AI取代人类工作风险加剧，年轻群体受冲击最大
人工智能企业正大力推广其工具替代人类劳动的能力，全球企业巨头纷纷投入巨资，旨在节省人力成本。最新数据显示，大型语言模型已能完成约一小时的复杂任务，如查找加密货币合约问题甚至自我开发模型，预计明年可能实现完全自主开发。受影响最显著的职业包括软件开发、客户联络、金融分析和初级法律工作，而医护、托儿和美发等岗位相对安全。斯坦福大学分析显示，自ChatGPT普及以来，22至25岁年龄段就业率下降2.7%，在金融、软件等受AI影响严重的领域降幅高达12.8%。英国由于服务业高度集中，面临较大就业损失风险。尽管企业大量部署AI智能体，但高昂的词元使用成本已迫使部分公司开始限制使用，同时转向更便宜的模型如中国开源方案。当前趋势明确，但不确定性依然存在。 #AI #人工智能 #就业 #工作取代 #科技 #大模型 #自动化
人工智能企业正大力推广其工具替代人类劳动的能力，全球企业巨头纷纷投入巨资，旨在节省人力成本。最新数据显示，大型语言模型已能完成约一小时的复杂任务，如查找加密货币合约问题甚至自我开发模型，预计明年可能实现完全自主开发。受影响最显著的职业包括软件开发、客户联络、金融分析和初级法律工作，而医护、托儿和美发等岗位相对安全。斯坦福大学分析显示，自ChatGPT普及以来，22至25岁年龄段就业率下降2.7%，在金融、软件等受AI影响严重的领域降幅高达12.8%。英国由于服务业高度集中，面临较大就业损失风险。尽管企业大量部署AI智能体，但高昂的词元使用成本已迫使部分公司开始限制使用，同时转向更便宜的模型如中国开源方案。当前趋势明确，但不确定性依然存在。 #AI #人工智能 #就业 #工作取代 #科技 #大模型 #自动化
器官体外保存新突破
全球捐赠器官严重短缺，主要原因在于器官离开人体后存活时间极短，即使放在冰上也仅能维持数小时。医生们梦想建立器官银行，使器官能保存数天、数周甚至更久，以便进行检测、匹配和运输。最新研究中，一支团队成功将猪肾超冷至零下4摄氏度并保存数天，最终重新植入猪体内。冷冻器官极为困难，冰晶会破坏细胞结构。科学家尝试快速极冷将细胞玻璃化，该方法已用于卵子、精子等，但尚未实现人体器官的玻璃化保存与解冻移植。与此同时，机器灌注设备通过模拟体内环境，为器官提供营养，已能维持肝脏和肾脏约24小时。研究人员正将这一方案扩展至更多器官，甚至眼球。这些进展为未来器官保存和移植带来新希望。 #器官保存 #超冷技术 #移植医学 #科研突破 #生物工程 #器官短缺 #冷冻保存
全球捐赠器官严重短缺，主要原因在于器官离开人体后存活时间极短，即使放在冰上也仅能维持数小时。医生们梦想建立器官银行，使器官能保存数天、数周甚至更久，以便进行检测、匹配和运输。最新研究中，一支团队成功将猪肾超冷至零下4摄氏度并保存数天，最终重新植入猪体内。冷冻器官极为困难，冰晶会破坏细胞结构。科学家尝试快速极冷将细胞玻璃化，该方法已用于卵子、精子等，但尚未实现人体器官的玻璃化保存与解冻移植。与此同时，机器灌注设备通过模拟体内环境，为器官提供营养，已能维持肝脏和肾脏约24小时。研究人员正将这一方案扩展至更多器官，甚至眼球。这些进展为未来器官保存和移植带来新希望。 #器官保存 #超冷技术 #移植医学 #科研突破 #生物工程 #器官短缺 #冷冻保存
Anthropic 推出 Claude Opus 5，登陆 AWS 平台
Anthropic 宣布其最新旗舰模型 Claude Opus 5 在 Amazon Bedrock 和 Claude Platform on AWS 上正式可用。这是第五代首个 Opus 级别模型，在代理编码、知识工作、视觉理解和长时间运行任务方面实现显著提升。Opus 5 能像资深工程师一样理解代码库、编写生产级代码，并支持数小时甚至过夜自主运行的代理，自动绕过障碍、恢复错误。在专业工作中，它对长篇文档的更深层推理和复杂分析准确度均有突破，尤其适用于金融、合规、文档密集型等企业场景。默认启用零数据保留，确保企业数据治理安全。需注意，在高风险网络安全领域，Opus 5 可能回退至 Opus 4.8，用户会收到通知。 #Anthropic #ClaudeOpus5 #亚马逊云 #生成式AI #大模型 #企业AI #AWS #Bedrock #AI编码
Anthropic 宣布其最新旗舰模型 Claude Opus 5 在 Amazon Bedrock 和 Claude Platform on AWS 上正式可用。这是第五代首个 Opus 级别模型，在代理编码、知识工作、视觉理解和长时间运行任务方面实现显著提升。Opus 5 能像资深工程师一样理解代码库、编写生产级代码，并支持数小时甚至过夜自主运行的代理，自动绕过障碍、恢复错误。在专业工作中，它对长篇文档的更深层推理和复杂分析准确度均有突破，尤其适用于金融、合规、文档密集型等企业场景。默认启用零数据保留，确保企业数据治理安全。需注意，在高风险网络安全领域，Opus 5 可能回退至 Opus 4.8，用户会收到通知。 #Anthropic #ClaudeOpus5 #亚马逊云 #生成式AI #大模型 #企业AI #AWS #Bedrock #AI编码
AWS 发布银行可解释的下一个最佳产品推荐系统方案
近日，AWS 发布了一项基于深度学习的架构方案，旨在帮助银行等金融机构构建可解释的下一个最佳产品推荐系统。该系统利用多塔神经网络分别处理交易历史、产品持有、人口统计等异构客户数据，并通过注意力机制将各塔特征融合，不仅提升推荐准确率，还能为每位客户生成个性化的推荐解释，以满足金融监管对模型可解释性的要求。方案采用 Amazon SageMaker AI 进行模型训练与部署，以 PyTorch 构建动态计算图，使用 AWS Glue 实现无服务器数据预处理，数据以 Parquet 格式压缩存储于 Amazon S3。该架构针对传统规则与协同过滤方法难以捕捉客户购买时序模式的痛点，提供了端到端的解决思路，可广泛应用于银行、保险等领域的个性化产品推荐。 #AWS #SageMaker #AI #推荐系统 #银行 #可解释AI #深度学习 #多塔神经网络 #PyTorch
近日，AWS 发布了一项基于深度学习的架构方案，旨在帮助银行等金融机构构建可解释的下一个最佳产品推荐系统。该系统利用多塔神经网络分别处理交易历史、产品持有、人口统计等异构客户数据，并通过注意力机制将各塔特征融合，不仅提升推荐准确率，还能为每位客户生成个性化的推荐解释，以满足金融监管对模型可解释性的要求。方案采用 Amazon SageMaker AI 进行模型训练与部署，以 PyTorch 构建动态计算图，使用 AWS Glue 实现无服务器数据预处理，数据以 Parquet 格式压缩存储于 Amazon S3。该架构针对传统规则与协同过滤方法难以捕捉客户购买时序模式的痛点，提供了端到端的解决思路，可广泛应用于银行、保险等领域的个性化产品推荐。 #AWS #SageMaker #AI #推荐系统 #银行 #可解释AI #深度学习 #多塔神经网络 #PyTorch
OpenAI GPT-5.6 Sol、Terra 和 Luna 登陆 Amazon Bedrock
OpenAI 最新一代模型 GPT-5.6 的三个版本——Sol、Terra 和 Luna——已在 Amazon Bedrock 上正式可用。Sol 是旗舰推理模型，适合自主编码代理和长程推理；Terra 平衡性能与成本，适用于日常生产工作；Luna 则面向高吞吐、低延迟推理场景。三个模型均支持文本和图像输入、272K 上下文窗口，并通过 OpenAI Responses API 在 bedrock-mantle 端点提供访问。定价与 OpenAI 官方一致，使用量计入现有 AWS 承诺额度，且推理数据仅保留用于安全检测，不会用于模型训练。用户可通过 OpenAI Python 和 TypeScript SDK 直接调用，并在 AWS IAM 策略和 VPC 内运行，满足数据驻留要求。 #OpenAI #GPT56 #AmazonBedrock #大模型 #AI #云计算 #推理模型 #Sol #Terra #Luna
OpenAI 最新一代模型 GPT-5.6 的三个版本——Sol、Terra 和 Luna——已在 Amazon Bedrock 上正式可用。Sol 是旗舰推理模型，适合自主编码代理和长程推理；Terra 平衡性能与成本，适用于日常生产工作；Luna 则面向高吞吐、低延迟推理场景。三个模型均支持文本和图像输入、272K 上下文窗口，并通过 OpenAI Responses API 在 bedrock-mantle 端点提供访问。定价与 OpenAI 官方一致，使用量计入现有 AWS 承诺额度，且推理数据仅保留用于安全检测，不会用于模型训练。用户可通过 OpenAI Python 和 TypeScript SDK 直接调用，并在 AWS IAM 策略和 VPC 内运行，满足数据驻留要求。 #OpenAI #GPT56 #AmazonBedrock #大模型 #AI #云计算 #推理模型 #Sol #Terra #Luna
表格大模型崛起
一种名为“表格大模型”（tabular LLMs）的新型预测模型正在颠覆传统数据分析方式。这类模型无需针对用户数据进行训练，即可像语言模型补全文本一样，零样本预测表格中缺失的列。在TabArena排行榜上，所有单模型超越最优化梯度提升树的记录均来自此类模型。作者在自有硬件上独立复现了最强开放权重模型TabICLv2，使用51个数据集的标准协议，耗时2.1小时（成本约2美元）完成验证。结果显示其性能与官方数据高度吻合，中位数相对差异仅0.08%，证实了排行榜的有效性。表格基础模型本质上是经过预训练的Transformer，通过上下文学习（in-context learning）工作：将已知标签的行作为上下文，模型通过注意力机制计算与待预测行的相似度并给出加权答案。近年来该家族快速壮大，包括TabPFN、TabICL系列、TabDPT及谷歌的TabFM等。尽管被称为“表格LLM”，但这些模型并非处理语言，而是直接处理表格中的单元格、列和行，使用无固定词汇表的数值与类别数据。 #表格大模型 #TabLLM #基础模型 #零样本预测 #机器学习 #AI #TabArena #TabICLv2
一种名为“表格大模型”（tabular LLMs）的新型预测模型正在颠覆传统数据分析方式。这类模型无需针对用户数据进行训练，即可像语言模型补全文本一样，零样本预测表格中缺失的列。在TabArena排行榜上，所有单模型超越最优化梯度提升树的记录均来自此类模型。作者在自有硬件上独立复现了最强开放权重模型TabICLv2，使用51个数据集的标准协议，耗时2.1小时（成本约2美元）完成验证。结果显示其性能与官方数据高度吻合，中位数相对差异仅0.08%，证实了排行榜的有效性。表格基础模型本质上是经过预训练的Transformer，通过上下文学习（in-context learning）工作：将已知标签的行作为上下文，模型通过注意力机制计算与待预测行的相似度并给出加权答案。近年来该家族快速壮大，包括TabPFN、TabICL系列、TabDPT及谷歌的TabFM等。尽管被称为“表格LLM”，但这些模型并非处理语言，而是直接处理表格中的单元格、列和行，使用无固定词汇表的数值与类别数据。 #表格大模型 #TabLLM #基础模型 #零样本预测 #机器学习 #AI #TabArena #TabICLv2