在美国的劳动者被人工智能淘汰之前,美国能否对他们进行再培训?

《经济学人》在最新报道中提出一个现实问题:在 AI 大规模替代劳动力之前,美国能否完成对劳动者的再培训。它把政府政策、教育体系和企业培训同时放上考场,关注的是 AI 转型中最容易被忽略的“人”的环节。

《经济学人》在最新报道中提出一个现实问题:在 AI 大规模替代劳动力之前,美国能否完成对劳动者的再培训。它把政府政策、教育体系和企业培训同时放上考场,关注的是 AI 转型中最容易被忽略的“人”的环节。

一款名为 Sprocket 的 AI 代理产品在 Hacker News 上以 “Show HN” 形式公开发布,声称同时面向硬件和软件开发场景。由于演示页面目前无法访问,其实际能力仍需验证,但“AI 代理进入硬件工程”这一方向本身值得关注。

Google Cloud 在 2026 年 6 月发布 Open Knowledge Format(OKF),并于近期更新到 V0.2,试图用一套开源、厂商中立的格式,定义企业和 Agent 之间“知识”的存储与交换标准。它被看作 Agent 时代的基础设施级尝试,值得所有关注知识库和 Agent 工程化的人…

Meta AI 研究人员提出让“第二个 AI 代理”担任记忆教练,在长任务执行中主动提醒主代理哪些信息仍然有效,避免模型重复犯错、遗忘约束。测试数据显示,这种“选择性提醒”比把全部记忆塞进上下文更有效,为提升智能体可靠性提供了一条新思路。

字节跳动开源了 DeerFlow 2.0,一个 GitHub 已接近 8 万星标的“AI 超级员工”项目。它不是聊天机器人,而是能拆解任务、调用工具、分派子智能体并交付文件的多智能体工作系统,任何人都可以部署到本地电脑上。

Wafer.ai 把 2.8T 参数的开源模型 Kimi K3 部署到了 AMD MI355X 上,在每美元推理吞吐上明显跑赢 NVIDIA B300 和 B200。它说明超大模型推理不再只能依赖英伟达 Blackwell,高显存容量的 AMD 芯片也能成为性价比选项。

创作者 Peter Yang 在 X 上公开反馈,OpenAI 插件平台存在 bug,导致他开发的“/no-ai-slop”AI 内容检测技能无法正常以插件形式使用;OpenAI 相关人员已回应会排查。此事之所以值得关注,不在于单个 bug 本身,而在于它再次暴露 AI 插件生态在体验和成熟度上的短板。

X 平台上一则“希望 AI 一劳永逸治愈癌症”的帖文引发近 6 万次浏览和大量业内人士共鸣,其中免疫学家明确回应“会实现的”。它反映的不只是一个愿望,而是 AI 在生物医药领域的积累正让“AI 攻克癌症”从口号变成可讨论的路线图。

Hacker News 上一篇文章引发讨论:越来越多人在输出成果时习惯性注明“这是 LLM 做的”,作者认为这种“为工具请功”的做法既稀释了人的责任,也无助于建立对 AI 产品的真实信任。文章真正追问的是:AI 时代,功劳与责任到底该记在谁头上。

苹果因 AI 辅助生成的 bug 报告数量激增,开始对提交数量设置上限,并引入 30 天冷静期;研究者可申请更高配额。这是主流平台首次公开针对 AI 辅助质量问题的系统性治理动作。