如何阻止Meta用你智能眼镜的视觉数据训练其AI模型

Meta 开始在 Meta AI App 中向智能眼镜用户推送“视觉数据”退出选项。用户可选择不让眼镜在使用 AI 功能时采集的画面被用于训练和改进 Meta 的模型,这也直接关系到这些数据是否会被人工审核。

Meta 开始在 Meta AI App 中向智能眼镜用户推送“视觉数据”退出选项。用户可选择不让眼镜在使用 AI 功能时采集的画面被用于训练和改进 Meta 的模型,这也直接关系到这些数据是否会被人工审核。

DoorDash 用一套多 Agent 大模型系统自动清理代码库里的过期 Feature Flag,50 个过期 Flag 中有 45 个生成了可用 PR,单次清理平均 13.8 分钟、成本 4.79 美元,而人工通常要 1 到 2 小时。

一个新缩写 TAI-DR(Too AI. Didn't read)被提出,用来吐槽那些由 AI 生成、却没人愿意读完的长内容;它值得关注,因为它精准戳中了当下 AI 写作泛滥带来的“信息过载+信任下滑”问题。

GitHub 把仓库 issue 的“私有保存视图”和跨接口打通的“Relates to”关联关系正式推成通用能力,issue 从简单的待办清单进一步变成可筛选、可关联、可检索的协作数据层。

GitHub 为 Copilot 的企业托管设置上线了产品内校验器,能在配置提交后直接检测 JSON 格式错误、不支持的配置和无效团队映射,减少策略因配置问题而失效的情况。

慕尼黑 CESifo 的一项新工作论文分析美国人口普查微观数据后认为,2026 年应届大学毕业生的失业率并未出现异常上升,也没有证据表明 AI 已在整体上大规模取代或减少招聘新人。这与斯坦福此前基于 ADP 薪资数据得出的“入门级岗位受 AI 冲击明显”结论相反。

开源项目 Ollaya 在本地运行“决策模型”,用一次前向推理直接给出带概率的结构化答案,并兼容 TypeSafe 的 API 接口。它把 AI 的用途从“生成文本”拉回到“做判断”,而且数据不用离开自己的机器。

特斯拉人形机器人 Optimus 目前每周只能生产数百台,距离每周 2 万台的量产目标差距明显,原因是产线切换和精密装配仍严重依赖人工。这说明人形机器人从演示视频走向规模化量产,卡点不在 AI 软件,而在制造工艺。

GitHub Copilot 应用新增 canvases(画布)能力,用户用自然语言描述工作流,就能生成看板、清单、仪表盘等自定义界面,并与 AI 智能体在同一界面上实时协作。

Hacker News 上出现一个用 AI Agent 自动优化 CUDA Kernel 的开源项目,作者用 LangGraph 给 Agent 的行动划出“围栏”,并用逐字节比对来验证优化后 Kernel 的输出是否与参考实现一致。它值得关注的地方不在于性能数字,而在于把 Agent 的工作流收窄成一个可验…