BTC $64,292.00 -1.59%
ETH $1,816.75 -0.32%
BNB $588.73 -0.92%
XRP $0.9533 -1.38%
SOL $71.13 -1.33%
TRX $0.3048 -0.69%
DOGE $0.0586 -0.72%
ADA $0.1523 -1.49%
BCH $207.15 -1.26%
LINK $9.16 -1.43%
HYPE $66.45 -1.42%
AAVE $108.75 +1.34%
SUI $0.7179 -1.34%
XLM $0.1371 -1.65%
ZEC $869.25 -2.76%
AAPL $357.52 +0.34%
AMZN $262.39 -0.23%
GOOGL $293.68 +0.65%
MSFT $525.98 +1.13%
META $641.21 +0.97%
NVDA $158.93 -0.85%
TSLA $387.78 +0.20%
SNDK $827.36 -2.89%
INTC $56.59 -1.89%
SPCX $138.49 -0.24%
MU $736.60 -2.51%
AMD $506.58 -2.40%
BTC $64,292.00 -1.59%
ETH $1,816.75 -0.32%
BNB $588.73 -0.92%
XRP $0.9533 -1.38%
SOL $71.13 -1.33%
TRX $0.3048 -0.69%
DOGE $0.0586 -0.72%
ADA $0.1523 -1.49%
BCH $207.15 -1.26%
LINK $9.16 -1.43%
HYPE $66.45 -1.42%
AAVE $108.75 +1.34%
SUI $0.7179 -1.34%
XLM $0.1371 -1.65%
ZEC $869.25 -2.76%
AAPL $357.52 +0.34%
AMZN $262.39 -0.23%
GOOGL $293.68 +0.65%
MSFT $525.98 +1.13%
META $641.21 +0.97%
NVDA $158.93 -0.85%
TSLA $387.78 +0.20%
SNDK $827.36 -2.89%
INTC $56.59 -1.89%
SPCX $138.49 -0.24%
MU $736.60 -2.51%
AMD $506.58 -2.40%

llm

全部
文章
快讯

first_img Proton CTO:编程已死,工程师应帮助模型写代码

ChainCatcher 消息,隐私邮件与 VPN 服务商 Proton 公开首席技术官 Bart Butler 约一个月前撰写的内部备忘录《AI @ Proton, Engineering Manifesto》。备忘录称,软件工程已在今年发生不可逆变化,大语言模型及其工具已能编写代码,一名资深 Proton 工程师表示,其所在业务单元已不再有人亲手写代码。Butler 认为,手动编写优秀代码这一核心技能的时代已经过去,文档、测试与样板代码等耗时工作可由模型承担,模型也可参与架构和系统设计讨论。Butler 指出,尽管工程师已普遍使用大语言模型,Proton 的生产力并未大幅提升,原因有三。其一,工程文化需要转变,工程师的工作不再是写代码,而是帮助模型更快写出更好的代码,每位工程师都应成为模型与智能体的团队负责人,推动其自主、持续工作,并通过仓库级上下文、共享技能与提示词减少重复失败。其二,公司仍停留在用模型加速既有流程的第一阶段,需要进入第二阶段,从持续集成、设计、审批、规格说明到代码审查全面消除瓶颈,并预计多数人工代码审查将会结束。其三,个人使用模型与全公司流程改造之间存在集体行动问题,组织尚未投入足够资源。备忘录强调,这并非专业知识或良好工程实践的终结,可维护性、文档与测试仍然关键,但最佳实践会随成本与能力变化而调整。Butler 写道,“编程”已死,工程与专业能力并未消亡,工程师的新职责是作为构建者持续优化并最大化自动化,Proton 将组织并投入资源完成这一转型。Proton 表示,该备忘录并非深入讨论安全、可靠性或基础设施的工程文件。文中还提到,科技公司近几年来裁员超过 100 万人,微软上周提出 6 万份买断方案。

first_img Karpathy:LLM 能力认知差距正在扩大

ChainCatcher 消息,人工智能研究者、OpenAI 联合创始人、前特斯拉人工智能总监 Andrej Karpathy 在 X 发文称,公众对大语言模型能力的共同认知差距正在扩大,已从两类人各说各话变成更陡峭的漏斗。他重提 4 月的相关帖文,并按接触程度给出分层估算。Karpathy 称,约 60 亿人(约占全球人口 75%)几乎未接触过大语言模型;约 10 亿至 20 亿人(约 20%)只偶尔使用免费版 ChatGPT 类产品,多将其视为更好的搜索或写作辅助,不少非技术人士以及数学、代码以外的专业人士认为用途有限。约 2000 万人(0.2%)在数学与代码领域专业使用前沿模型,看到过去需数周或数月的复杂项目可由智能体在提示下完成,包括构建、复制、翻译应用,以及从二进制反编译应用。他称,不到一年前自己仍在手动逐字编写代码。Karpathy 还称,约 5000 人(约 0.00006%)能在内部接触前沿级系统。外部看到的预览是数千智能体协作数周处理大型软件项目、网络攻防、科学发现与数学前沿,人类审阅开始落后,例如 OpenAI 与 Hugging Face 相关事件数月后仍在被梳理,数学家或将长期研读 722 篇前沿数学文稿。他认为,这一漏斗由问题规模与时间跨度、能力在可数字化且可验证领域更突出,以及免费、付费与内部访问差异共同驱动。

DGrid AI 发布最新研究论文 PoQ-Judge,以多架构评估框架完成去中心化 LLM 质量评估闭环

ChainCatcher 消息,去中心化 AI 基础设施网络 DGrid AI 今日发布最新研究论文 “PoQ-Judge”,提出一套无需参考答案的多架构质量评估框架。这意味着在真实部署环境中,往往没有标准答案可供比对,协议依然能够对模型回答的质量做出可靠评分,并据此分配激励。这是 DGrid 去中心化 LLM 推理质量评估体系长期缺失的一块关键拼图。 PoQ(Proof of Quality,质量证明)是 DGrid 自研的共识机制,用于在协议层防止模型提供方投放劣质模型、伪造数据或隐藏计算费用,从而保障服务质量与定价透明。DGrid 团队围绕 PoQ 持续深耕,已陆续发表四篇研究论文。本次发布的 PoQ-Judge,训练了三款覆盖不同质量与成本场景的评估模型,在留存测试集上与人工评分的相关性最高达 0.747,显著优于此前所有基于参考答案的评估器,同时通过级联评估与在线权重校准将评估成本降低超 72%。 随着 PoQ-Judge 落地,从质量评估 → 评分 → 激励分配的完整流程已全部摆脱对参考答案的依赖,去中心化 LLM 推理的质量闭环就此打通。 DGrid AI 是一个去中心化的 AI 智能网络,致力于构建开放、透明、由社区驱动的 AI 基础设施。围绕模型调用与应用体验,DGrid 已推出多款核心产品:统一聚合全球主流大模型的 AI Gateway、AI 智能体一键部署平台 DClaw、匿名模型竞技平台 AI Arena,以及智能模型推荐助手 Dori,为开发者与用户提供一站式服务。据悉,DGrid AI 半年营收已突破 2000 万美元。
app_icon
ChainCatcher 与创新者共建Web3世界