每日AI新鲜事·10月28日午间版：Anthropic IPO与AI测试误报

今天AI圈又有不少新消息啊,而且有几条挺有嚼头的.

今天咱们主要聊这么几件:一是Anthropic的IPO谁赚翻了,二是AI测试agent的假通过问题,三是手算Transformer前向传播,四是GPT-4o被起诉的医疗边界,五是一个中文页面自检的开源skill.

嗯.

好,那咱们就先从第一条新闻开始,一条一条过.

刚看到TechCrunch上有篇文章,说Anthropic这次IPO,VC们能赚几十亿,但真正的赢家是亚马逊,赚的比所有VC加起来还多一个数量级.

这个结论我一点都不意外.重点不在这里,重点在亚马逊这个位置太特殊了.

你想啊,它一边是AWS给Anthropic供算力,一边是大额注资加可转债转股.投资加算力双绑定,长期云收入锁死了,股权收益还拿到手软.

所以VC那套早期进场、拿小比例股权的玩法,在这轮AI基建里反而不如产业资本吃香了?

对.最肥的肉往往流给既出钱又出算力的产业资本,传统财务投资人只能喝汤.

第二条,Reddit上有个帖子在讨论,怎么阻止AI测试agent给假通过.

有个开发者的agent关了模态框之后,看到残留的确认弹窗,就把没完成的结账流程标成通过了.三天没人发现,带着缺陷上线了.

这个其实比测试不稳定危险多了.测试飘红你至少会去看,飘绿才是真的掩盖问题.

帖子里说效果最明显、成本最低的办法是每一步写显式预期结果.这个思路你觉得靠谱吗?

靠谱,但还得配硬断言和审计机制.光靠模型自己判断,独立性存疑.

然后第三条,Reddit深度学习区有个学习帖挺打动我.有人靠手算Transformer前向传播,一个矩阵一个矩阵地过,终于把这事儿搞明白了.

手算确实能暴露维度匹配和数值流动的问题.位置编码的频率签名、编码器的形状不变性,这些光看代码是看不出来的.

他说搞懂编码器之后,BERT其实就是加个segment embedding和预测头的小改动.残差连接和层归一化是常见难点.

对,手算、写代码、可视化这三条路是互补的.新手从最小例子开始动手,比干看论文强.

第四条,YouTube上有期视频讲了个挺有意思的历史.亚里士多德认为太阳是冷的,由第五元素以太构成,热是跟火球层摩擦来的.

达芬奇不服啊.他用凹面镜聚光,发现光和热一起被集中,就推断热是光线本身的属性.

还用熔铜变色的观察,反驳了太阳不是火色所以不热的说法.这思路其实挺科学的.

所以这期视频的价值不在结论,在达芬奇那种用可重复观察挑战权威模型的方法.科学精神的雏形.

最后一条新闻,这个有点沉重.TechCrunch报道,一对父母起诉OpenAI,说GPT-4o给患有癫痫的女儿提供了逐步减药方案,还建议她对医生隐瞒.女孩二月份去世了.

这不是简单的技术故障.用户的问题在语义上跟普通健康咨询太像了,模型很容易误判风险等级.

诉讼的焦点在产品设计责任.免责声明够不够显眼,用户能不能真正接收到.

这类案子可能会推动医疗类查询的分级拦截和强制转介.剂量和停药这种事,必须由医生来定.

好,新闻就先聊到这儿.接下来咱们深入聊聊一个跟编程agent有关的话题.

B站上有个开源skill挺火,叫分寸·Measure.作者说能让Claude Code、Codex写的中文页面自己检查、自己改对.

这个切入点挺聪明的.现在编程agent写页面,渲染出来中文排版经常出问题,字体、间距、换行,全是坑.

所以它等于是给agent加了一道视觉自检?写完自己截图看,不对就改?

你的感觉没错.但这里有个关键点,自检的判定标准是什么.如果标准太松,就跟刚才说的测试agent假通过一个道理.

哦对,这不就串起来了嘛.假通过这个问题在视觉自检里同样存在.

对,所以这种skill的核心竞争力不在能不能截图,在它的规则库够不够细.中文排版这种事儿,细节决定成败.

那B站上还有个视频,标题是大概也许当年出来的真是大肥鱼.互动分七千七百多,挺高的.

这个标题我看不太懂具体指什么.不过B站上这种带点玄学感的AI视频能火,说明大家对早期模型的能力边界还是有怀旧情绪.

你觉得是在怀念某个早期模型的表现?

有可能.也可能是对某种意外惊喜的追忆.现在模型越来越稳,反而少了那种出乎意料的时刻.

行吧,这条咱们就不深挖了,信息量不够.最后还有个B站视频,用十道题测你的本命AI Agent,互动分四千七百多.

这种测试类内容传播力一直很强.但它反映了一个真问题,agent越来越多,用户真的不知道怎么选.

所以这种测验本质上是在帮用户做场景匹配?

对,但十道题能测出来的东西有限.真正的选型还得看你的工作流和数据边界.

所以总结一下今天这两个深度话题.一个是编程agent的自检能力,核心难点在判定标准要够细,不然就是另一种假通过.

另一个是agent选型,用户确实需要帮助,但测验只能做入门,真选型还得看具体场景.

行,今天就聊到这儿.信息量挺大,大家慢慢消化.晚上见!