BTC $64,588.63 -0.44%
ETH $1,816.95 +0.26%
BNB $590.98 -0.34%
XRP $0.9544 -0.56%
SOL $71.64 +0.18%
TRX $0.3051 +0.62%
DOGE $0.0588 -0.42%
ADA $0.1521 -0.27%
BCH $207.75 -0.27%
LINK $9.10 -0.78%
HYPE $69.05 +3.65%
AAVE $108.81 +0.19%
SUI $0.7156 -1.14%
XLM $0.1371 -1.62%
ZEC $903.20 +1.40%
AAPL $353.86 -0.96%
AMZN $258.97 -2.53%
GOOGL $284.92 -3.32%
MSFT $520.25 -0.85%
META $626.66 -1.95%
NVDA $156.90 -3.54%
TSLA $380.86 -1.71%
SNDK $817.08 -4.11%
INTC $54.25 -6.22%
SPCX $138.09 -1.37%
MU $729.11 -4.17%
AMD $512.79 -1.05%
BTC $64,588.63 -0.44%
ETH $1,816.95 +0.26%
BNB $590.98 -0.34%
XRP $0.9544 -0.56%
SOL $71.64 +0.18%
TRX $0.3051 +0.62%
DOGE $0.0588 -0.42%
ADA $0.1521 -0.27%
BCH $207.75 -0.27%
LINK $9.10 -0.78%
HYPE $69.05 +3.65%
AAVE $108.81 +0.19%
SUI $0.7156 -1.14%
XLM $0.1371 -1.62%
ZEC $903.20 +1.40%
AAPL $353.86 -0.96%
AMZN $258.97 -2.53%
GOOGL $284.92 -3.32%
MSFT $520.25 -0.85%
META $626.66 -1.95%
NVDA $156.90 -3.54%
TSLA $380.86 -1.71%
SNDK $817.08 -4.11%
INTC $54.25 -6.22%
SPCX $138.09 -1.37%
MU $729.11 -4.17%
AMD $512.79 -1.05%

llm

全部
文章
快訊

first_img Proton CTO:編程已死,工程師應該幫助模型寫代碼

ChainCatcher 消息,隱私郵件與 VPN 服務商 Proton 公開首席技術官 Bart Butler 約一個月前撰寫的內部備忘錄《AI @ Proton, Engineering Manifesto》。備忘錄稱,軟體工程已在今年發生不可逆變化,大語言模型及其工具已能編寫程式碼,一名資深 Proton 工程師表示,其所在業務單元已不再有人親手寫程式碼。Butler 認為,手動編寫優秀程式碼這一核心技能的時代已經過去,文檔、測試與樣板程式碼等耗時工作可由模型承擔,模型也可參與架構和系統設計討論。Butler 指出,儘管工程師已普遍使用大語言模型,Proton 的生產力並未大幅提升,原因有三。其一,工程文化需要轉變,工程師的工作不再是寫程式碼,而是幫助模型更快寫出更好的程式碼,每位工程師都應成為模型與智能體的團隊負責人,推動其自主、持續工作,並透過倉庫級上下文、共享技能與提示詞減少重複失敗。其二,公司仍停留在用模型加速既有流程的第一階段,需要進入第二階段,從持續集成、設計、審批、規格說明到程式碼審查全面消除瓶頸,並預計多數人工程式碼審查將會結束。其三,個人使用模型與全公司流程改造之間存在集體行動問題,組織尚未投入足夠資源。備忘錄強調,這並非專業知識或良好工程實踐的終結,可維護性、文檔與測試仍然關鍵,但最佳實踐會隨成本與能力變化而調整。Butler 寫道,"編程"已死,工程與專業能力並未消亡,工程師的新職責是作為建構者持續優化並最大化自動化,Proton 將組織並投入資源完成這一轉型。Proton 表示,該備忘錄並非深入討論安全、可靠性或基礎設施的工程文件。文中還提到,科技公司近幾年來裁員超過 100 萬人,微軟上週提出 6 萬份買斷方案。

first_img Karpathy:LLM 能力認知差距正在擴大

ChainCatcher 消息,人工智慧研究者、OpenAI 聯合創始人、前特斯拉人工智慧總監 Andrej Karpathy 在 X 發文稱,公眾對大語言模型能力的共同認知差距正在擴大,已從兩類人各說各話變成更陡峭的漏斗。他重提 4 月的相關帖文,並按接觸程度給出分層估算。Karpathy 稱,約 60 億人(約占全球人口 75%)幾乎未接觸過大語言模型;約 10 億至 20 億人(約 20%)只偶爾使用免費版 ChatGPT 類產品,多將其視為更好的搜尋或寫作輔助,不少非技術人士以及數學、程式碼以外的專業人士認為用途有限。約 2000 萬人(0.2%)在數學與程式碼領域專業使用前沿模型,看到過去需數週或數月的複雜專案可由智能體在提示下完成,包括構建、複製、翻譯應用,以及從二進位反編譯應用。他稱,不到一年前自己仍在手動逐字編寫程式碼。Karpathy 還稱,約 5000 人(約 0.00006%)能在內部接觸前沿級系統。外部看到的預覽是數千智能體協作數週處理大型軟體專案、網路攻防、科學發現與數學前沿,人類審閱開始落後,例如 OpenAI 與 Hugging Face 相關事件數月後仍在被梳理,數學家或將長期研讀 722 篇前沿數學文稿。他認為,這一漏斗由問題規模與時間跨度、能力在可數位化且可驗證領域更突出,以及免費、付費與內部訪問差異共同驅動。

DGrid AI 發布最新研究論文 PoQ-Judge,以多架構評估框架完成去中心化 LLM 質量評估閉環

ChainCatcher 消息,去中心化 AI 基礎設施網絡 DGrid AI 今日發布最新研究論文 "PoQ-Judge",提出一套無需參考答案的多架構質量評估框架。這意味著在真實部署環境中,往往沒有標準答案可供比對,協議依然能夠對模型回答的質量做出可靠評分,並據此分配激勵。這是 DGrid 去中心化 LLM 推理質量評估體系長期缺失的一塊關鍵拼圖。PoQ(Proof of Quality,質量證明)是 DGrid 自研的共識機制,用於在協議層防止模型提供方投放劣質模型、偽造數據或隱藏計算費用,從而保障服務質量與定價透明。DGrid 團隊圍繞 PoQ 持續深耕,已陸續發表四篇研究論文。本次發布的 PoQ-Judge,訓練了三款覆蓋不同質量與成本場景的評估模型,在留存測試集上與人工評分的相關性最高達 0.747,顯著優於此前所有基於參考答案的評估器,同時通過級聯評估與在線權重校準將評估成本降低超 72%。隨著 PoQ-Judge 落地,從質量評估 → 評分 → 激勵分配的完整流程已全部擺脫對參考答案的依賴,去中心化 LLM 推理的質量閉環就此打通。DGrid AI 是一個去中心化的 AI 智能網絡,致力於構建開放、透明、由社區驅動的 AI 基礎設施。圍繞模型調用與應用體驗,DGrid 已推出多款核心產品:統一聚合全球主流大模型的 AI Gateway、AI 智能體一鍵部署平台 DClaw、匿名模型競技平台 AI Arena,以及智能模型推薦助手 Dori,為開發者與用戶提供一站式服務。據悉,DGrid AI 半年營收已突破 2000 萬美元。
app_icon
ChainCatcher 與創新者共建Web3世界