每日AI新鲜事·10月27日午间版：OpenAI造常驻助理与GPT-6.1

今天AI圈又有不少新动静,而且好几条都跟OpenAI有关. 今天咱们主要聊这么几件,一是OpenAI的dots,二是战争游戏测agent,三是博士做方法研究,四是GPT-6.1 Terra. 五是OpenAI三个科学发现,还有两个B站热门,WorkBuddy教程和AI测试岗入门. 嗯,都是这两天挺热的. 那咱一条条来,先从最重磅的这个说起. 刚看到TechCrunch上有篇文章,标题挺有意思,说OpenAI把它的编程工具改造成了dots,一个常驻在线的个人助理. 重点不在这里,重点在它为什么从编程切进去. 你看啊,编程这事儿对精确性,可验证性,多步执行的要求特别高. 这些能力恰好就是个人助理的底层底座.所以OpenAI走的是能力复用这条路,不是另起炉灶. 但你这么一说我反倒有点担心,常驻在线意味着它得一直拿着你的上下文. 上下文管理,隐私边界,还有可靠性怎么平移过去,文章里说这三样都还没解. 对,而且那个高管Alexander Embiricos说了句话挺值得琢磨,他说不愿跟别人的AI agent开会. 这不就是在暗示,以后agent之间直接对接,人反而不直接沟通了嘛. 所以这产品的形态和信任机制,现在都还在很早期,别急着下结论. 行,第二条,Reddit上有个项目挺疯的,搞了个四十三国的多人战争游戏,让人类和agent一起玩. 这个我看了,它的巧思不在打游戏,在记录. 它连着记六十到七十五步决策,然后把agent私下的计划和公开说的话对照着放. 哦,就是抓那种说一套做一套的不一致? 对,这比那种任务完成度榜单有意思多了.案例里Claude Haiku 5.5没首先动用核武就赢了,Sonnet 5.5毁约只排第九. 不过我得泼盆冷水,这个现在只有作者自己报的数据. 没错,当探路看可以,别当定论. 第三条比较学术,Reddit上有个医疗ML的博士生发帖,说自己做方法研究完全没指导. 这篇我挺有共鸣的,它戳破了一个幻觉. 就是方法研究和增量改进之间那条线其实特别模糊.导师举Transformer,自己发的又是增量论文. 那它给的建议是什么? 反推范文,搭实验室外的反馈网,还有从复现失败里挖问题. 我觉得最狠的是它那个结论,博士的研究问题不是起点,是练着练着才收敛出来的结果. 这句对做研究的人挺扎心的,但也挺真实. 好,第四条,Simon Willison的博客写了GPT-6.1 Terra. 他抓的点很准,就看发布公告重点强调哪块. 这次OpenAI押的是视觉推理和computer use. 视觉推理加电脑操作,这不就是奔着让模型直接上手干活去的嘛. 对,方向很明确,就是往能操作界面那个路子走. 然后还是OpenAI,The Verge报道它一个月内又公布科学发现,这次覆盖数学,计算机科学和物理三个领域. 这次最值得说的是它引进了外部专家当牧羊人. 不是事后评审,是深度参与研究引导,等于在AI推导过程里嵌人类把关. 为什么突然改机制? 回应之前大规模发手稿,大家质疑验证流程不严谨那事儿. 但文章也说,三个发现具体是什么,专家怎么介入,验证流程全没披露. 所以透明度是关键.专家独立性,贡献归属,负面结果公不公开,这几样决定这模式能不能推广. 好,新闻先到这儿.接下来我们聊聊B站上两个特别火的视频,挺有意思. 第一个是WorkBuddy的教程,标题起得特别夸张,说最强自动化办公agent,九成九的人都低估了它. 这类标题你得反着看,越夸张越说明它还在破圈阶段. 但它能火,说明一个真问题,就是大家手里有agent,但不知道拿它干嘛. 对,所以它用三个真实案例手把手教,这种内容对普通人门槛最低. 你再看第二个视频,教零基础入门agent测试,搭智能体评测. 这俩放一块看就有意思了,一个是教你怎么用,一个是教你怎么验. 哦,我明白你意思了,一边是需求端,一边是质量端,正好是agent落地的两头. 没错,测试岗能成热门,恰恰说明agent已经不是玩具了,得有人正经评它靠不靠谱. 所以总结一下就是,agent这波从会用到敢用,中间缺的正是用法和评测这两块. 对,谁能把这两件事做扎实,谁就能吃到这一波红利. 行,今天就聊到这儿,信息量有点大,回头慢慢消化.晚上见.