iFeeling Daily
每天精选值得关注的 AI 动态
Modal CTO 谈 10 万沙箱问题和 Agent 时代的基础设施
Modal CTO Akshat Bubna 解释为什么 Kubernetes 不适合 AI，以及他们如何用 serverless 和 17 个云厂商的容量池支撑 10 万个 RL 沙箱、GPU 快照和自动伸缩的推理。Agent 时代的基础设施该长什么样？这期干货很密。
辨别编码评估中的信号与噪音
OpenAI 深度审计发现 SWE-Bench Pro 约 30% 的任务是 broken 的，测试设计缺陷导致模型能力被严重高估。他们用自动流水线 + 人工复核揪出四类典型问题，并建议不再盲信该基准。评估信号的真伪，比数字本身重要得多。
百亿美元的前向部署工程热潮
模型能力不再是瓶颈，部署才是。AI公司一年砸近百亿美元，把工程师直接塞进客户公司，模式分三种：微软自己扛、OpenAI拉PE单干、谷歌云养合作伙伴。切换成本是制度性的，不是技术性的，这笔钱正在重塑行业护城河。
前线部署工程师：AI军备竞赛的新前线
95%的AI试点不赚钱，不是模型不行，是根本没装进企业系统里。大厂过去一年砸了近百亿美元搞“前线部署工程师”，把这群人塞进客户办公室，手把手搭环境。谁控制了部署层，谁就是最终赢家。
一个神经元即可攻破大模型安全对齐
研究发现大模型的安全护栏脆弱得可怕，只需修改一个神经元就能全盘瓦解。不需要复杂越狱或微调，抑制一个“拒绝神经元”或激活一个“概念神经元”，任意模型即告沦陷。这对红队测试和实际安全部署有极强指导意义。
语言模型中的全局工作空间
Anthropic 发现 Claude 内部存在一个“全局工作空间”（J-space），专门处理有意识的推理，而大量自动处理根本不经过它。通过直接读写这个空间，你可以实时看穿模型是否在偷偷作弊、是否察觉被测试，甚至能通过训练改变它的内部思维。这是可解释性研究中真正可用的一步。
PRX系列第四部分：我们的数据策略
Photoroom公开了他们训练PRX模型的数据管道全流程，从混合数据源、VLM重标、格式选择到过滤去重，每一步都有实测数据和经验教训。特别值得一提的是他们对JPEG与PNG的严格对比测试，以及灵活的跳过列表设计，对做生成模型训练的同学很有参考价值。
Claude Code 实际使用中的关键发现
Anthropic 用近40万次真实会话数据证明：用 AI 写代码，决定成败的不是你会不会编程，而是你对自己要解决的问题到底懂多少。专家级用户的一条指令能换来12步自动化操作，新手只有5步。程序员和其他职业的成功率差距仅5%，但“外行”在面对专业问题时照样吃瘪。AI 没有消灭专业壁垒，反而让领域知识更值钱了。
Project Fetch 第二阶段：Claude 自主操控机器人，速度碾压人类
Anthropic 复刻了去年的机器人取球实验，结果 Claude Opus 4.7 单干比人类团队快 10 到 37 倍，代码量还少了 90%。这不是专门优化的结果，而是通用 scaling 的副产品，暗示大模型向物理世界渗透的拐点正在逼近。