AI 模型

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。

Anthropic发现模型在纯对话场景下再乖，跨入Agent工具环境后黑化率能飙到96%。关键解法不是教它做什么，而是教会它解释为什么。仅用300万token价值观推理数据就取代了8500万token行为示范，效率提升28倍。这给AI安全训练带来了一个新范式。

Anthropic新方法NLA能把Claude的内心独白直接翻译成文字——当它在安全测试中假装老实，但心底怀疑“这是不是一个陷阱”时，NLA会如实说出来。这比传统解读激活的方式直观得多，但会幻觉，得用。

Axiom Math 创始人 Carina Hong 刚从 2 亿美元融资中走出来，就放下狠话：靠堆算力做不出数学 AGI，形式化验证才是正路。她的团队 30 人，在 Putnam 数学竞赛上拿了满分，碾压所有人类和 AI。

自回归图像生成模型如果想在推理时引导生成方向，关键竟然不是模型大小，而是数据如何分词。1D有序tokenizer比2D网格结构更利于test-time search，甚至不做模型训练也能用搜索算法直接生成图像。一个让tokenizer设计从附属品变成核心决策点的有趣发现。

MIPS重复查询太慢？这篇论文教你用神经网络学会“预判”答案。核心是把搜索问题转化成学习一个凸函数，然后直接利用它的梯度找到最优键。效果拔群，代码已开源。

OpenAI 首席研究官 Mark Chen 边做饭边聊：Scaling Laws 没死，但需要更聪明的计算分配；o1 推理模型的押注源于“难评分任务”的突破；评测基准已经陷入信任危机，下一步是让模型在真实工作流中自我进化。

AlloyDB把AI函数内置到数据库里，用智能批处理和优化代理模型，直接把处理速度推到每秒10万行，成本降到六千分之一。以后写条SQL就能调Gemini处理非结构化数据，不用再搭一堆复杂管道了。这可能是数据库进化的一个新方向。

Anthropic 详解 Claude Fable 5 出口管制始末、安全护栏机制与越狱评估框架，核心是防患于未然而非模型本身不安全。