AI 自我进化加速：Anthropic 披露代码自写超八成，巨头呼吁全球暂缓
6 月 4 日，Anthropic Institute 发布了题为《当 AI 构建自己》的报告，公开了一组内部关键数据。截至 2026 年 5 月，Anthropic 代码库中合并的代码，逾 80% 由 Claude 生成。而在 2025 年 2 月 Claude Code 推出研究预览版之前，这一比例仅为个位数。此外，2026 年第二季度，普通工程师每日合并的代码行数达到了 2024 年的 8 倍。同年 4 月，Claude 修复了 800 多项 API 错误，将特定类型错误率降低了约 1000 倍，相
AI巨头Anthropic警告AI“自我改进”风险，呼吁全球暂停开发
5日，“Anthropic呼吁全球暂停AI开发”这一话题迅速登顶微博热搜榜。据外媒《华尔街日报》6月5日报道，AI初创公司Anthropic敦促全球顶尖实验室放慢研发节奏，担心AI系统进化过快，若在无人类介入下实现自我迭代，恐引发严重社会隐患。据悉，Anthropic于4日在官网博客发布了题为《当AI构建自身》的深度文章。此文由联合创始人Jack Clark及研究负责人Marina Favaro合著，罕见地公开了部分未曾在外的内部运营数据。数据显示AI自我迭代速度惊人：至2026年5月，Anthropic
Anthropic警示AI失控风险：呼吁全球共同减速以避免递归自我改进
AI人工智能初创企业Anthropic表示，AI技术正在迅速主导研发流程，这潜藏着巨大的社会隐患。6月4日，Anthropic在其官网上指出，若AI持续主导研发，在算力充足的情况下，系统将具备自主设计、开发及训练更高级别AI的能力，从而达成人类尚未备好的“递归自我改进”循环。为此，公司建议减缓全球前沿AI的研发步伐或许有利。不过他们也提醒，若仅单一企业止步，竞争对手便会趁机加速。唯有多国多家大型AI企业达成共识，实施“可验证的共同减速”，方能奏效。Anthropic引用内部数据佐证：目前公司生产环境中，超
史上首个AI蠕虫问世，Anthropic呼吁暂停研发，程序员却离不开AI
1988年11月2日晚上8点30分，康奈尔大学研究生Robert Tappan Morris在MIT终端按下回车键。编写此程序旨在测算互联网规模——当时无人知晓这个新兴网络究竟连接了多少台机器。他为此耗费数月编写了99行C语言代码。按下回车数小时后，约6000台联网电脑——当时占互联网10%——全部瘫痪。大学网络停摆，政府实验室慌忙断网，管理员彻夜未眠。Morris蠕虫由此诞生，成为人类历史上首次“攻破互联网”的事件。随后，美国成立CERT/CC应急中心，全球首个网络安全机构。损失超1亿美元。Morris
AI 自主进化：递归改进的现实与未来
AI 开始自己造 AI 了——递归自我改进，到底是不是狼来了?6 月 4 日，Anthropic（就是做 Claude 的那家公司）发了一篇文章，标题叫《当 AI 构建自身》（When AI builds itself）。听起来像科幻片的台词，但通篇没有一句煽情，全是数据。它讲了一件正在发生、但很多人还没意识到严重性的事:AI 不只是在帮人写代码了，它正在一步步参与「制造下一代 AI」这件事本身。如果你最近被各种「AGI 要来了」「人类要失业了」的标题搞得有点麻木，那我建议你把这篇看完。因为这次说话的不是
AI时代生存法则：业务专家与人工智能的完美融合
这是最近上课的核心笔记，给没去成课堂现场的同学。AI越聪明，对人的要求越高。毕教授课堂金句：懂业务的人+AI=不可替代。规格不是约束，是自由。架构师思维——定义问题、设计系统、把控边界，才是AI时代的核心竞争力。从2小时跑通一套系统，到外贸开发也能复用这套逻辑。一篇笔记，讲透AI时代怎么“掌控全局”。我最近半年毕教授的课我都紧跟着，一节都没落下。之前以为就是教怎么用AI写代码的。上完发现不是——他教的是怎么让AI替你干活，而你掌控全局。核心信息我整理出来了，不多，但句句都是课堂上砸下来的干货。"AI水平越
面壁智能推出AI自研训练框架ForgeTrain：国产AI基础设施的新突破
2026年5月底，国内AI企业面壁智能推出了一款名为ForgeTrain的预训练框架。若仅是又一款训练工具，或许不会引发太多关注。但ForgeTrain的独特之处在于：它是一款完全由AI自主生成的生产级框架。AI辅助编程早已不稀奇。然而，让AI编写用于训练AI的预训练框架，且该框架在生产环境中的性能已超越英伟达的Megatron——这就截然不同了。ForgeTrain的工作原理如下：面壁智能团队在GitHub上运营着一个持续更新的Specification-as-Code代码库，其中使用YAML和Pyth
AI 越强越需 PBL：从获取答案到解决问题的能力重塑
“本文借《垃圾分类知识》案例，剖析 AI 如何助推高品质项目化学习的构建。”项目化学习（PBL）正演变为课堂改革的关键路径。然而在实际操作中，众多教师面临共同困境：项目已执行，成果已呈现，课堂氛围虽热烈，但学生的深度研习并未真正落地。追根溯源，往往并非项目本身存在缺陷，而是缺乏科学严谨的设计逻辑。高品质的项目化学习通常恪守这一核心脉络：开展项目化学习，不应首要思考“举办何种活动”，而应优先考量“学生习得什么”。一个卓越的项目需同时聚焦三大维度：知识维度：掌握何种内容；能力维度：培育何种技能；素养维度：塑造
OpenAI高薪招安全专家 防范AI自主进化失控
OpenAI致力于构建具备自我优化能力的AI系统。目前，该企业正着手应对由此衍生的各类风险。 近半年来，随着OpenAI与Anthropic编程工具的巨大飞跃，AI系统潜在的“递归式自我迭代”能力，已引发行业领袖的高度聚焦。 Demis Hassabis本周指出，人类正处于“奇点”前夕——即AI开启自我演进并超越人类智慧的关键节点。 计划于年内上市的OpenAI，近期发布了一项非同寻常的招聘启事：公司正物色一名安全研究员，专攻“当AI能培育出更优自我版本时”的潜在后果。 该岗位系本月面向OpenAI的Pr
316亿估值AI新星：八大顶尖大神联手打造自我进化系统
作者丨梦晨图源丨X告别Meta的田渊栋，如今现身独角兽联合创始名单，正式成为AI创业的核心合伙人。Recursive Superintelligence（RSI），团队规模不足30人，刚结束保密状态便斩获6.5亿美元融资（约合44亿元人民币），估值高达46.5亿美元（约316亿元人民币）。谷歌GV与Greycroft联合领投这一早期轮次，英伟达、AMD等巨头也积极参与其中。八位联合创始人集体亮相，阵容堪称奢华。这八人之中，任意一位都足以独立支撑起一家AI独角兽企业。那么，他们汇聚一堂究竟要达成什么目标？公
AI赋能教学：龙港中学学术节专家讲座
为进一步探寻人工智能与教育教学的深度结合，推动全体教师提升教学效能、拓展创新路径，恰逢龙港中学第五届学术节之际，我校特邀温州大学方建文博士为全体教师带来一场内容丰富的“AI+教育”专题讲座。方建文博士围绕《教育强国建设规划纲要(2024-2035年)》的相关要求展开阐释，系统梳理“人工智能+教育”的政策方向与未来趋势，针对部分教师在引入AI技术时出现的生硬套用现象作了深入剖析，并提出“好设计驾驭好技术”的关键理念，帮助教师更科学地理解与运用AI。在回应教师教学实践中收集与研判学生学习数据这一核心需求时，方
Anthropic联创预言：AI自造AI概率60%，2028年成关键节点
新智元讯息AI系统或许很快便能自主构建出自身！发表此言论的是Anthropic的联合创始人Jack Clark。5月4日，他在X平台发文称：「我认为，递归自我改进（RSI）在2028年底前发生的概率为60%。」除了联合创始人身份，Clark还是《Import AI》的创办者兼主编，长期关注AI能力的演进。此次发文，他在《Import AI》上同步发布了一篇详尽的分析报告。https://importai.substack.com/p/import-ai-455-automating-ai-research
AI自我迭代能力爆发：逼近人类难以掌控的未来
昨日，Anthropic（即Claude开发公司的联合创始人）Jack Clark发布了一篇引人深思的文章：截止2028年末，递归自我改进技术出现的概率高达六成。换言之，人工智能系统可能即将具备自主构建自身的能力。这一推测并非凭空想象，Jack明确表示是基于"研读了上百份关于人工智能发展的公开资料"得出的科学结论。AI的持续工作能力，短短四年提升了1440倍之多。有一家名为METR的机构，专门负责测试AI能够独立处理复杂任务的时长。测试结果令人惊讶：· 2022年，GPT-3.5仅能维持30秒· 2024
AI替你忙不等于替你想
在培训现场，有位学员找到我问：「黄参谋，AI都已经这么强了，我们是不是不用再去学怎么思考？」我看着他说：「你见过工地上用挖掘机开工吗？」他先是愣了一下。我接着讲：挖掘机干活的效率能甩人一大截，挖得快不假；但想让它把土挖对、把深度控制好、把土堆到该堆的位置，得有人知道该往哪挖。AI就像那台挖掘机，而你才是操作它的人。说真的，最近我观察到一件挺有意思的事。做了一年AI培训，我发现来上课的学员大致分成两类：一类眼神发亮，觉得有了AI就能解决一切，从此可以不用费脑子；另一类眉头紧锁，担心AI进步太快，自己迟早会被
AI赋能电商：构建用户反馈闭环，激活企业生产力
几乎每位电商老板都宣称："我们极其看重用户的意见。"然而，当你深入其公司内部，审视真实情况时：这些反馈，超过85%都在"沉睡于数据库中"——无人审阅、无人解析、无人优化。症结不在于未收集，而在于： - 数据量过大，人工难以兼顾 - 指标繁杂，不知从何切入 - 反馈至改进的链条断裂 - 改进后未反馈给用户（用户感觉未被倾听）后果是：用户认为"反馈了也没用，索性不反馈"，品牌错失了最宝贵的改进动力。2025年以后，头部品牌纷纷构建一套体系：AI驱动的用户反馈系统