当大模型把人类曾经的终极考题变成日常练习，AI的奔跑却悄悄瘸了腿—— 训练能力突飞猛进，验证答案的本事却成了拖后腿的短板。 为此，上海AI Lab和澳门大学联合发布通用答案验证模型CompassVerifier与评测集VerifierBench。填补了Verifier领域没有建立验证->提升->验证的循环迭代体系的空白。
备受 AI 圈关注的首届谷歌 Kaggle AI Chess 大赛（也即大模型国际象棋对抗赛）迎来了最终赢家。就在昨天，Grok 4 携手 OpenAI o3 进入了决赛。在机器之心的投票中，大家更倾向于 o3 战胜 Grok 4。
当前，大型语言模型（LLM）在软件工程领域的应用日新月异，尤其是在自动修复 Bug 方面，以 SWE-bench 为代表的基准测试展示了 AI 惊人的潜力。然而，软件开发远不止于修 Bug，功能开发与迭代才是日常工作的重头戏。
当Cleo创始人Barney Hussey-Yeo在LinkedIn上宣布"Cleo刚刚达到2.8亿美元年度经常性收入，AI正是开始取代传统的理财管家。
世界顶级风投 a16z 这两年已经成为全球最活跃AI投资者，他们对于行业的判断非常准确。我在 X 上关注了很多 a16z 的投资人，这样能方便第一时间了解行业最新的趋势是什么，以及有哪些我没注意到的好 AI 应用。
对大公司来说，钱不值钱，最值钱的是时间。本期播客，我们邀请在硅谷专注 AI 企业级应用、医疗和工业自动化早期投资的风险投资机构 Fusion Fund 创始合伙人张璐，梳理上半年硅谷的科技大事件，以及从 Windsurf 收购案入手，分析这件事折射出了硅谷的初创生态在发生的变化，以及从 Meta 到 Google、再到苹果、亚马逊、微软，上半年的一些关键动作意味着哪些战略选择。
当老年大学还在“唱歌跳舞”，AI 教练已用“彩虹夸夸术”，点亮1800万会员的新生活。
近一年来，围绕人工智能（AI）、生成式 AI（GenAI）和大语言模型（LLM）的炒作愈演愈烈，大众的兴趣翻了一番，针对 AI 的投资激增，各国政府也采取了更加明确的立场。根据一些人的说法，AI 与人类的未来息息相关。
昨天是个热闹的日子，OpenAI 和 Anthropic 几乎在同一时间发布了自家的新款模型：前者是自 GPT-2 以来重新开源的两款模型 gpt-oss（120b 和 20b），后者是 Claude 系列最强的 Opus 4.1。
过去三十年，互联网经历了从静态网页到智能推荐的深刻演变。如今，我们正站在互联网的另一个重大转折点上。 这一转折，来自一种全新的范式设想 —— Agentic Web，一个由 AI 智能体组成的、目标导向型的互联网系统。在这个新框架中，用户不再手动浏览网页、点击按钮，而是通过自然语言向智能体发出一个目标，AI 会自主规划、搜索、调用服务、协调其他智能体，最终完成复杂任务。
