綜合
共 9 篇 · 第 1/1 頁
Sarah Catanzaro 公開反對 Grindslop 文化
Amplify Partners 合夥人 Sarah Catanzaro 於 2026 年 7 月 20 日發文，明確表示強烈反對 Grindslop，主張工作應追求效率而非時長。
昨天 · 8 分鐘-
氣象資料遭物理篡改的風險正在上升
2026 年 4 月巴黎戴高樂機場氣象站遭人使用吹風機等工具人為加熱，導致溫度資料異常飆升，操盤手藉此在 Polymarket 預測市場獲利約 3.4 萬美元。
-
大模型做安全掃描，誤判成本自己吞：滴滴的召回優先邏輯
2026 年 6 月 27 日，滴滴在成都安全開放日披露：平台年安全投入已超過去年集團淨利，並配置 4000 餘名工作人員負責風險工單複核。
-
路徑之爭：高德 ABot-Earth0.5 三個工程突破，讓原生 3D 城市生成走出實驗室
3D 城市生成長期走同一條路：採集海量 2D 影像，再從中蒸餾出 3D 結構。這條路不是沒有成果，但幾何一致性的天花板早被業界看透，終究是用二維像素在猜三維世界。
-
算力荒逼出新供應鏈：連火箭公司都賣機櫃了
Google 向 SpaceX 採購算力，這筆交易的真正訊號是：超大廠的需求已溢出傳統資料中心，開始向非典型供給端找電力與機架。這對 Nvidia 看起來仍是利多，不管誰來提供基礎設施，GPU 還是要買。當「誰有算力」比「誰模型強」更卡脖子，連火箭公司都成了算力供應商。
-
LA-Pose：先學「運動感知」，再以極少標註估相機位姿
Wayve 與 Simon Fraser University 提出 LA-Pose，核心思路是從海量無標註行車影片中，以自監督方式學出「隱含動作」特徵，再用少量 3D 標註資料將這些特徵轉接至相機位姿估計任務。結果在 Waymo 與 PandaSet 基準上超越頂尖 feed-forward 方法逾 10%，且標註需
-
B 站用「投幣」替代評審，才是這場賽事的真正創新
真正新的是用稀缺硬幣當需求過濾器：彈幕即體驗、投幣即背書，讓 Build in Public 有了閉環。懷疑：賽制偏娛樂、投幣易受人氣左右，未必等同產品品質。
-
當「人類仍在迴路中」從聲明裡消失
Google 在報導刊出後要求媒體替換聲明，新版本悄悄拿掉了「維持人類監控至關重要」的措辭。這不是筆誤，是一次刻意的訊息修整。當內部員工用迷因嘲諷自家 AI，對外卻在收緊安全承諾的語言邊界，企業 AI 可信度的真實訊號，往往藏在它選擇刪去什麼，而非宣稱什麼。
-
AFUN：把 Affordance 做進基座模型，讓機器人同時知道「在哪」與「怎麼」動
現有 affordance 研究長期分裂：定位互動區域的方法不輸出可執行動作，預測動作的方法又難以擴展。AFUN 嘗試統一這兩條線，從單張 RGB-D 影像加語言指令，同步輸出 task-conditional functional mask（互動位置）與 3D post-contact 運動曲線（互動方式）。為了追求