缅因州图书馆员帮助读者抵抗AI，提供禁用服务
缅因州西尔斯蒙特镇图书馆近期推出一项新服务：帮助读者从手机和其他设备中移除人工智能功能。图书馆馆长史蒂文·布朗表示，很多人不知道有选择权，他的工作是帮助他们禁用Siri等AI助手或邮件中的智能功能，并转向不使用AI概览的浏览器。他认为帮助人们批判性思考技术是图书馆员工作的自然延伸。邦戈公共图书馆参考馆员汉娜·赛勒斯是该运动的先驱，她开设的“避免AI”课程讲解了生成式AI的风险、如何禁用及寻找替代品。赛勒斯强调，Gmail和ChatGPT并非中立，它们是大公司获取信息和注意力的产品。她警告，AI生成的不是信息而是文字，且常混合权威与不可靠来源，损害信息评估能力，并消耗大量能源和水资源，存在隐私泄露风险。她的课程吸引了众多缅因州图书馆员参与。 #图书馆 #AI #隐私 #科技伦理 #缅因州 #信息素养 #数字权利 #反AI #BigTech
缅因州西尔斯蒙特镇图书馆近期推出一项新服务：帮助读者从手机和其他设备中移除人工智能功能。图书馆馆长史蒂文·布朗表示，很多人不知道有选择权，他的工作是帮助他们禁用Siri等AI助手或邮件中的智能功能，并转向不使用AI概览的浏览器。他认为帮助人们批判性思考技术是图书馆员工作的自然延伸。邦戈公共图书馆参考馆员汉娜·赛勒斯是该运动的先驱，她开设的“避免AI”课程讲解了生成式AI的风险、如何禁用及寻找替代品。赛勒斯强调，Gmail和ChatGPT并非中立，它们是大公司获取信息和注意力的产品。她警告，AI生成的不是信息而是文字，且常混合权威与不可靠来源，损害信息评估能力，并消耗大量能源和水资源，存在隐私泄露风险。她的课程吸引了众多缅因州图书馆员参与。 #图书馆 #AI #隐私 #科技伦理 #缅因州 #信息素养 #数字权利 #反AI #BigTech
AI算力瓶颈并非GPU短缺，内存带宽才是关键
近期，AMD与高通相继公布新型内存封装方案，英伟达则锁定SK海力士HBM供应至2030年。H100交货周期长达36-52周，数据中心预计消耗2026年70%的内存芯片。表面看是GPU短缺，实则内存带宽才是真正瓶颈——这一问题早在2007年就被诊断。Ulrich Drepper在其经典论文中指出，CPU速度远超内存，形成“内存墙”，数据位置决定代码速度。如今AI场景中，HBM相当于主存，GPU片上SRAM相当于L1缓存，大模型每次生成token需反复搬运数GB权重。FlashAttention等突破正是通过优化数据局部性，减少HBM往返，将Drepper的理念移植到Transformer上。 #AI #内存带宽 #GPU短缺 #HBM #FlashAttention #科技新闻 #算力瓶颈
近期，AMD与高通相继公布新型内存封装方案，英伟达则锁定SK海力士HBM供应至2030年。H100交货周期长达36-52周，数据中心预计消耗2026年70%的内存芯片。表面看是GPU短缺，实则内存带宽才是真正瓶颈——这一问题早在2007年就被诊断。Ulrich Drepper在其经典论文中指出，CPU速度远超内存，形成“内存墙”，数据位置决定代码速度。如今AI场景中，HBM相当于主存，GPU片上SRAM相当于L1缓存，大模型每次生成token需反复搬运数GB权重。FlashAttention等突破正是通过优化数据局部性，减少HBM往返，将Drepper的理念移植到Transformer上。 #AI #内存带宽 #GPU短缺 #HBM #FlashAttention #科技新闻 #算力瓶颈
VAR模型局限性催生因果网络图
向量自回归（VAR）模型在经济学研究中被广泛用于分析变量间的相互影响，但其核心局限在于无法将某一内生变量在特定时点上对其他变量的总反馈分解为直接影响、间接影响和总反馈。传统上，可通过正交脉冲响应函数衡量总效应，但要分离间接与直接效应则需追踪VAR模型中每个方程内的传导路径，计算量巨大。针对这一痛点，计量经济学界引入了因果网络图（Causality Network Graphs）方法，通过构建有向图（G(e,d)）来可视化变量间的因果结构。文章以追踪纳斯达克100指数的ETF（QQQ）为例，结合相对强弱指数（RSI）、布林带百分比（pctB）、成交量、价格区间以及另一证券SPY的指标，尝试构建网络图。然而，采用简单相关系数（>|0.6|）作为边的构建规则后，图显示所有变量呈双向连接，无法区分因果方向。作者强调，相关不等同于因果，亟需更有效的规则来构建真正揭示因果结构的网络图。 #VAR模型 #因果网络图 #直接反馈 #间接反馈 #计量经济学 #金融数据分析 #因果关系 #ETF #QQQ #技术指标
向量自回归（VAR）模型在经济学研究中被广泛用于分析变量间的相互影响，但其核心局限在于无法将某一内生变量在特定时点上对其他变量的总反馈分解为直接影响、间接影响和总反馈。传统上，可通过正交脉冲响应函数衡量总效应，但要分离间接与直接效应则需追踪VAR模型中每个方程内的传导路径，计算量巨大。针对这一痛点，计量经济学界引入了因果网络图（Causality Network Graphs）方法，通过构建有向图（G(e,d)）来可视化变量间的因果结构。文章以追踪纳斯达克100指数的ETF（QQQ）为例，结合相对强弱指数（RSI）、布林带百分比（pctB）、成交量、价格区间以及另一证券SPY的指标，尝试构建网络图。然而，采用简单相关系数（>|0.6|）作为边的构建规则后，图显示所有变量呈双向连接，无法区分因果方向。作者强调，相关不等同于因果，亟需更有效的规则来构建真正揭示因果结构的网络图。 #VAR模型 #因果网络图 #直接反馈 #间接反馈 #计量经济学 #金融数据分析 #因果关系 #ETF #QQQ #技术指标
翁荔万字长文：AI自我提升应从Harness工程开始
前OpenAI安全研究副总裁、Thinking Machines Lab联合创始人翁荔发表万字长文，系统阐述Harness Engineering方向。她认为，AI递归式自我提升（RSI）的近期开端可能不是模型直接改写自身权重，而是优化模型外部的Harness层，包括工作流、上下文管理、工具调用和评估机制。这一路径更现实，待这些能力成熟后，才可能推动自动化研究和更强模型的产生。文章详细讨论了Harness的设计模式、优化方法及未来挑战，如评估器模糊、上下文记忆退化、奖励黑客等问题。翁荔指出，随着模型变得更智能，Harness系统自身会成为优化目标，最终许多改进可能被内化为核心模型行为。 #翁荔 #AI #HarnessEngineering #递归式自我提升 #RSI #人工智能 #科技新闻 #OpenAI #ThinkingMachinesLab
前OpenAI安全研究副总裁、Thinking Machines Lab联合创始人翁荔发表万字长文，系统阐述Harness Engineering方向。她认为，AI递归式自我提升（RSI）的近期开端可能不是模型直接改写自身权重，而是优化模型外部的Harness层，包括工作流、上下文管理、工具调用和评估机制。这一路径更现实，待这些能力成熟后，才可能推动自动化研究和更强模型的产生。文章详细讨论了Harness的设计模式、优化方法及未来挑战，如评估器模糊、上下文记忆退化、奖励黑客等问题。翁荔指出，随着模型变得更智能，Harness系统自身会成为优化目标，最终许多改进可能被内化为核心模型行为。 #翁荔 #AI #HarnessEngineering #递归式自我提升 #RSI #人工智能 #科技新闻 #OpenAI #ThinkingMachinesLab