Airbnb CEO Brian Chesky 计划创办新 AI 公司

据知情人士透露，Airbnb首席执行官布莱恩·切斯基正计划创办一家新的人工智能实验室，这标志着他首次投身全球AI竞赛。该实验室将专注于开发AI模型，尤其关注用户交互与设计领域。切斯基目前处于早期筹资阶段，细节可能调整。他将继续担任Airbnb CEO，但不会出任新实验室的负责人。切斯基曾表示，旅行和电商领域的AI应用需要丰富的用户界面，而非类似OpenAI和Anthropic主推的文本聊天机器人。同时，他正在将Airbnb转型为"一站式"旅行应用，新增附加服务有望带来每年10亿美元以上收入。Airbnb员工已广泛使用AI编码工具加速业务拓展。 #Airbnb #BrianChesky #人工智能 #AI实验室 #创业 #科技新闻 #旅行科技

AI代理安全赛道升温，Snowflake、Microsoft、Cisco等巨头加速布局

随着AI代理竞争白热化，科技巨头纷纷将安全能力作为新战场。Snowflake首席安全官指出，AI代理智能化趋势下，企业需借助AI实现自动化数据收集与响应，传统人工已难以应对。Snowflake正升级Horizon Catalog，贯通治理与安全，并与Anthropic扩大合作。Microsoft发布MDASH平台，调用100多个AI模型自动扫描漏洞，同时为Defender for Endpoint新增自动隔离功能。Workday推出“Agent Passport”验证代理合规性。Cisco的Defenseclo框架为本地AI代理提供安全治理，并与Splunk联动，同时发布零信任扩展和Agentic SOC。Anthropic扩大Mithos访问范围，新增150家机构，但成本问题仍存。韩国本土量子安全合作提速，SDT与Viva开发加密AI CCTV，KQC与LS ITC完成PQC验证，RaonSecure向保险供应PQC方案。此外，韩国OTT平台Tving发生个人信息泄露事件。 #AI代理 #网络安全 #Snowflake #Microsoft #Cisco #Anthropic #量子安全 #PQC #数据泄露 #科技新闻

AI辅助开发实战

一位业余棒球队教练因排兵布阵耗时且易被突发情况打乱，开发了名为CalledUp的球队管理应用。该应用整合名单、赛程、阵容及家长通讯功能，旨在让教练专注于执教而非后勤。作者拥有近三十年软件开发经验，坚持“代码必须可长期维护”的原则，避免AI生成代码难以维护的陷阱。他分享的关键习惯是“将思考与构建分离”：在球场观察实际问题时用Claude应用记录需求，回家后再用Claude和Codex进行编码。这种工作流确保了产品能真正解决用户痛点，而非昙花一现的演示品。 #AI开发 #产品构建 #棒球队管理 #Claude #Codex #软件工程 #效率工具 #实战经验

美国高级官员考虑获得AI公司政府股权

据知情人士透露，美国高级官员正在探讨一项协议，拟允许美国政府获取人工智能领域头部公司的股权。这一举措若付诸实施，将标志着政府对AI产业监管方式的重大转变，可能引发科技行业与公共政策领域的激烈辩论。支持者认为，政府持股有助于确保AI发展符合国家利益和安全标准；反对者则担忧这会扭曲市场，抑制创新。目前谈判尚处早期阶段，具体细节和涉及公司均未公开。 #美国 #AI #政府持股 #科技监管 #人工智能 #行业影响 #政策

MoonPay 推出 MoonAgents 桌面应用，AI 连接加密钱包更安全

MoonPay 发布了 MoonAgents 桌面应用，旨在让用户通过 AI 助手安全地与加密货币钱包交互。该应用将此前仅限开发者的命令行工具图形化，隐藏复杂配置，自动设置 Claude 或 Codex 等 AI 模型。私钥以加密形式存储在用户本地设备，AI 无法直接读取，避免了私钥泄露风险。此举回应了 AI 代理可能因提示词注入等安全威胁导致误操作的问题。MoonAgents 主要面向研究和执行层，如代币分析、监控仓位等，用户始终掌控授权权限，并非 AI 自主交易。该应用被视为降低链上研究门槛的入口，使非技术用户也能通过自然语言操作区块链服务。 #MoonPay #MoonAgents #AI代理 #加密钱包 #区块链 #安全 #Claude #Codex #Web3

基于Knockoffs的深度神经网络错误发现率控制与简化

来自arXiv的一篇新论文提出了一种基于Knockoffs框架的方法，用于深度神经网络的错误发现率（FDR）控制与模型简化。该方法通过生成与原始特征统计独立的“敲除”变量，在保持特征与响应变量关系的前提下，有效控制多重假设检验中的假阳性率，同时实现网络结构的精简。这项研究为深度学习模型的可解释性与可靠性提供了新思路，有望在生物信息学、医学影像等高风险领域得到应用。 #深度神经网络 #FDR控制 #Knockoffs #模型简化 #arXiv #机器学习 #统计方法

分布近似最近邻搜索

一篇题为《Distributional Approximate Nearest Neighbour Search for Uncertainty-Aware Retrieval》的学术论文近日在arXiv预印本平台发布。该研究由Olivier Jeunen等人完成，聚焦于高维数据检索中的不确定性建模问题。传统近似最近邻搜索方法通常只返回单一最近邻结果，而忽略了检索结果的不确定性。该论文提出了一种分布性近似最近邻搜索框架，通过建模查询点与数据点之间的分布关系，使得检索过程能够感知并量化不确定性，从而在信息检索、推荐系统等场景中提供更可靠的候选结果。该方法有望提升检索系统的鲁棒性和可解释性，尤其适用于需要风险控制的决策任务。论文已提供PDF全文及代码链接供研究者参考。 #论文 #近似最近邻搜索 #不确定性 #信息检索 #机器学习 #AI #学术研究

工人效用迟滞模型：零工市场中交易接受的Preisach模型

一篇来自arXiv的学术论文提出了一个基于Preisach迟滞模型的框架，用于分析零工劳动市场中工人对工作机会的接受行为。该研究将工人效用视为具有记忆效应的迟滞系统，认为工人过去接受或拒绝任务的经历会持续影响其未来的决策倾向，形成历史依赖的路径锁定效应。模型通过数学抽象捕捉了交易接受过程中的非线性和迟滞特征，为理解零工经济中劳动力供给的动态变化提供了新视角。该工作对平台算法设计、定价策略及劳动者福利研究具有潜在价值。 #零工经济 #迟滞模型 #Preisach模型 #劳动经济学 #机器学习 #行为建模 #arXiv

装袋多项式回归与神经网络

近日，一篇题为《Bagged Polynomial Regression and Neural Networks》的论文在arXiv上发布。作者Sylvia Klosin和Jaume Vives-i-Bastida提出了一种结合装袋（Bagging）技术与多项式回归及神经网络的新方法。该方法旨在通过集成学习降低模型方差，提升预测的稳定性和准确性。论文通过理论分析和多个基准数据集的实验，验证了该混合模型在回归任务中的表现优于传统多项式回归和标准神经网络，并探讨了不同参数配置对性能的影响。该研究为机器学习中的模型集成提供了新思路，尤其适用于高维和非线性数据场景。 #机器学习 #神经网络 #多项式回归 #装袋 #集成学习 #arXiv #论文 #AI

统一信息论与配对计数的聚类相似度度量研究

近日，一篇题为《统一信息论与配对计数的聚类相似度》的学术论文在arXiv预印本平台发布。该研究由Alexander J. Gates完成，旨在解决聚类分析中两种主流相似度度量方法——信息论方法与配对计数方法——长期存在的割裂问题。论文提出了一种统一框架，将基于互信息、熵等概念的信息论指标与基于点对一致性的配对计数指标（如Rand指数、调整兰德指数）纳入同一数学体系，揭示了它们之间的深层联系。这一工作不仅为聚类结果评估提供了更全面的理论基础，还有助于研究人员根据具体应用场景选择或设计更合适的相似度度量。论文已更新至第二版，并附有PDF全文及HTML预览。 #聚类 #信息论 #机器学习 #数据科学 #学术论文 #arXiv #相似度度量