StreamPI補上時序

硅谷101·2026年08月28日 10:21我們離真正讀懂AI的內部世界，還有多遠？如今的AI仍然是一個黑箱，我們知道如何訓練模型，如何讓它變得越來越聰明，也知道它最終給出了什麼答案。但在輸入和輸出之間究竟發生了什麼，我們仍然知之甚少。試圖打開這個黑箱、理解模型內部究竟發生了什麼，正是可解釋性研究（AI interpretability）希望解決的問題。

作者：清源 責編：清源 評論： 感謝網友 I'm OK 👌 的線索投遞！8 月 27 日消息，據英國 BBC 今天（27 日）報道，英國貝德福德郡 48 歲的里斯 · 希伯特成為全球首位在 AI 實時輔助下接受腦部手術的患者，醫生成功切除了他的腦部腫瘤。

英偉達前AI總監近日提出一套顛覆性的技術路線，試圖徹底改寫當前人工智慧領域由Transformer架構主導的局面。這項新方向鎖定「物理AI」與超大型上下文窗口，目標是讓模型具備推演整個宇宙運作邏輯的能力，消息一出立刻引發學界與產業界高度關注。 過去幾年，Transformer幾乎成為大型語言模型的代名詞，從自然語言處理到多模態理解，幾乎所有主流AI系統都建立在這個架構之上。然而，隨著應用場景從文字對話延伸到物理世界模擬、機器人控制與科學計算，Transformer在運算效率、記憶長度與時空推理上的瓶頸也越來越明顯。

《麻省理工科技評論》在分析 AI 訓練過程時採訪了多位研究大語言模型效率的專家。一個很直觀的結論是：嬰兒學習語言的能力遠勝今天的 AI 聊天機器人，而且學習效率也高得多。

將動作從輸出端搬到調度端，推理速度提升1.79倍。 作者丨鄧哲敏 編輯丨齊鋮湧 機器人想要真正走進千行百業、千家萬戶，有一道繞不開的坎：它得足夠快。不說快到能打羽毛球那，至少得快到讓人覺得這玩意兒能用。一個機械臂每動一下都要停頓兩三秒，哪怕成功率再高，在工業場景裡算下來的投入產出比也很難說服人。VLA 模型是當前具身智能領域最受關注的技術路線之一。它把視覺感知、語言理解和動作生成整合進一套模型，讓機器人能夠依據語言指令完成複雜操作任務。但 VLA 模型有一個部署層面的老大難問題：推理太慢。

SPADE透過自博弈機制讓大型語言模型生成可執行的環境，並由同一模型分別扮演不同角色。環境目標會隨著模型能力提升而自動調整難度，最終使工具使用能力提升13.9%。