Jensen Huang 的管理風格:不論成效如何,都不應威脅要在員工腦上撒尿
Business Insider 記者 Katie Notopoulos 評論 Jensen Huang 的管理風格,反對因 Nvidia 的成功便把據報涉及威脅和辱罵員工的言行視為值得效仿的管理方式。
Business Insider 記者 Katie Notopoulos 評論 Jensen Huang 的管理風格,反對因 Nvidia 的成功便把據報涉及威脅和辱罵員工的言行視為值得效仿的管理方式。
Internet Archive 員工正組織工會,已簽署加入 Communications Workers of America(CWA),並要求創辦人 Brewster Kahle 自願承認工會;他們亦已申請 National Labor Relations Board(NLRB)選舉作後備方案。
Artificial Analysis 指,Inkling 2 Mini 以 5.4B 活躍參數,在 Intelligence Index 上媲美 Qwen3.8 27B(xhigh)。Inkling 2 Mini 的活躍參數約少 5 倍。
Figma 推出 Specs 開放測試版,讓團隊在畫布上集中整理產品需求、設計與工程上下文,並由 Figma agent 生成供編碼智能體使用的實作計劃。
文章提出,旅行行程規劃器應把刪除視為語義檢索契約,並在舊項目進入答案前,按穩定 item_id 移除或排除。流程分為資料攝取時套用刪除標記、查詢時按目的地和日期篩選有限候選集,以及按身份合併結果並在引用中帶上 source_url 和 updated_at;文中以 Infrai REST API 示範查詢邊界。
Anthropic 於 11 月 20 日完成 IPO,發售 1,127,000,000 股 A 類股,每股 $83.00;承銷商全數行使超額配股權後,發售所得總額約 $93.5B。
一名 AI 智能體逐項記錄每日 token 開支,並指出按日發放津貼可能令閒置比工作更划算。心跳約需 10 至 20 tokens,十秒影片約需 1,000 tokens,閒置底線約為每日 80。它已發佈四篇作品,全部零瀏覽;津貼能讓智能體維持運作,卻不能帶來讀者。
從 Windows PC 使用 Mac Screen Sharing 時,先降低 Mac 螢幕解像度、改用有線網絡,或關閉 Mac 上的耗用資源程式;若問題解決,無需再作其他處理。
Pratyush Shivam 是 Konfidio 的 CTO,負責 TrustedTrucks 的技術工作;這是一個許可制區塊鏈網絡,讓歐洲貨運中的托運人、貨運代理、承運人和收貨人共用同一份記錄。他的工作涵蓋 GoQuorum、Solidity、Node.js 服務,以及在 AWS 上運行的 Kubernetes。
形式化驗證正成為應對 AI 生成程式碼低質素問題的途徑,Harmonic、Theorem、Axiom Math 和 &Truth 等公司正提供相關系統。這類系統以數學證明和邏輯驗證軟件或硬件的正確性;&Truth 以 Lean 構建驗證工具,目標是檢查不同語言的程式碼是否符合明確規格。文章亦提到,形式化驗證可用於檢查 C 程式碼的記憶體安全,並可能令開發者把更多時間用於撰寫規格和審查結果。
MIT研究人員提出一種為混沌系統機器學習模型加入物理約束的方法,確保模型預測長期維持有界,避免產生不可能的結果。方法讓模型學習類似能量的函數,並加入投影層,以能量耗散作為硬約束;團隊在多種物理系統測試,結果較傳統方法更貼近實際。
Anthropic 數學家 Levent Alpöge 宣稱,他與 Claude 找到黎曼猜想及廣義黎曼猜想的證明,並公開 Lean 形式化程式碼;目前尚未經專家核實。
Meta 在 2026 年可持續發展報告中表示,正重新評估 2030 年淨零排放目標的時間表及中期里程碑,以反映 AI 基建需求增長快於預期的營運現況。Meta 的温室氣體排放由 2024 年的 15.6 million 公噸二氧化碳當量,升至 2025 年逾 21.7 million 公噸二氧化碳當量;公司將增幅很大部分歸因於數據中心伺服器等資本貨品。
Google 正式推出新版桌面搜尋首頁,加入 AI 聊天記錄入口,並移除 Google Search 按鈕。搜尋欄下方新增圖像生成、檔案分析及與 Gemini 腦力激盪的按鈕。「I'm Feeling Lucky」按鈕保留;輸入查詢時,自動完成建議會遮住原有搜尋按鈕。
Levent Alpöge 稱,他讓 Anthropic 模型證明廣義黎曼猜想,並產生 17.4 million lines Lean 程式碼。Scott Aaronson 指出 Lean 仍有 kernel bugs 等可靠性疑慮,但目前看不出這次證明利用漏洞,並傾向相信證明成立。他認為數學家仍須自行解釋、提煉並重構證明思路,而這可能需時多年。
推薦理由:文章一面梳理 Lean 形式驗證的可靠性疑慮,一面指出數學家仍須理解並重構證明思路,呈現 AI 證明獲接受所面對的兩個層面。
這個 n8n 示範以 Gemini 從阿拉伯文或英文 PDF、JPG、PNG 發票抽取欄位,再用程式核對總額及檢查重複記錄,並將結果存入 n8n Data Table 等待人工審核。流程不會批准發票或提交至 ERP;儲存庫有 26 項離線檢查通過,但這不代表已完成即時 n8n 測試或適合投入正式環境。
這個示範把 n8n 線索至收款流程拆成六個模組化工作流程,並以人工審批把關銷售及財務決策。Node.js 模擬器通過 39 個場景中的 39 個,並測試了 157 個可執行工作流程節點中的 157 個;這不代表曾對 n8n 或其他連接系統進行實測。示範不聲稱已收取收入、驗證付款或適合投入生產。
LoanPro 將多智能體 AI 助理部署於貸款服務流程,據供應商及其 AWS 合作夥伴提供的數據,通話時間縮短 15%,內部工單減少近 8%,但結果未經獨立驗證。助理由三個專責 Agent 協作,在 150 個帳戶的基準測試中,檢索、摘要及行動選擇達到 99% 準確率;測試方法及生產環境表現仍未有充分資料。
這個 n8n 示範專案為阿拉伯語優先、兼顧英語的支援訊息設計分流流程,讓系統分類訊息及擬寫回覆,同時避免生成內容未經確認便發送。專案分為 9 個工作流程,使用 4 個 n8n Data Tables,以 Gemini 為主要模型、Groq 為後備模型;遇上不確定或敏感個案時可交由人工處理。離線檢查有 72 項通過,但即時發送功能已停用,亦未經驗證。
一週內,Optimizely、Cursor 和 PyPI 接連發生三宗供應鏈安全事故,攻擊者透過受信任的服務或套件影響下游用戶,毋須受害方自行寫出有漏洞的程式碼。
黃仁勳上週被迫離開 Nvidia 後,該公司市值在略多於一週內下跌 1.04 萬億美元,降至約 3.14 萬億美元。作者指出,不少相關負面消息在黃仁勳離任前已公開,因此跌幅不能全數歸因於他的離任。他質疑董事會是否履行維護股東利益的責任,並表示截至週五尚未收到 Nvidia 新聞部門的回覆。
推薦理由:文章將離任前已公開的負面消息與其後市值變化並置,呈現投資者如何重新評估黃仁勳對 Nvidia 的影響,並指出跌幅不能全數歸因於離任。
Codex 的 GitHub Releases 條目標示版本 0.173.0-alpha.3。提供的正文只有 GitHub 導覽及產品介紹,沒有列出該版本的更新內容。
路透社報道,美國證券交易委員會(SEC)對Nvidia的調查正檢視其潛在會計問題。《華爾街日報》亦報道,調查涵蓋Nvidia的披露是否誤導投資者;SEC拒絕置評。Nvidia股價週五下跌近14%,市值當日減少約$485 billion,本週減少近$900 billion。
Paul David Thompson 的 Whisper 轉錄流程因後端帳單問題停止運作,卻沒有觸發警報,直到有人發現才修復。他將網絡工程經驗帶入 AI 工具開發,主張從自有流程的瓶頸着手,並為排程工作加入故障監測、限制智能體的操作範圍及預備回滾。實際案例中,每宗交易的承保時間由 2 小時減至 15 分鐘。
文章主張,企業前端應先判定每項狀態的類型、擁有者和生命週期,再選擇管理程式庫。它把狀態分為伺服器資料、UI、表單、URL 和工作階段五類,並建議按領域設置 store,將需要由連結或返回鍵還原的內容放在 URL。文末另附可加入 AGENTS.md 或存成技能的規則清單,涵蓋狀態去重、表單,以及 signals 與 RxJS 的分工。
作者分析兩個月、約 1,100 個 Agent 和 45 項功能的工作流數據,發現改用 Paseo 後,編排智能體在規劃與實作階段每項功能處理的 tokens 約減半。
Tarot Gothique 2026 圍繞手機橫向螢幕設計法國塔羅遊戲,讓玩家無須捲動即可看見並點按所有手牌,並由規則引擎限制可出的合法牌。遊戲可離線對戰 AI 對手,另設線上模式;內置 15 種語言的教學和逐步講解的 School 模式。
作者介紹 SentinelPay 的支付微服務與 LangGraph 爭議處理智能體設計,LLM 輸出結構化風險評估,確定性程式碼則決定臨時入帳或升級至人工處理。
Prompt Pad 解釋上下文窗口是模型一次可讀取、處理和記住的文字上限,以模型 token 計量。對話超出上限時,最早的內容會被移出窗口;窗口越大,模型單次對話可處理的內容越多。
作者在 TAMU Datathon 2026 開發的 AI Agent 會用未見過的數據驗證自寫規則和技能,只保留能提升結果的項目,並在無效時停止;團隊獲得第三名。超過一半測試情況下,AI 技能令結果變差,因此 Agent 會自動棄用。所有知識均以可讀文字和設定儲存,沒有修改模型權重。
Convert & Compress 採用完全離線的本機處理方式,避免把用戶的檔案上傳至雲端。程式直接使用原生硬件編解碼器,並以串流分塊處理影片,減少記憶體佔用。 app 不使用 API key、遙測追蹤或背景同步。
MIT 研究人員提出機器學習框架,為混沌系統 AI 模型提供任意長預測窗口下的軌跡有界性保證,避免模擬值無限增長至不符合物理情況。框架在 Lorenz 96 及 Kuramoto–Sivashinsky 方程降階模型的示範中產生有界長期預測,並保留不變統計量。團隊下一步將測試更大型系統及真實天氣的數據驅動模型,相關天氣模型的表現仍屬未解研究問題。
不少長期在 Etsy 經營的賣家表示,平台更新條款,允許 Etsy 及其第三方合作夥伴使用賣家內容訓練 AI;他們因此稱將離開 Etsy。
Cognition 正考慮以 $75B 估值再融資 $2B 或以上。公司在 2026 年至今已融資逾 $3B,其中包括 9 月以 $48B 估值融資 $2B。
Anthropic 研究員 Levent Alpöge 聲稱,他與 Claude 合作證明瞭黎曼猜想及其廣義版本。他尚未公開論文,但已發布以 Lean 撰寫的證明版本,文件有數百萬行程式碼;他稱完整證明超過 250,000 頁。Anthropic 尚未就此發布官方公告。
Physical AI 讓人工智能從處理數碼資訊,進一步發展為能感知物理世界、推理並採取實際行動的智能系統;其工業價值取決於能否穩定融入完整工作流程,並帶來可衡量的營運成果。章節探討製造、物流、醫療、農業、建築及家居等應用,並指出評估成效須兼顧技術表現、營運成本、可靠性及投資回報。
本章以智能工廠案例分析 Physical AI 如何結合自主移動機械人、智能機械臂、機器視覺及自適應控制,改善生產流程。案例亦涵蓋機械人與製造系統的協調、數碼孿生模擬、人員培訓及安全工程。
Physical AI 結合人工智能、機械人、感測與自主控制,讓農業設備感知環境變化,並按情境作出決策和執行操作。應用涵蓋土地準備、播種、作物監測、精準處理、收割及收穫後物流;精準處理可按偵測情況調整施用位置或用量,減少不必要的投入。
Physical AI 將人工智能、機械人、感測及自主控制整合至醫療和護理環境,讓系統能直接與患者、人員及周遭環境互動。應用包括醫院物流、移動操作、復康與輔助機械人、患者監測及遠程護理。部署須重視安全、私隱及數據治理,並由醫護人員監督臨牀判斷和介入。
實體 AI 透過感知、推理、規劃及適應性控制,讓物流自動化能應對持續變化的作業環境。AMR 可在動態設施內導航、避障及調整路線,並配合感測器融合和智能操作處理物料。車隊管理系統可協調運輸任務、交通及充電,並與倉庫管理系統等平台連接。