,不是衬底厂商能否做出样品,而是器件制造商那边的设备环境。Resonac举了一个历史先例来说明这一逻辑:据其介绍,当前正在推进的SiC基板200mm化,与硅半导体完成300mm过渡后腾出大量200mm兼容产线有关。硅和碳化硅并非使用完全相同的设备,但评估装置等部分设备可以共用,这为器件厂降低200mm SiC的切换成本创造了条件。同理,SiC的300mm化需要器件厂愿意将300mm产线资源分配给SiC,这取决于AI数据中心、电动车等终端市场对SiC器件的需求是否增长到足以证明这种分配合理。

成本是另一道门槛。大口径的核心优势是单片晶圆产出更多芯片从而摊薄成本,但如果300mm衬底本身的售价或器件厂的设备改造投入过高,总成本未必下降。Resonac明确表示,300mm要成为现实产品,必须达到器件厂愿意采用的价格水平。目前这个价格尚未形成。

这篇访谈拆解了一个常被简化的叙事:晶圆尺寸越大就意味着量产时代即将到来。实际上,衬底厂商做出300mm样品只是必要条件之一,器件厂的设备意愿、衬底的价格竞争力和终端需求的规模增长缺一不可。Resonac自身也表明,300mm的商用化将取决于客户器件厂的主动需求,而非衬底厂商单方面推动。

信息源:EE Times Japan

研究

谷歌DeepMind在Antigravity中发布化学信息学技能,加速药物发现工作流

实质变化
2026-11-03 23:00

2026年11月3日,谷歌DeepMind宣布在其智能体平台Google Antigravity中正式推出“化学信息学技能”(Cheminformatics Skills)。这一更新旨在让AI代理能够协助计算化学家和实验化学家处理复杂的药物发现工作流,包括从文献中提取数据、进行分子分析以及提出新的候选化合物。

该技能套件的核心在于分工:底层大语言模型负责工作流编排、数据库导航和科学推理,而确定性的化学工具则执行具体的分子计算。这些技能基于开源化学信息学工具包RDKit构建,并连接了ChEMBL和PubChem等权威数据库。通过这种架构,AI代理不仅能理解自然语言指令,还能调用专业工具进行精确的化学操作,避免了单纯依赖语言模型可能产生的幻觉或计算错误。

DeepMind展示了一个针对非小细胞肺癌治疗的案例。传统上,从文献中整理数据、训练预测模型并提出新分子可能需要数天时间。使用Antigravity的化学信息学技能,AI代理能在约一小时内完成以下任务:搜索数千种化合物,过滤无关分子,执行匹配分子对分析(MMPA)以量化结构变化对活性的影响,并基于刚性化策略(rigidification)提出新型大环化合物及其合成路线。例如,代理分析了克唑替尼(crizotinib)和洛拉替尼(lorlatinib),识别出后者通过减少可旋转键来提高结合亲和力的机制,并据此设计了新的刚性大环分子。

值得注意的是,DeepMind强调这些工具生成的是“可测试的假设”,而非最终药物。稀疏的数据、实验室间的噪音以及动态范围的局限性仍然制约着模型的预测精度。所有提出的设计仍需经过湿实验的合成与验证。目前,这些技能已面向Google Antigravity用户开放,企业用户可通过Google Cloud凭证登录使用。

信息源:Google DeepMind

研究

Anthropic修订IPO招股书:Q3收入同比增1127%,算力承诺达8954亿美元

专题 · Anthropic上市结构性
2026-11-03 12:27

美国AI公司Anthropic于11月2日公开了修订后的IPO招股说明书(S-1/A),更新了2026年第三季度的财务数据及最新的基础设施开销承诺。数据显示,该公司第三季度收入达到169.56亿美元,同比增长1127%,约为去年同期的12.27倍。尽管GAAP净亏损扩大至232.91亿美元,但其中九成以上来自可转换票据等金融工具的公允价值变动,属于非现金损失。剔除这些影响后,2026年前三季度调整后营业利润为40.81亿美元,经营活动现金流转为正值。

在资本支出方面,Anthropic签下了超大额的算力采购及租赁协议。截至2026年9月30日,其累计承诺支出约8954亿美元,远高于此前投资者会议披露的至少5180亿美元计划。其中,约4475亿美元预计在2030年底前发生,另有698亿美元将在未来12个月内到期。这一数字凸显了头部AI模型公司在商业化加速的同时,仍面临巨大的长期算力成本压力。

此外,《华尔街日报》10月26日报道称,Anthropic目标是在11月16日当周上市,预计筹集资金可能超过1000亿美元,估值区间可能在1.5万亿至2万亿美元之间。目前招股书尚未披露最终发行股数和价格区间。

信息源:zhidx.com

研究

Django联合创造者Simon Willison用本地27B模型复现权重解读:识别出3款游戏,但推理过程近乎不可理解

专题 · 权重空间编程争议实质变化
2026-11-04 00:29

11月2日,Rikiya Takehi、Jayden Teoh、Alex Zhang和Omar Khattab发表了一篇题为《Sparks of Weight-Space Programming》的文章(作者自称为博客,但Willison认为它"论文形状"),提出"权重空间编程"概念——即大语言模型分析并修改神经网络权重。文章声称前沿模型GPT-6 Astra仅凭原始权重中的浮点数就能判断一个策略网络被训练来玩哪款游戏,无需任何工具或代码执行。

Willison用LM Studio加载Qwen 3.8 27B(Q4_K_M量化,约17GB),将默认8192上下文窗口调长(默认设置会报错),并通过环境变量将超时提升到900秒。他依次运行了论文提供的四个游戏权重解读任务。结果:Pac-Man在46分12秒、43506个推理token后正确识别,置信度72%;Pong在1小时4分54秒后正确识别,置信度75%;Breakout在52分25秒后正确识别,置信度88%。但Freeway失败了——模型将其误判为"一个简化的吃豆人式网格游戏:智能体四方向移动"。

推理过程本身比结果更值得关注。Willison摘录了Qwen的推理轨迹片段,其中模型在尝试理解权重数值时逐行列出输入编号、行列坐标和通道值,试图从数字中推断智能体位置,最终猜测"Agent position could be near bottom-right?"Willison形容这些推理轨迹"读起来有趣,但几乎不可理解",并补充说一个足够有经验的人拿着纸笔花足够时间也能做到同样的事。

Willison也引用了两条外部批评。spaCy作者Matthew Honnibal认为原论文将"无工具解读权重"和"用代码修改权重"两个话题混为一谈,具有误导性;Sean Goedecke则拆解了论文中Astra修改Qwen3.5-0.8B权重的例子,指出其步骤与人类机器学习研究者的做法无异。Willison自己的判断是克制的:他认为这是一篇有趣的论文,但围绕它的许多评论"感觉并不合理",他还没准备好宣布"源代码时代已经结束,未来将由不可理解的机器以不可理解的方式编辑自己的模型权重"。

信息源:Simon Willison’s Weblog

研究
下一页 →
登录 / 注册
阅读研究雷达投资体系