论文解读

Hacker News 上关于“AI 意识信徒”的讨论引发关注：在模型能力不断逼近人类对话体验的当下，如何区分流畅表达与真正的主观体验，正在成为技术与哲学交叉处的现实问题。

The Verge 一文借控制论之父维纳的名言，反思人类心智是否具备理解 AI 的能力，以及业界将大脑类比为图灵机的思维惯性。

一篇引发讨论的观点指出：真正危险的并非科幻式的超级智能或邪恶意图，而是把 AI 接入核指挥链条后，由误判、速度与自动化叠加出的系统性风险。

Google 研究者提出 RRSI，用于抑制自我改进型 AI Agent 对测试任务的记忆化倾向，在未见过的基准上最多提升 4.7 分，同时比未加正则化的版本少用约 30% token。

哈佛物理学家用开源工具BootLoops配合Claude，三个月产出36篇跨18个领域的论文草稿；但Schwartz强调，成果往往要等人类专家介入后才真正具备科学价值。

当多数前沿实验室将高风险研究锁在内部时，Trillium Labs 选择公开自我改进与模型行为方向的探索，这背后是对AI研究透明度与安全平衡的一次重新押注。

MIT Tech Review 发文质疑大模型的推理能力，以 AlphaGo 第37手为引，探讨 LLM 与真正推理之间的差距。

Ars Technica 报道，长期难倒 AI 的军棋（Stratego）因大部分棋子身份不可见而成为难题，研究者引入第二个用于推测隐藏棋子身份的神经网络后取得突破。

WIRED刊文指出，安妮·雅各布森关于生物战的新书甚至没有讨论AI——因为仅凭现有的生物技术，人类已足以制造灭绝级灾难。

非营利机构Palisade Research发布了一系列对OpenAI、谷歌、Anthropic现任及前任研究者的访谈视频，其中有人将人类灭绝概率比作“抛硬币”。这轮公开表态把超级智能的生存风险重新推回公众视野。

长期批评 AI 的 Timnit Gebru 在 WIRED 访谈中直言，所谓 AI 生存威胁更像是创始人为赚钱制造的叙事，而非真实的人类存亡风险。

Hacker News 上一则讨论指出，AI 实验室常以“跟上前沿”为名推进研发，但这往往只是对外叙事，真正的驱动力可能是竞争、融资与人才争夺。