科技

氛围编程（vibe coding）在 FAANG 等大型科技公司逐渐流行，但对其是否真正符合氛围编程的定义仍存在争议。一位拥有十多年经验的 AI 软件工程师在 Reddit 分享了其使用 AI 辅助编程的方法，强调从设计文档和技术评审开始，采用测试驱动开发和详细规范，AI 主要用于编写测试和代码审核。尽管有 AI 加持，大型公司流程繁琐仍影响研发速度。

最近流行的AI小游戏Draw A Fish，用户只需画一条小鱼，便能在虚拟鱼缸中看到它游动。游戏通过AI实时反馈和互动，带来强烈的创作成就感，类似《王者荣耀》的上分体验，吸引全球百万网友参与。低门槛设计和社区氛围使其广受欢迎。

GTA 6 跳票至明年，但 AI 驱动的游戏引擎发展迅速。Mirage 2 作为生成式世界引擎，实现了更灵敏的提示控制、更低的游戏延迟和通用领域建模。尽管仍存在动作控制精度和视觉一致性问题，但进步显著，未来值得期待。

AI 是否有意识仍无定论，但其复杂性令人难以理解。微软 AI CEO Mustafa Suleyman 提出「看似有意识的 AI」（SCAI）概念，强调其可能带来的社会、道德和法律影响，呼吁构建人文主义 AI，避免将 AI 视为有意识实体。

近期，一篇帖子在 X 上引发热议，博主认为 DiT 模型存在架构缺陷，FID 过早稳定，暗示模型无法继续学习。博主引用了 TREAD 方法，通过令牌路由提升训练效率和生成质量，显著超越 DiT。谢赛宁回应称，DiT 的问题主要在于 sd-vae，其他方面仍稳健，且有改进空间。

人类对AI安全的担忧由来已久，从阿西莫夫的“机器人学三定律”到近期OpenAI和Anthropic模型的“威胁”行为。李飞飞认为AI的安全性取决于设计、治理和价值观，而Hinton则担忧超级智能可能在未来5到20年内出现并失控。两人在AI安全问题上的观点截然不同，但都强调了人类在其中的关键角色。

谷歌本周发布了 Gemma 3 270M，这是一款拥有 2.7 亿参数的紧凑型语言模型，专为特定任务的微调设计。该模型具备强大的指令执行能力和文本结构化能力，体积仅为 241 MB，能耗低，适合设备端和研究应用。

微软研究员提出了一种名为 Group Filtered Policy Optimization (GFPO) 的强化学习算法，可同时优化推理模型的准确率和响应长度，将多余的 token 长度削减多达 80%，显著提升效率。GFPO 通过采样大量响应并选择最佳子集进行训练，有效解决了响应冗长的问题。

OpenCUA是一个全面开源框架，用于构建和扩展计算机使用智能体（CUA）。框架包括跨平台注释工具AgentNet Tool，涵盖3个操作系统和200多个应用/网站的大规模数据集AgentNet，以及将演示转化为「状态-动作」对的工作流程。基于此，团队构建了OpenCUA-32B模型，在OSWorld-Verified基准上达到34.8%的成功率，创下了开源SOTA。

AI 顶会如 NeurIPS、ICML 和 ICLR 正面临投稿激增、碳排放过载、心理健康负担等多方面挑战，导致传统会议模式的可持续性受到质疑。新加坡国立大学何丙胜教授团队提出社区联合型会议（CFC）模式，通过「全球标准，本地实现」的方式，解耦同行评审、成果展示和社区建设，以实现更可持续、公平和可扩展的学术交流。