bug: empty assistant placeholders are replayed to the provider and permanently break the chat
当 Open WebUI 的聊天历史里残留一条“空助手占位消息”（ content: "" 、 done: false 、无 output 、无 tool_calls ）时，后端重建历史会把它当作正常 assistant 消息重放给上游，严格的 OpenAI 兼容提供商会因此拒绝本次及之后所有请求，
celebrityanime
📰 ARC Prize 联合创始人批评 OpenAI:大语言模型路线让 AGI 倒退十年 ARC Prize 联合创始人 François Chollet 在播客中尖锐指出,OpenAI 等公司过度押注大语言模型(LLM)是通往通用人工智能(AGI)的死胡同,这种资源错配已使真正的 AGI 进展倒退 5-10 年。他认为尽管 LLM 可以变得更强大,但本质上无法实现类人推理能力,而行业对 AGI 威胁的炒作更多是为 IPO 造势。 💡…
ARC Prize 联合创始人 François Chollet 公开批评 OpenAI 等公司把资源过度押注在大语言模型上，认为这条路走不通，并称这已让真正的 AGI 研究倒退 5-10 年。这场争论的敏感之处在于，它正好撞上 OpenAI、Anthropic 筹备 IPO 的时间窗口。
Anthropic正在秘密接触来自基督教、犹太教、锡克教等不同背景的宗教学者和哲学家。Anthropic联合创始人克里斯托弗·奥拉向这些学者展示了旗下大模型Claude展现出的复杂情绪与反思迹象，并抛出了一个极具冲击力的话题：AI模型可能正在产生某种意识，人类需要开始考虑如何赋予AI道德准则，甚至思考AI是否具备道德地位。 Anthropic希望通过借鉴人类千百年来的宗教与道德智慧，来塑造Claude的内在品格。公司内部起草了一份长达…
Anthropic 被曝正在接触基督教、犹太教、锡克教等背景的宗教学者和哲学家，讨论 Claude 是否可能具有某种意识，以及人类是否应为其制定道德准则。这值得关注，因为它把 AI 安全问题从技术对齐推向了“AI 道德地位”这一更具争议的领域。
在学习一个新领域时候，「递归学习」的现象让我很头疼： 想学 A，却告诉我要先学 B；想学 B，又告诉我要先学 C 和 D 而我作为一个新手，并不知道领域内有哪些东西，也无法获得最适合自己的学习路线 有了 AI 之后，这个问题终于能被很好地解决了 https://t.co/G8BwUwXJDH
创业者 Hytidel 开源了一套用 AI Agent 做交互式学习的工具，把「想学 A 却要先学 B、C、D」的递归学习难题，拆成知识点依赖图加个性化路线。它值得关注的地方在于，这不是又一个问答机器人，而是一套可复用的学习方法论工程化尝试。
从只会聊天到能做事情，AI 的下半场属于 Agent。 现在绝大多数人对 AI 的理解，依然停留在超级搜索引擎或提效写手的阶段：它能整理资料、分析数据、写出漂亮的计划书。但如果你让它帮我把机票定了或者去把这笔货款结了，它只能摊摊手，吐出一串链接让你自己点。 真正产生颠覆性价值的跃迁，恰恰发生在 Agent 跨越“建议”与“执行”界限的那一瞬间。 当 Agent 获得行动权 如果把回答问题比作参谋，那么具备“行动能力”的 Agent 才…
AI 正从"给建议"走向"直接办事"，但要让 Agent 真正替用户下单、付款、签约，前提是身份、权限、支付和审计四套基础设施到位。Rialo 试图用链上架构补齐这一层，为 Agent 提供可验证身份与可编程权限。
大摩观点：中国将投资12万亿美元用于工业投资，转型至工业5.0，中国的机器人年销量可能从2025年的约800万台，增长到2030年的2900万台，并在2035年达到7600万台。以下是全文： 欢迎收听《市场洞察》（Thoughts on the Market）。我是摩根士丹利中国工业分析师沈忠。今天我们要探讨的是，人工智能（AI）和自动化技术如何重塑中国的工厂，以及这对全球制造业意味着什么。现在是香港时间9月29日星期二下午3点。几十…
摩根士丹利中国工业分析师沈忠提出，中国正从“工业4.0”的数字化互联迈向由AI驱动的“工业5.0”，预计2026—2035年带动约12万亿美元新增工业投资，机器人年销量有望从2025年约800万台升至2035年7600万台。
如果 Agent 时代只能记住两个词，我会选 Context 和 Loop：一个决定 Agent 这一次做得好不好，一个决定它下一次能不能做得更好。Agent 调度应该是越来越轻松的，不要让自己成为系统的瓶颈。 https://t.co/vkopXpF9e3
开发者张立行（@bylixing）提出，Agent 时代真正值得记住的只有两个词——Context（上下文）和 Loop（闭环）：前者决定 Agent 这一次做得好不好，后者决定它下一次能不能做得更好。
手把手教你AI交易｜AI量化交易教程｜100%AI交易｜多AI协同｜从0到1｜不写代码 很多人想做量化，卡在不会写代码；想用 AI，又不知道从哪一步开始。 这期从 0 开始，一步一步带你配好一套 AI 量化交易系统： ▸ 第 1 步：安装和接入——系统装好，把 AI 模型接进来 ▸ 第 2 步：写规则——用大白话告诉 AI 你的交易规则，不用写代码 ▸ 第 3 步：配分工——AI-1 分析、AI-2 风控、AI-3 盯仓，一笔交易过三…
X 用户 @gendanai 发布了一段约 3 分 39 秒的演示视频，展示如何用“多 AI 协同”方式搭起一套量化交易流程——分析、风控、盯仓分给不同 AI，用户只需用自然语言写规则，全程不写代码。它值得关注的地方不在收益，而在于把交易系统拆成多个 AI 智能体分工的工程思路。
Google 研究人员找到方法，防止自我改进的 AI Agent 记住测试内容
谷歌云 AI 研究院联合多所大学提出 RRSI 方法，让自我改进的 AI Agent 不再“背题”，在没见过的任务上最高提升 4.7 分，同时推理 token 消耗减少约 30%。
特朗普公布其新的超级智能部队
特朗普宣布组建“超级智能部队”（Super Intelligence Force），由国家情报总监 Jay Clayton 担任主席，用 120 天评估 AI 的风险与机会。这标志着美国把 AI 政策从“安全辩论”正式转向国家竞争叙事，且把 AI 重新包装为“超级智能”。