Group 1 - OpenAI's open language model is expected to debut as early as next week [1]

Core Insights - OpenAI's open language model is expected to debut as early as next week [1] Company Summary - OpenAI is preparing to launch its open language model, indicating a significant development in the field of artificial intelligence [1]

据美国科技媒体The Verge：OpenAI的开放语言模型即将问世。 ...

以下文章来源于晚点科技 ，作者晚点团队 晚点科技 . 晚一点，好一点 今年 4 月，《晚点 LatePost》曾访谈 AI Agent 创业公司 Pokee.ai 创始人朱哲清， 他分享了强 化学习如何用于构造 Agent 。 我们了解到，Pokee.ai 近期完成种子轮融资，募资额约 1200 万美元。投资人包括对冲基金 Point72 旗下风险投资机构 Point72 Ventures、芯片公司高通的风投部门 Qualcomm Ventures， 以及英特尔 CEO 陈立武、前 Adobe CTO Abhay Parasnis 和前 Tinder CTO Maria Zhang。 Pokee.ai 去年 10 月成立，最近也只有 7 名员工。创始人朱哲清告诉我们，完成融资后 Pokee.ai 不计划大规模扩招，短期内研发员工数量不会超过 10 人。资金将用于扩张其 Agent 产品 Pokee 的可选工具集、加快对大公司客户销售。 创立 Pokee.ai 之前，朱哲清曾任 Meta "应用强化学习" 部门负责人，用强化学习算法改善内容推荐系 统，把上任前只剩 3 人，一度要关停的部门扩张至 10 余人，为 ...

"ToB是目前熟悉这些领域的创业公司可以去做的，但ToC肯定是更大的市场，不过从目前的情况看， ToC赛道上互联网巨头有更大的优势，可能有60%的市场会被这些巨头占据。"李竹说："可以看到美股 市场上'七姐妹'涨得非常好，也有英伟达这种基础设施公司，这些巨头有用户、有资产、有交互能力， 因此对于创业者而言剩下的就是这40%的市场，因此我想在ToC方面与元宇宙、与虚拟资产生成相关的 领域对于创业者而言是一个有利的赛道。" "能带动中国未来15年到20年快速增长的要素毫无疑问是人工智能，这带来的是一个超级周期，过去几 年有房地产的超级周期，也有移动互联网的超级周期，所谓超级周期是如果你投身其中去创造价值，大 概率都会实现转型。"英诺天使基金创始合伙人李竹近日在2025全球数字经济大会——AIGC与元宇宙融 合发展论坛上给出如上观点。 他认为新一代人工智能与上一代相比，不仅能做到反思还有决策和执行，所谓"虚实融合"也是来源于 此，而由新一代人工智能带来的产业革命对未来三五十年都会有巨大的影响。 "过去一段时间内，大语言模型发展迅速，即信息智能，但是从今年的情况看，未来最热的会是具身大 模型，因为信息智能更多是在数字 ...

机器之心报道 编辑：泽南、+0 现在的世界模型，值得批判。 我们知道，大语言模型（LLM）是通过预测对话的下一个单词的形式产生输出的。由此产生的对话、推理甚至创作能力已经接近人类智力水平。 但目前看起来，ChatGPT 等大模型与真正的 AGI 还有肉眼可见的差距。如果我们能够完美地模拟环境中每一个可能的未来，是否就可以创造出强大的 AI 了？回想 一下人类：与 ChatGPT 不同，人类的能力组成有具体技能、深度复杂能力的区分。 模拟推理的案例：一个人（可能是自私的）通过心理模拟多个可能结果来帮助一个哭泣的人。 人类可以执行广泛的复杂任务，所有这些任务都基于相同的人类大脑认知架构。是否存在一个人工智能系统也能完成所有这些任务呢？ 论文：Critiques of World Models 论文链接：https://arxiv.org/abs/2507.05169 研究人员指出了构建、训练世界模型的五个重点方面：1）识别并准备包含目标世界信息的训练数据；2）采用一种通用表征空间来表示潜在世界状态，其含义可 能比直接观察到的数据更为丰富；3）设计能够有效对表征进行推理的架构；4）选择能正确指导模型训练的目标函数； ...

朱昆仑是伊利诺伊大学香槟分校（UIUC）计算机科学系的研究生，现隶属于Ulab与Blender Lab，曾在斯坦福大学、卡内基梅隆大学（CMU）与蒙特利尔学习算 法研究所（Mila）进行学术访问。他的研究方向包括大语言模型（LLM）智能体、多智能体系统、AI科学家与工具学习等，在ICML、ICLR、ACL、TMLR等顶 级会议与期刊发表论文10余篇，总引用超过1500次。 他积极参与多个广泛影响的开源项目，包括 OpenManus(RL)、ChatDev（MACNET）、ToolBench 等，累计 在 GitHub 上获得超过 5万+ stars。此外，他曾受邀在 AMD 开发者大会、阿里巴巴云栖大会等重要学术与工业会议中作报告，分享其在AI智能体方面的开源成 果。 这不仅是一个评测集，更是首个能够全面、系统化地评估 LLM 多智能体系统协作与竞争能力的综合性基准。它不仅仅是一套「考题」，而更像一个「模拟 真实社会动态的实验室」，旨在揭示多智能体协作的奥秘，并回答一系列关键问题： …… 论文标题： MultiAgentBench：Evaluating the Collaboration and Compet ...

Core Viewpoint - The ongoing competition for AI talent in Silicon Valley is intensifying, with OpenAI successfully recruiting key personnel from Tesla, xAI, and Meta, highlighting the scarcity of top AI experts in the industry [1][2]. Group 1: Talent Acquisition - OpenAI has hired four significant AI figures from Tesla, xAI, and Meta, including David Lau and Uday Ruddarraju, indicating a strategic move to bolster its capabilities [1]. - Meta has initiated aggressive recruitment efforts, including direct outreach via WhatsApp and substantial salary offers, to build a new AI lab aimed at accelerating the development of General Artificial Intelligence (AGI) [2]. - Reports indicate that the demand for AI-skilled positions has grown by 21% annually since 2019, significantly outpacing the supply of qualified candidates [2]. Group 2: Salary and Compensation - Meta is reportedly offering salaries significantly above market averages to attract top AI researchers, with compensation for AI engineers ranging from $186,000 to $3.2 million, compared to OpenAI's range of $212,000 to $2.5 million [4]. - There are claims that Meta offered signing bonuses as high as $100 million to lure OpenAI employees, although Meta's CTO downplayed these figures, stating they apply only to a select few senior positions [3][4]. Group 3: Industry Impact - The competition for AI talent is described as reaching a "professional competitive level" in Silicon Valley, with estimates of the number of top AI experts globally being less than 1,000 [2]. - The recruitment of key personnel from Apple, such as Pang Ruoming, to Meta's new AI team may lead to further instability within Apple's AI divisions, as other engineers express intentions to leave [4].

你有没有试过深夜向聊天机器人倾诉烦恼，得到的却是一串精准但略显机械的安慰？现在，这些人工智 能（AI）对话助手已经越来越能"读懂人心"，甚至比朋友更快给出建议，但我们却似乎难以真正被其打 动。 不久前，《自然·人类行为》上发表了一项研究，为人们揭示了这个令人深思的现象：人们确实愿意接 受来自人类的情绪支持，而不是来自AI的——哪怕这两者的回复内容几乎一样。 原标题：当AI说"我懂你"，人类为何难被打动？ 你是否也不相信AI能"懂"你？ 50年前，美国芝加哥大学哲学家约翰·豪格兰德曾说："AI的问题在于，计算机根本不在乎。"这个看法 至今深入人心，尤其在涉及AI和人类情感交互的领域。 这次，包括以色列希伯来大学科学家在内的团队开展了一系列实验，涉及超过6000名参与者。他们给参 与者展示了一些情绪支持的回复，这些回复都出自同一个AI生成式语言模型。只不过，科学家有时告 诉参与者这是AI写的，有时则说是人类写的。 当人们以为是在和人类交流时，他们对回复的评价更高，觉得更有同理心、更能带来情感上的共鸣；而 当他们知道是AI写的，即使内容一模一样，也会觉得这些建议缺乏温度，甚至让人有点失望。 为何我们更信任人类的情绪 ...

机器之心报道 编辑：张倩 思维链里的步骤很重要，但有些步骤比其他步骤更重要，尤其是在一些比较长的思维链中。 找出这些步骤，我们就可以更深入地理解 LLM 的内部推理机制，从而提高模型的可解释性、可调试性和安全性。 但是，这些步骤没有那么好找，因为每个生成的 token 都依赖于之前的所有 token，其计算难以分解。 在最近的一项研究中，来自杜克大学和 Aiphabet 的研究者提出， 在句子层面分析推理痕迹或许是一种有前途的方法 。 作者指出，与 token 相比，句子的连贯性更强，并且往往与 LLM 提取的推理步骤相一致；与段落相比，句子不太可能混淆推理步骤，并且可以作为连接不同步骤 的有效对象。 作者提出了三种互补的方法来分析 LLM 的推理过程，这些方法旨在识别推理过程中的关键步骤，即所谓的「思维锚（thought anchor）」，这些步骤对后续推理过 程具有重大影响。 论文标题：Thought Anchors: Which LLM Reasoning Steps Matter? 论文链接：https://arxiv.org/pdf/2506.19143 第一种是 黑盒方法 。它通过反事实分析衡量句 ...