14:40Gary Marcus@GaryMarcus75°Gary Marcus评论OpenAI Astra时承认其演示“显然令人印象深刻”,但认为数学问题比其他问题更依赖形式验证和合成数据。他质疑Astra在开放式真实世界问题中的可靠性,并指出目前不知道其是否使用Lean等工具。Marcus表示尚未看到问题尝试数量等细节,也没有独立验证。他回顾了此前社区对未试用模型的狂热后常出现失望的情况。行业OpenAIAstraGary Marcus10 个信源在谈事件专题推荐理由:Gary Marcus对OpenAI Astra的数学表现泼冷水:没公开细节,没独立验证,别急着吹。原文稍后读已读值得跟进有用关注 OpenAI
10:02Gary Marcus@GaryMarcus76°Gary Marcus发帖质疑,把AGI限定在可形式化领域是移动球门柱。他以2024年与Brundage的赌约为据,认为写视频脚本这类任务AGI应当能做。他承认Astra在数学上表现惊艳,但仅凭数学能力不足以证明其达到AGI。AI模型Gary MarcusAstra通用人工智能7 个信源在谈事件专题推荐理由:看了这条你会明白,Astra数学再强也不是AGI的充分证据,Gary Marcus一句话点破通用性该有的样子。原文稍后读已读值得跟进有用关注 Gary Marcus
06:26Gary Marcus@GaryMarcus精选Gary Marcus发推称,他猜测Astra是一个带辅助框架和工具的神经符号LLM。他强调这一观点与自己最初的说法一致,并质疑Astra是纯大模型的可能性。这条推文目前获得9595次查看和7个点赞。AI模型Astra神经符号Gary Marcus7 个信源在谈事件专题推荐理由:Gary Marcus公开赌Astra不是纯大模型,而是神经符号路线,还说自己早这么说了。想看他凭什么这么判断,就来读读这条。原文稍后读已读值得跟进有用关注 Astra
05:14Gary Marcus@GaryMarcus78°Gary Marcus在X上批评,OpenAI新证明引发的欢呼有数千万观看,而一位数学博士研究生对疑似反例的讨论互动数不足12次。他引用自己的帖子指出,至少一个Astra证明可能出错,该帖子有3249次观看,但只有5条回复、3次转发和14个赞。Marcus用这个对比说明,证明的验证过程未得到足够关注。AI模型OpenAIAstraGary Marcus10 个信源在谈事件专题推荐理由:Gary Marcus扒出OpenAI的Astra证明可能有问题,一个数学博士生的反例讨论才十几个互动,和数千万播放反差太大,建议去看看。原文稍后读已读值得跟进有用关注 OpenAI
01:37Gary Marcus@GaryMarcusGary Marcus在X上表示,OpenAI的Dean Ball称Astra能做任何事,但他怀疑Astra连数学都未必擅长。Ben Horne将Noam的推文输入Claude,Claude最后总结称,列表中的内容几乎都是构造或显式边界,只需展示巧妙对象即可验证。Claude还指出,所有这些成果都没有涉及构建新理论。Gary Marcus认为这些突破虽然惊人,但缺乏新理论值得思考。AI模型OpenAIAstraClaude10 个信源在谈事件专题推荐理由:Gary Marcus怼Astra全能论,还用Claude分析Noam推文,看看AI圈怎么吵的原文稍后读已读值得跟进有用关注 OpenAI
01:34Gary Marcus@GaryMarcusGary Marcus 在 X 平台发文,批评 AI 社区对 OpenAI 的 Astra 只有立场站队,不愿审视其技术上限。他引用 OpenAI 的 deanwball 称 Astra 无所不能的说法,表示连数学任务都不清楚 Astra 能否做好。这条推文目前有 9 个赞和 2232 次浏览。行业AstraOpenAIGary Marcus10 个信源在谈事件专题推荐理由:Gary Marcus 发推怼 OpenAI:别光吹 Astra 万能,连数学行不行都存疑。围观他怎么拆台。原文稍后读已读值得跟进有用关注 Astra
01:11Gary Marcus@GaryMarcusOpenAI公开了一篇249页的数学研究论文,展示新的数学结果。AI研究者Gary Marcus在X上发文批评,论文没有说明模型如何工作。文中也未交代证明的验证方式、人类参与程度以及是否存在错误。Marcus质疑这已经偏离了科学应有的公开透明原则。论文OpenAIGary Marcus数学推理5 个信源在谈事件专题推荐理由:Gary Marcus公开质疑OpenAI的249页数学论文不讲模型机制,和普通论文比缺了关键验证细节。原文稍后读已读值得跟进有用关注 OpenAI
23:08Gary Marcus@GaryMarcus74°Gary Marcus对OpenAI Astra的演示表示惊艳,但指出数学问题与其他问题不同,更适合形式化验证和合成数据。他认为该模型在开放式真实世界任务中的可靠性尚未可知,且未知是否依赖Lean等正式工具。Marcus质疑目前缺少具体实验细节,例如尝试了多少问题、成功多少,也没有独立验证。他提醒,过去社区多次对未亲测模型狂热,随后出现分歧或失望。AI模型OpenAIAstraGary Marcus10 个信源在谈事件专题推荐理由:Gary Marcus说:Astra数学成绩亮眼,但实际可靠性没验证,别急着嗨。原文稍后读已读值得跟进有用关注 OpenAI
07:08Gary Marcus@GaryMarcusGary Marcus在X上发文,批评以LLM为中心的系统无法被信任遵循硬约束。他针对Richard Socher关于Constitutional AI的宣传,认为该路径并未奏效。Constitutional AI曾被视为通往AGI的更安全路径。Gary Marcus强调必须找到能够遵循硬约束的替代方案,否则后果严重。行业Constitutional AIGary MarcusLLM推荐理由:Gary Marcus说Constitutional AI不靠谱,LLM守不住硬约束,得找替代方案。原文稍后读已读值得跟进有用关注 Constitutional AI
03:08Gary Marcus@GaryMarcusGary Marcus引用卡斯帕罗夫的推文,指出现成的LLM在国际象棋中经常做出非法走法,说明它们缺乏真正的世界模型。例如,2023年多次观察到LLM无法准确理解简单的规则集。Marcus认为,如果一个系统连国际象棋规则都无法可靠遵循,就难以相信它能处理需要上下文和常识的通用任务。他批评那些希望用这类系统指挥战争的想法是疯狂的。行业Gary MarcusKasparovLLM推荐理由:Gary Marcus又开炮了,这次用国际象棋例子说明LLM缺乏常识,连简单规则都学不会,你还敢让它管战争?原文稍后读已读值得跟进有用关注 Gary Marcus
00:08Gary Marcus@GaryMarcusAGI-26 会议在旧金山州立大学开幕,首日安排包括 Gary Marcus 与 Ben Goertzel 的炉边对话,以及 Anil Seth 关于破除意识与 AI 迷思的主题演讲。研讨会覆盖 Hyperon、可解释自然语言处理(INLP)、机器意识和主动推理等方向。活动于 UTC 时间 15:25 开始。行业AGI-26Gary MarcusAnil Seth推荐理由:AGI-26 第一天,Gary Marcus 被 Ben Goertzel 采访,Anil Seth 讲意识与 AI 的真相,还有多个 AGI 专项研讨会原文稍后读已读值得跟进有用关注 AGI-26
11:01Gary Marcus@GaryMarcusGary Marcus 引用 Ramez Naam 的推文,指出 Opus 5 在 ARC-AGI-3 基准上的成绩提升可能源于针对该评估的专门训练,而非抽象推理能力的普遍增强。该观点质疑当前用基准分数衡量 AGI 进展的有效性。推文获得 4 条回复、1 次转发和 10 个点赞。行业Opus 5ARC-AGI-3Gary Marcus10 个信源在谈事件专题推荐理由:Opus 5 的基准高分可能是刷出来的,看看专家怎么拆穿这个骗局。原文稍后读已读值得跟进有用关注 Opus 5
10:58Gary Marcus@GaryMarcus72°加里·马库斯指出,当前AI在编码和数学等可验证领域具有变革性,但在大多数场景缺乏可靠性,无法被信任自主运行。他解释世界未因AI智能而巨变的原因:昂贵但不值得信赖的“员工”不会改变世界。只有在人类介入且答案可验证时,AI才有显著影响。行业Gary MarcusAI可靠性自主系统推荐理由:想知道为什么AI很牛但世界没变?看看马库斯一针见血的分析:智能不等于可靠,不能自主干活就没法颠覆一切。原文稍后读已读值得跟进有用关注 Gary Marcus
10:56Gary Marcus@GaryMarcus71°Gary Marcus指出,当前AI在编码和数学等可验证领域确实强大,但在大多数场景下缺乏可靠性。因此,这些AI无法被信任自主运行,更像昂贵且不可靠的员工。他认为世界未发生巨变是因为前提错误——AI并非通用可信系统。只有当AI变得可靠且自主时,才会真正改变世界。行业Gary MarcusAI可靠性自主系统推荐理由:Gary Marcus一句话点透:AI再聪明,不可靠也是白搭。只有编码数学这种能验证的地方才是AI的用武之地。原文稍后读已读值得跟进有用关注 Gary Marcus
10:19Gary Marcus@GaryMarcusGary Marcus在X上指出,很多人认为AI可以观看并理解电影,但当他要求提供证据时,对方沉默。Marcus强调,目前没有研究证明AI能以24帧/秒以上速率理解全帧视频。他认为这项能力尚未实现。该帖子引发1410次浏览和13个点赞。行业Gary Marcus视频理解多模态推荐理由:Gary Marcus戳穿了AI能看懂电影的幻觉,问问那些跟风吹的人要证据,结果全哑了。这波打脸值得看。原文稍后读已读值得跟进有用关注 Gary Marcus
08:12Gary Marcus@GaryMarcusGary Marcus发帖指出,LLM行业牛方认为模型酷炫、芯片股飙升、收入增长。熊方则看到企业用户除编程外生产力提升有限、与中国价格战、LLM提供商在无芯片补贴下无法盈利、且模型依然不可靠。该帖获得24个点赞和1607次浏览。行业Gary MarcusLLM行业分析推荐理由:看看Gary Marcus怎么用一句话说透LLM行业的冰火两重天,收入和股价飞涨,但企业实际收益和盈利问题依旧。原文稍后读已读值得跟进有用关注 Gary Marcus
01:14Gary Marcus@GaryMarcus82°Gary Marcus在BBC World讨论OpenAI对HuggingFace的零日漏洞黑客攻击,认为这应成为行业警钟。他指出目前无法保证此类安全事件可被预防,且后果严重程度未知。Marcus建议要么放慢AI部署节奏,要么暂停开发直到安全体系完善,并主张通过法律明确追究公司责任。行业Gary MarcusOpenAIHuggingFace10 个信源在谈事件专题推荐理由:AI专家Gary Marcus发话了,OpenAI黑进HuggingFace这事说明AI安全漏洞很大。他建议先停一停,把责任划清楚再说。原文稍后读已读值得跟进有用关注 Gary Marcus
23:15Gary Marcus@GaryMarcus精选Gary Marcus指出,纯LLM作为概率性下一个词预测模型存在固有局限,仅靠扩大规模无法修复硬数学问题中的组合幻觉。他提出有效的解决路径包括:在推理轨迹上进行SFT、采用o1风格的过程奖励模型进行RL、引入类似MCTS的推理时计算,以及集成可执行工具。Marcus强调现代数学AI是混合系统,而非纯Transformer。行业Gary MarcusLLM推理模型推荐理由:Gary Marcus总结了提升数学推理的有效路径:SFT加RL再加推理时计算和工具,别迷信纯规模了。原文稍后读已读值得跟进有用关注 Gary Marcus
11:48Gary Marcus@GaryMarcusGary Marcus在推文中回应Derek Thompson关于‘模型强大为何世界如常’的疑问。他指出AI模型在基准测试(如GLUE、MMLU)中得分虽高,但在现实世界可靠性不足,难以对多数企业产生变革性影响。Marcus认为不存在真正的悖论,而是基准测试与实用价值之间仍存在显著鸿沟。行业Gary MarcusDerek ThompsonAI可靠性推荐理由:Gary Marcus一句话点破AI行业的真实痛点:基准测试再强,一到真实场景就露怯。适合关心AI落地效果的人。原文稍后读已读值得跟进有用关注 Gary Marcus
10:30Gary Marcus@GaryMarcusGary Marcus 和 Miles Brundage 在 2024 年底打赌,列出 10 项真 AGI 应能完成的任务,目标时间是 2027 年底。如今赌局时间过半,Marcus 认为 AI 只能做到其中 1 项,最多。他同时批评了 Jason 关于今年底出现 AGI 的说法,认为不切实际。行业Gary MarcusMiles BrundageAGI推荐理由:Gary Marcus 晒出他和 Miles Brundage 的 AGI 赌局进度,时间过半只完成 1/10,顺便怼了 Jason 的年底 AGI 预言。观点犀利,适合围观讨论。原文稍后读已读值得跟进有用关注 Gary Marcus
06:37Gary Marcus@GaryMarcusAI学者Gary Marcus在推文中表示,他近三年来一直警告美国AI护城河将崩塌。他引用Ryan Fedasiuk在AEI的报告,指出美国AI软件护城河已不如预期强大。Marcus呼吁将AI竞赛重新定义为工业系统竞争,核心是构建和部署计算基础设施。行业Gary MarcusRyan FedasiukAI竞争推荐理由:Gary Marcus直接点破美国AI的软肋,引用AEI报告数据,说明AI竞争不是模型比拼,而是算力基建较量。原文稍后读已读值得跟进有用关注 Gary Marcus
09:49Gary Marcus@GaryMarcusGary Marcus转发Wenjie Ma的工作,指出神经符号AI方法schema可能使ARC-AGI-3基准变得可解。schema将经验转化为程序世界模型,并基于完整历史验证,然后搜索解决方案,无需进一步试错。该方法已在交互演示中展示效果,相关分析和演示托管在schema-harness.github.io。AI模型神经符号AIARC-AGI-3schema推荐理由:这个新方法用程序世界模型解决了ARC-AGI-3难题,不用反复试错,比纯神经网络更聪明。原文稍后读已读值得跟进有用关注 神经符号AI
07:20Gary Marcus@GaryMarcusGary Marcus 指出 AI 推理成本正经历有史以来最陡峭的商品曲线。他引用数据,中国模型每百万 token 仅需 $0.50,比 Anthropic 的 $56 便宜 112 倍。相比之下,石油价格压缩用了 40 年,半导体用了 20 年,而 AI 推理仅用数月。Anthropic 和 OpenAI 的定价分别为 $56 和 $26,远高于 Meta 的 $1.50、xAI 和 Google 的 $1。行业Gary MarcusAnthropicOpenAI10 个信源在谈事件专题推荐理由:Gary Marcus 用数据告诉你,AI 推理价格一年内垮塌到原来的百分之一,中国模型成本只有 Anthropic 的零头,这对整个行业都是改变游戏规则的事。原文稍后读已读值得跟进有用关注 Gary Marcus
14:45Gary Marcus@GaryMarcusGary Marcus在推文中引用The Atlantic文章《Generative AI is an engineering disaster》,指出生成式AI的扩展性极差,甚至没有AI研究者能举出其他扩展性如此差的软件。他认为生成式AI违背了规模经济原则,而规模经济使灯泡、汽车、服装变得廉价。从经济和工程标准衡量,生成式AI可能是史上最差的技术。行业Gary Marcus生成式AI扩展性推荐理由:Gary Marcus说生成式AI可能是有史以来最烂的技术,扩展性连灯泡都不如。看看他为什么这么狠。原文稍后读已读值得跟进有用关注 Gary Marcus
00:12Gary Marcus@GaryMarcusRichard Sutton、Gary Marcus和Khurram Javed等AI学者公开批评当前深度学习方法弱且低效,认为需要根本性新想法和彻底重做,而非简单调整。Sutton与John Carmack的Keen Technologies合作后,现在与Javed共同创立新公司Oak Lab,专注强化学习(RL)和运行时经验驱动的智能。Marcus自2018年发表论文《Deep learning: A Critical Appraisal》以来持续持类似观点,该论文曾被Yann LeCun指责为“大多错误”。Oak Lab强调智能来自持续交互经验,与主流深度学习路径分道扬镳。行业Richard SuttonGary MarcusJohn Carmack推荐理由:AI大佬组团开怼现有深度学习:Sutton和Marcus联手发论文说光调参没用,得从头改架构,还搞了个新公司Oak Lab。想了解AI前沿争议的可以看看。原文稍后读已读值得跟进有用关注 Richard Sutton
01:18Gary Marcus@GaryMarcus心理学家Gary Marcus在世界科学节(WorldSciFest)的一场视频讨论中指出,LLM存在固有局限性,仅靠扩大规模无法实现真正推理。他认为当前基准测试因心理测量学因素(如题目过拟合)而失效,无法反映模型真实能力。Marcus主张神经符号AI(Neuro-Symbolic AI)可能引领下一代AI范式,结合符号推理与神经网络。该视频包含对AI发展方向的深入分析。行业Gary MarcusLLM神经符号AI推荐理由:听Gary Marcus用神经符号AI挑战主流LLM,看完你会重新思考AI基准测试的真相。原文稍后读已读值得跟进有用关注 Gary Marcus
03:06Gary Marcus@GaryMarcus2016年,Geoff Hinton在Creative Destruction Lab上表示,深度学习将在5年内超越放射科医生,建议停止培训放射科医生。他提出医院需要重新设计工作流程来适应模型。9年后,Gary Marcus在X上翻出此言论,认为Hinton当时过度夸大。这条推文引发关于AI在医疗领域落地速度的讨论。行业Geoff Hinton深度学习医学影像推荐理由:看看Hinton十年前怎么吹深度学习的,现在回过头看,是预言还是打脸?原文稍后读已读值得跟进有用关注 Geoff Hinton
11:32Gary Marcus@GaryMarcusGary Marcus指出AI的编程能力已非常出色,但研究能力仍然很糟糕。他举例说,让Codex查找与Jeffrey Epstein会面的人的长段引用,结果Codex只能找到单句引用。这暴露了AI在理解复杂研究任务上的局限性。行业Gary MarcusCodex编程助手推荐理由:Gary Marcus用Codex举了个例子,说AI写代码很溜但做研究不行,连找长段引用都翻车,具体看看他怎么说的。原文稍后读已读值得跟进有用关注 Gary Marcus
12:58Gary Marcus@GaryMarcusGary Marcus 在 Financial Times 撰文指出,依赖扩大模型规模无法解决 LLM(大型语言模型)的准确性根本缺陷。他将超大规模投资比作历史上最大的金融失误之一,因为硅芯片折旧快且可能被更高效的模型取代。他还认为 LLM 行业难成科技巨头的垄断格局,更像利润微薄、竞争激烈的航空公司。文章呼吁寻找替代基础架构,而非继续押注超大规模计算。行业Gary MarcusFinancial TimesLLM推荐理由:Gary Marcus 在金融时报上警告AI泡沫,说超大规模投资可能是历史最大失误之一,值得一读冷静一下。原文稍后读已读值得跟进有用关注 Gary Marcus
11:54Gary Marcus@GaryMarcusGary Marcus 分享《金融时报》文章,质疑扩展计算规模能否解决 AI 的根本准确性难题。文章指出,尽管算力投入持续增加,但大模型在事实核查和推理任务上仍频繁出错。Marcus 认为依赖更大规模数据与参数并非提升可靠性的出路。该观点挑战了当前主流的大规模训练范式。行业Gary Marcus计算量准确性推荐理由:FT的分析文章,Gary Marcus 转评,核心观点很明确:堆算力解决不了AI的准确率问题,值得看看他为什么这么讲。原文稍后读已读值得跟进有用关注 Gary Marcus
09:54Gary Marcus@GaryMarcusRamez Naam在推文中警告,若前沿AI仅由少数美国公司掌控并受美国政府意志左右,将带来高反乌托邦风险。他认为应促进激烈竞争、开源模型(open weight models)以及不受白宫控制的AI发展。Gary Marcus转发了这一观点,引发对AI权力集中风险的讨论。行业Ramez NaamGary Marcus前沿AI推荐理由:Ramez Naam和Gary Marcus在聊一个严肃话题:前沿AI被少数美国公司垄断,受政府支配,有反乌托邦风险。他们呼吁开源和竞争,值得看看。原文稍后读已读值得跟进有用关注 Ramez Naam
09:01Gary Marcus@GaryMarcusGary Marcus在推特分析Anthropic的Q3表现,提到tokenmaxxing下降。他指出来自中国模型的进步和缺少xAI一次性补贴的影响。他预测Q3业绩将低于Q2。行业AnthropicGary MarcusxAI10 个信源在谈事件专题推荐理由:Gary Marcus用三个因素预测Anthropic业绩,直接点出行业竞争影响。原文稍后读已读值得跟进有用关注 Anthropic
05:56Gary Marcus@GaryMarcus白宫要求OpenAI推迟发布GPT-5.6,此举源于对AI潜在风险的担忧。此前Marc Andreessen和David Sacks曾阻止严格监管,但近期白宫态度转变。专家Gary Marcus指出,当前监管缺乏透明度,给企业和投资者带来不确定性。他建议成立由独立科学家组成的两党委员会,制定透明标准。行业GPT-5.6OpenAIWhite House10 个信源在谈事件专题推荐理由:白宫叫停GPT-5.6,AI监管风向变了。Marcus剖析了幕后的政治博弈,值得一读。原文稍后读已读值得跟进有用关注 GPT-5.6
02:55Gary Marcus@GaryMarcus精选Anthropic 联合创始人 Jack Clark 表示 AI 进步仅靠规模扩展就能实现,但 Gary Marcus 引用该公司自己的 Claude Code 予以反驳,指出该工具使用了 50 万行符号代码、harnesses、符号工具和正则表达式。Marcus 认为专门化系统并非无用,规模扩展也非唯一路径。该争论涉及“bitter lesson”假说与实用工程系统的平衡。行业Gary MarcusJack ClarkClaude Code10 个信源在谈事件专题推荐理由:Gary Marcus 拿 Anthropic 自家的 Claude Code 打脸 Jack Clark:50 万行符号代码说明专门化没死,别只信 scaling。原文稍后读已读值得跟进有用关注 Gary Marcus
07:26Gary Marcus@GaryMarcusGary Marcus指出,大多数声称大量工作将很快消失的人是LLM公司高管,意在夸大产品价值。他引用自己2025年25条预测文章,准确预计当年不到10%(实际可能低于5%)的工作被替代。Justine Moore补充称,AI实际上正在创造工程岗位,构成叙事悖论。行业Gary MarcusJustine MooreAI工作替代推荐理由:Gary Marcus戳破LLM公司的裁员恐慌话术,还甩出了具体预测数据。告诉你别被炒作了,AI也在创造新岗位。原文稍后读已读值得跟进有用关注 Gary Marcus
07:25Gary Marcus@GaryMarcusGary Marcus在推特发布帖子,列举8个减缓AI超大规模扩张的理由。他指出GenAI已对社会造成影响,AI垃圾正在破坏互联网。他还警告数据中心过度建设可能给经济和环境带来后果,以及AI生成的垃圾代码会引发软件危机。此外,他提到缺乏应对就业问题的计划以及对齐问题没有解决方案。行业Gary MarcusGenAIAI安全推荐理由:Gary Marcus从八个具体方面分析AI过快扩张的风险,包括经济、环境、就业等,值得一看。原文稍后读已读值得跟进有用关注 Gary Marcus
06:23Gary Marcus@GaryMarcusGary Marcus指出,生成式AI已造成社会伤害,AI垃圾内容正在破坏互联网。数据中心过度建设可能威胁经济和环境。AI驱动的网络攻击威胁数据完整性,AI生成的低质量代码将引发软件危机。此外,缺乏针对就业冲击的应对计划,且对齐问题仍无解决方案。行业Gary MarcusAI风险AI安全推荐理由:Gary Marcus一口气列出八条反对AI加速的理由,从互联网被垃圾填满到就业失控,每一条都直击要害。想听听技术圈的反方声音?看这个就够了。原文稍后读已读值得跟进有用关注 Gary Marcus
07:42Gary Marcus@GaryMarcusGoogle DeepMind、滑铁卢大学、ANU 和 UCL 联合发表新论文,提出 AGI 能力层级定义,包括“胜任型 AGI”(competent AGI)、“专家级 AGI”和“超人级 AGI”。论文指出当前连最低层级的“胜任型 AGI”都未达成,更不用说更高级别。Gary Marcus 公开表示完全赞同该结论,认为所有声称 AGI 已实现的说法只是营销。论文Gary MarcusGoogle DeepMindAGI推荐理由:别被吹牛忽悠了。这篇论文给了你一个硬核标尺:DeepMind 等机构说连最低门槛的胜任型 AGI 都没到,真相比营销更靠谱。原文稍后读已读值得跟进有用关注 Gary Marcus
07:51Gary Marcus@GaryMarcusGary Marcus在X上发问,质疑Andrej Karpathy是否真的被Anthropic雇佣来负责“递归自我改进”(RSI)。Liron Shapira回应称,Anthropic一边推动RSI一边警告其带来灾难性风险,存在虚伪。Marcus指出,All-In播客成员可能不了解内部逻辑,但认为这种做法疯狂。该推文获得4条回复、2次转发和11个赞。行业AnthropicAndrej KarpathyGary Marcus10 个信源在谈事件专题推荐理由:Marcus质疑Anthropic的RSI矛盾原文稍后读已读值得跟进有用关注 Anthropic
02:51Gary Marcus@GaryMarcusGary Marcus 在 X 上发文称 Vibe Coding(2025-2026)已终结,强调仍需要资深软件工程师参与。该推文获得 23 个赞和 1080 次浏览。Marcus 此前多次指出 AI 编码工具无法完全替代人类工程师。行业Vibe CodingGary Marcus编程助手推荐理由:Marcus 说 Vibe Coding 凉了原文稍后读已读值得跟进有用关注 Vibe Coding