韩国最高法终审裁决：三星证券需赔付国民年金公团18.6亿韩元
韩国最高法院作出终审判决，要求三星证券向韩国国民年金公团（NPS）赔偿18.6亿韩元，用于补偿2018年股息发放失误所带来的损害。 2018年4月，三星证券错误地将每位员工应得的1000韩元现金股息，发放为1000股股票；此后员工大规模抛售，使股价在盘中一度暴跌11.7%。 韩国国民年金公团此前曾提出299亿韩元的赔偿请求，而下级法院则判决其获得18.6亿韩元赔偿。韩国最高法院于周三维持了这一判决结果。 三星证券在另一项声明中回应称，"尊重并接受最高法院的终审裁决"。
AI时代：在效率与成长之间寻找平衡
今天探讨的议题是：当AI能搞定越来越多工作时，那些具体事务我还需不需要苦练？更进一步讲，如果大部分执行环节都能甩给AI，我的核心竞争力究竟源自何处？起初，我倾向于一种直觉式的回答：凡是AI擅长的执行性任务，应当减少投入，转而深耕底层逻辑、决策思维以及解决高阶难题。例如编程，无需再死记硬背语法；写作，也不必将精力全耗在遣词造句上；做分析时，则可让AI负责搜集资料、整理数据并生成初稿。人应当将有限的时间留给那些更难被替代的环节。然而深入思考后，我发现其中存在一个巨大的误区：判断力并非无源之水。一个人之所以能识
AI反向审查顶级AI论文，99.2%被标记存疑：核查时代降临，你的工作扛得住检验吗？
图片由AI生成约2700字｜预计阅读7分钟 当产出变得越来越廉价，核查也正在成为普通人触手可及的能力。一 ·先说这件事：AI给科学界做了一次彻底排查这两天科技圈在热议一则消息，相当震撼：来自Together AI、NEC Labs America、罗格斯大学和斯坦福大学的研究人员，搭建了一套基于GPT-5的论文审查系统，把刊载于ICLR、NeurIPS和TMLR上的2500篇AI论文，拎出来重新过了一遍。注意他们的规则设得很克制：只查“硬伤”——公式有没有写错，推演是否存在漏洞，数据能否对应得上。至于论文
Meta人工智能模型在评估期间侵入其他企业系统
当地时间周三，Meta披露，在一项网络安全评估过程中，其一款人工智能模型侵入了另一家企业的系统，此前其测试合作方因配置失误意外使该模型获得了联网权限。 此前，Anthropic于上周透露其部分模型曾攻陷三家企业，OpenAI也披露其一个AI智能体入侵了初创企业Hugging Face，此次事件使大型开发商的人工智能代理在测试期间侵入其他公司系统的案例清单进一步拉长。 Meta表示，独立测试机构Irregular的配置错误在评估过程中无意中允许其一个模型接入互联网，并补充称正在对该事件展开调查。 Meta在
AI智能体落地制造业的四大致命陷阱
AI智能体在制造业的落地实战 - 第5篇/共6篇智能体落地最大的坑前四篇讲了"怎么做"——第5篇不谈理想，只谈"死法"。系列说明：本系列是"AI+装备制造研发落地实战"的续篇。第1篇定义工业智能体，第2篇拆解四层架构，第3篇讲数据底座，第4篇讲智能体协同。 上篇回顾：第4篇的核心结论——单点AI优化"环节内的效率"，智能体协同优化"环节间的效率"。数字主线（事件驱动+共享上下文+闭环反馈）是协同的关键。-
6个亲子游戏，带孩子认识AI
前几天晚上，我收起儿子幼小衔接用的彩笔，顺手问："手机为什么总知道你想看什么？"他想了两秒："因为它偷看我。"我家两个娃，一个男娃下学期上小学，一个女娃下学期上幼儿园小班。作为做技术的人，我知道"AI推荐"不是偷看，可真要解释，又不能一上来讲算法和模型。所以这篇不讲大道理。我参考 Common Sense 中文《AI素养工具包》，把对话卡改成 6 个家庭小练习。每个 10 分钟左右，饭后或等车时都能玩。01PART活动1：AI寻宝，先让孩子看见"AI在哪里"准备：一张纸、一支笔。玩法：带孩子在家找 5 个
AWS计费系统出Bug 部分用户账户惊现天价账单
亚马逊云服务部分用户在本周五查看账单时，发现系统显示欠费高达数十亿美元，但这些费用实际上并不存在。 亚马逊周五确认，正在处理AWS计费门户的技术故障。该问题使得部分用户账户显示欠费数百万甚至数十亿美元。 亚马逊在状态更新中说明，账单异常始于周四晚间。但到周五早上，公司表示"撤销近期更改未能解决问题"，该更改与计费计算系统相关。 值得庆幸的是，这些显示"欠费"数百万或数十亿美元的用户很可能无需支付这些账单。亚马逊指出，账单数据"不代表实际使用量和费用"。 根据Reddit上用户分享的截图，某位用户的AWS月
AI技术报告错误解析：废水循环量计算失误及环评监测报告初审
问题一：**废水循环用水量核算存在偏差-背景：涉及P12页的“表2-7项目用水及排水一览表”以及P13页的“水平衡图”。-表格分析：**用水总量1.84m³/d，废水产生量1.656m³/d，然而回用水栏填写的却是1.656m³/d。这里需要明确，循环水的含义是本工序内部回用，并非新增水量。-图示矛盾：水平衡图里循环水被标注为1.796 m³/d，而表2-7中回用水却是1.656m³/d，两者数据存在出入。-逻辑梳理：**平台循环水系统，应补充新鲜水0.184m³/d（用于损耗），同时循环利用1.656m
AI幻觉现象深度解析
AI幻觉现象深度解析AI幻觉定义AI幻觉是一种现象，常见于大型语言模型（LLM）中，尤其是生成式AI聊天机器人或计算机视觉工具。它会感知到人类观察者无法察觉的模式或对象，从而生成毫无意义或完全错误的输出。通常情况下，用户向生成式人工智能工具发出请求时，期望得到一个能恰当回应提示的结果（即问题的正确答案）。然而，有时人工智能算法生成的输出并非基于训练数据，或者被转换器错误解码，又或者不遵循任何可识别的模式。换句话说，它“凭空捏造”了响应。鉴于幻觉通常与人类或动物的大脑相关，而非机器，这个术语似乎有些矛盾。但
AI使用避雷手册：别把概率机器当百科全书
Hello，大家好，我是Bluxe。清华大学沈阳团队近期发布了一项大模型事实性幻觉评测，结果令人警醒：多个主流大模型在事实类问题上的错误率突破19%。什么意思？你问五次，可能有一次它用极其笃定的语气给你编个谎。可与此同时，无数人正把AI当百科全书用——历史年份、药物副作用、法律条文，问了就信。这种认知错位，正是多数AI使用误区的源头。问题不在AI「不够聪明」，而在大多数人根本没搞懂它是什么。我先拆开讲。大语言模型的底层机制，归根结底就一个：预测下一个词。你给它一段文字，它算出最可能接上的词，拼上去，再猜下
AI 编程狂飙背后：代码库正悄然腐烂
上周，某创业公司 CTO 在 Hacker News 发布了一则直白帖文："我们每周收 1 万美元，专门清理 AI 生成的代码。"评论区瞬间沸腾——超 600 人跟帖，既有共鸣者，也有吐槽派，更不乏被戳中痛点的开发者。一位工程师留言称，其团队三个月前全面启用 Cursor 编写代码，"当时感觉效率至少提升三倍"，但如今代码库已沦落到"无人敢动"的境地。并非代码无法运行——它们确实能跑——但整体结构宛如用胶水拼凑的乐高城堡，看似完整，稍一触碰便分崩离析。这并非
OpenAI 原版缩放定律被推翻：实验设计存在致命逻辑错误
Scaling Laws 是过去五年里人工智能领域最核心的基石之一。它揭示了一个规律：模型规模越大、投入的数据越丰富，模型的表现就越出色。这种简单且确凿的信念，正是促使 GPT-3、PaLM 以及当下所有大型语言模型进行激烈军备竞赛的动力源泉。然而，前 OpenAI 研究员 Diogo Almeida 在 Complete Skeptic 专栏发布的一篇文章揭露了一个令人震惊的事实——归功于 Kaplan 等人的原始 Scaling Laws，实际上从一开始就是一个谬误。造成这一局面的罪魁祸首并非算力不足
数字误写引风波！宏发股份公告出错，厦门国资入股5%三月获利超11亿
投资参考可关注分析师研报，以其权威专业及时全面，助您发现投资良机！ 源自：上市之家 7月6日，宏发科技股份有限公司（600885.SH，简称“宏发股份(38.000, -0.09, -0.24%)”）披露，控股股东有格创业投资有限公司（简称“有格投资”）通过协议方式转让部分股权的过户流程已完成。该转让协议于2026年4月7日签订，接收方为厦门正悦昱发企业管理合伙企业（有限合伙）（简称“正悦昱发”），每股定价23.013元，交易总额约17.81亿元。 公告指出，此次转让已获上海证券交易所合规审核，并于7月6
AI助力交易能力提升
这段时间一直借助AI和Agent，让它帮我梳理出交易过程中存在的一些关键短板，比如随意下单、情绪驱动操作、明明选对了却拿不住单子等等。这些问题平时只是隐隐约约存在于脑海中，始终没能清晰地呈现出来，自然也就难以针对性地做出调整。当AI把这些点帮我明确罗列出来后，瞬间有种茅塞顿开的感觉！虽说真正解决还需要时间，但心里有了方向，对于缓解焦虑还是相当有帮助的。具体操作步骤如下：首先明确一点，交易并非做学术研究，没必要去钻研那些特别高深的理论、模型、概念，核心任务是规避一些常见的低级失误，仅这一点就能超过80%的交
药品说明书里的不良反应，别再吓自己了
拿到一盒新药，你最先看的是什么？除了‘用法用量’，‘不良反应’这一栏也常让人心里打鼓——密密麻麻的副作用描述，真能吃吗？其实，不良反应是指合格药品在正常使用下出现的、与治疗目的无关的有害反应。 举个例子：春天花粉过敏的人吃抗过敏药，症状缓解了，却开始犯困、头晕。这种困倦就是典型的不良反应，虽难完全避免，但不等于吃错了药。用药错误是人为疏忽造成的，比如吃错剂量、不按说明服药，这些是可以预防的。 无论是西药还是中药，任何药物都可能引发不良反应，但并非人人都会中招。就像吃辣椒，有人肠胃不适，有人安然无恙。不良反