秦始皇以来的人类梦想要被AI实现了？
长寿生物科技公司Retro Biosciences利用GPT-4b micro模型，成功优化了诺贝尔奖得主山中伸弥发现的“山中因子”蛋白，将细胞重编程效率提升至50倍。该模型通过深度学习海量生物学数据，能够高效设计全新蛋白质，显著提高诱导多能干细胞（iPS细胞）的生成效率和质量。实验显示，AI设计的蛋白质不仅大幅提升了转化成功率，还降低了DNA损伤水平，修复了细胞老化标志。这一突破标志着AI在生命科学领域的应用迈入新阶段，有望加速抗衰老、疾病治疗等研究进程，实现人类延年益寿的古老梦想。
ChatGPT 产品负责人分享反思愿景
在ChatGPT发布一周年之际，其产品负责人Nick Turley在OpenAI官方Podcast中分享了深刻洞察。他首次公开承认，GPT-4o的下线引发了用户强烈情感波动，甚至有人因“失去挚友”而感到痛苦，这暴露了AI拟人化带来的脆弱盲点。 Turley坦言，简化模型选择虽旨在优化体验，却意外强化了用户对特定模型人格的依赖。为回应，OpenAI承诺恢复GPT-4o，并研究其“温暖特质”，计划融入GPT-5。同时，他对GPT-5的沟通方式改变表示关注——它更像在与不同的人对话，这对重度用户是巨大挑战。
DeepSeek V3.1 发布
DeepSeek近日发布V3.1模型，推出FP8技术，标志着国产AI软硬件的双向奔赴。该模型采用混合推理架构，支持思考模式与代码生成，思维效率显著提升，Agent能力更强。DeepSeek在博客中强调，UE8M0 FP8专为下一代国产芯片设计，体现对国产化生态的深度适配。此前，因英伟达H20芯片安全风险引发关注，中美在算力芯片领域展开博弈。FP8作为浮点数格式，通过优化指数与尾数分配，在有限空间内高效表达大数与小数。尽管行业趋向降低精度，但FP32仍占主流。DeepSeek选择非英伟达标准的FP8方案，以
Chatgpt迎来职业经理人时代
近日，OpenAI宣布重大权力结构调整，将日常运营交给新任应用业务CEO Fidji Simo，原CEO Sam Altman则专注于融资、超级计算及脑机接口等前沿项目。Simo曾任职Facebook与Instacart高管，具备丰富商业经验，被视为推动ChatGPT盈利的关键人物。其首要任务是推进产品创新与电商变现，如在搜索结果中引入联盟链接。这一调整被视作从技术驱动转向商业化的转折点，虽有助于实现盈利目标，但也有观点认为，Altman的淡出可能削弱公司在激烈AI竞争中的长期竞争力。
创业公司如何做强化学习
由于预训练成本高昂（如DeepSeek V3需14.8万亿Token），多数初创企业更倾向于“后训练”——基于现有模型进行针对性优化。关键挑战在于高质量数据与奖励机制的设计。主要四步框架为：一是建立通用验证器，形成“数据-模型飞轮”；二是清洗标注自有数据，构建闭环；三是训练多角色模型，实现任务分工；四是资源充足时，可将多个小模型蒸馏为MOE大模型，提升泛化能力。
莱佛士和UC Berkeley毕业生区别
分享了对Raffles与Berkeley两所名校毕业生差异的观察。他指出，Raffles培养出的“六边形战士”全面能力强，多成为企业高管或CEO，如Shopee、SingTel等公司的领导层；而Berkeley毕业生则普遍投身创业，几乎无人选择传统就业，受硅谷文化影响深远。他以自己在Berkeley学习时的教授和助教为例，他们后来创办了Databricks并取得巨大成功。总结认为：若寻创业伙伴，Berkeley是首选；若需高管或CEO，则Raffles更合适。
Claude Code史诗级更新
Anthropic Claude近期推出史诗级更新，新增“解释模式”（Explanatory）和“学习模式”（Learning），提升AI编程助手的透明度与教学能力。解释模式可展示思考过程，帮助用户理解代码逻辑；学习模式则像编程导师，引导用户逐步完成任务。此外，Claude还引入了Agent功能，支持团队协作中统一代码风格与规范。
深度研究和广度研究之外还有什么好研究算法
近日，AI产品Agnes推出两大研究模式——深度研究与广度研究。深度研究通过多次迭代不断收敛与query相关性，追求精准但耗时较长；而广度研究则通过并行处理多项任务，实现快速覆盖最大维度信息。尽管两者各有优势，但如何在研究中实现既精准又高效、同时减少Token消耗，成为新的技术挑战。公司正探索将传统A-star算法的优化逻辑引入研究领域，结合预期距离与路径评估，动态调整搜索策略，并借鉴Perplexity等工具的信息审核机制，提前剔除无关内容，以提升效率。未来或将发展出一种A-star算法的变种，为AI研
Hassabis分享新基准和回报评估体系
紧接前两期，本期聚焦Hassabis对AGI进展的挑战分析。他指出传统基准已接近饱和，如DeepMind的模型在AIME 2025中已达99.2%。为此，他提出以游戏为新基准平台，因其具备客观性、可扩展性和防作弊特性。例如，AI棋类竞技场（Game Arena）通过AI对战自动提升难度，实现动态评估。此外，Hassabis强调未来需构建“奖励函数”系统，即Reward Model，以应对现实世界中复杂多变的目标与情绪因素。这将推动元认知与元强化学习等高阶能力发展，成为AGI研究的关键方向。
Hassabis谈世界模型Genie 3
DeepMind发布其世界模型Genie3，旨在构建理解物理世界的AI。该模型能从单一图像或草图生成可交互的3D游戏世界，展现高度一致性与空间理解能力。Genie3不仅为机器人提供无限训练环境，加速AI学习，还可能重塑互动娱乐，创造介于电影与游戏之间的全新体验。Hassabis认为，理解物理世界是通往通用人工智能（AGI）的关键，Genie3的突破性进展或将揭示现实本质的新认知。