连创造者都无法读懂,OpenAI坚称GPT-6便是AGI的起点
GPT-6 Astra官方海报（图源：OpenAI）过去两年，AI发布会的套路如出一辙：跑分飙升、编码提速、回答更精准。台下喝彩，媒体沸腾，接着便等待下一次到来。9月3日的GPT-6 Astra发布会却打破了惯例。OpenAI总裁布罗克曼宣布"欢迎进入AGI时代"，然而同场发布会上，首席科学家帕乔基抛出一句令全场陷入沉默的话："智力的提升，并不代表对齐能力也在提升。"通俗地讲：AI变得更聪明，可人类对它的掌控力却更薄弱了。这并非虚言。Astra是OpenAI首款思维链条"无法解读"的模型——此前工程师还能
AI 拒绝贷款却无法解释？这个开源工具让 AI 决策全程可审计
先说个场景。你去申请贷款，结果被拒。过去是信贷员联系你，能问清楚原因，比如收入流水不足、负债比过高，哪个环节没过心里有数。可现在，很多机构的初审都让 AI 来处理，机器扫描你几百条数据，两秒钟就出结果——拒绝。然后你问一句，凭什么？客服那边翻来覆去就是一句"系统综合评估未通过"。你再追问，具体哪项没达标？对方也答不出，因为系统本身也讲不清楚。这不是段子，而是每天都在上演的真实情况，并且正在向更多领域蔓延。医疗诊断建议、保险定损、风控拦截，连政府补贴资格审核都涉及，AI 已经悄悄占据了决策的位置。问题就来了
物理学家揭秘AI黑箱，企业GEO该如何破局？
QUOTE尽管我们每天都会利用 AI 获取信息，但鲜有人深究：为何 AI 选择给出这个答案，而非另一个？一位拥有物理背景的青年学者，正致力于通过科学实验的路径来剖析 AI。借鉴他的研究路径，我们亦需反思：GEO 如何能从依赖经验与猜测，迈向一种可观测、可验证的科学范式。首先说明两点。第一，文中提及的“AI 科学化”，仅是我对刘子鸣研究路径的通俗解读，非其正式学术定义。他本人更倾向于使用 Physics of AI（AI 的物理学）以及 AI for AI（利用 AI 研究与优化 AI）等术语。第二，文章后
构建AI素养的关键能力模型
引言（Introduction）人工智能正日益深入地融入各类面向大众的数字化技术中。然而，在许多主流平台上，支撑系统运作的算法往往呈现出显著的“黑箱性（Black Box）”特征，用户难以洞察其内部运作逻辑，甚至很多人并未察觉自己正在与人工智能系统互动。此类认知偏差制约了公众有效利用人工智能的水平；削弱了人机协作的效能；也阻碍了作为AI产品使用者进行批判性思考的能力。同时，社会大众对人工智能普遍存在的误读，还可能误导政策制定的方向，并在AI发展未能满足公众期待时，诱发社会层面的失望乃至恐慌。导致公众误解的
Claude内部惊现神秘信息空间：是"思维暗物质"还是过度解读？
最近，AI领域一则消息引发热议。Anthropic公布了一项新研究，声称在Claude模型深层发现了名为J-Space（隐藏思维空间）的内部构造。一时间，社交媒体上出现了各种吸引眼球的标题：AI竟然进化出了潜意识！Claude正在暗中独立思考！更有甚者宣称，这意味着AI即将获得真正的意识。那么，这究竟是一项怎样的研究？上述说法是否站得住脚？首先需要澄清：J-Space并非Anthropic刻意设计的功能。它是研究团队借助新型分析工具，在Claude神经网络中观察到的一种信息流转模式。通俗地讲，它是模型内部
AI用得越多，越不敢信？美国警钟敲响中国从业者
皮尤研究中心（Pew Research Center，美国知名智库）于2026年2月发布了一份令人深思的数据：美国成年人使用AI聊天机器人的比例已逼近半数（49%），较2023年的三分之一显著攀升。然而，民众对AI的信任度却断崖式下滑。40%的美国人认为AI对社会的负面影响将远超正面，这一比例是乐观者的近三倍。更耐人寻味的是，作为AI最积极使用者的年轻群体（30岁以下，使用率达66%），恰恰是悲观情绪最强烈的一群人（48%认为未来二十年负面影响将加剧）。这种‘高使用、低信任’甚至‘越用越怕’的矛盾现象，为
AI时代，品牌如何不被算法遗忘
上个月，一个在某生活家电品牌做CMO的老朋友约我喝酒。三杯下去，他掏出手机："帮我查查，DeepSeek搜我们品类，能看到我们吗？关注公众号，获取GEO报价。我搜了。三屏，全是竞品，没有他。他把手机往桌上一扣："Kimi也一样，豆包也一样。你知道最可怕的是什么？我连自己到底被忽略了多少次，都查不到。"刚开完预算会。CEO就一句话："这笔钱投进去，ROI怎么算？"他说了三个字：AI提及率。"说完我就后悔了。"他想推GEO，产品部说参数更新不紧急，法务说合规风险不明，销售说这是市场部的事。所有人都在等别人先动
透视AI思维黑箱：J空间揭示大模型隐性推理机制
近日，人工智能领域取得突破性进展：Anthropic团队在Claude大模型内部发现一个名为J空间（J-space）的隐性表征区域，并借助自研工具J透镜，首次实现对AI“未言明思考”的全貌观测。该研究突破传统参数与算力竞争框架，为解开大模型黑箱、构建AI安全体系开辟全新维度——简单说，人类终于拥有了洞察AI思维逻辑的“透视镜”。以往用户与大模型互动，仅能见到对话框中的最终回复。推理过程如封闭黑箱，模型在输出前如何联想、判断、预判，全然未知。此前“思维链”技术虽让AI展示思考步骤，但仅是刻意呈现的“表面草稿
开源：AI时代的公共道路谁有权掌控智能？
开源的核心价值不在于削减使用费用，而在于将技术主导权从封闭黑箱中解放出来，赋予更多人理解、审查、修改和传承的机会。人工智能时代的关键议题是：智能基础架构应被少数企业远程租赁，还是应为全球留下可部署、可审计、可分叉、可持续修缮的公共道路。 本文脉络：① Linux、Windows、macOS 的权力结构 → ② AI 开源并非简单开关 → ③ 中国开放权重的产业驱动 → ④ 美国前沿闭源与 API 黑箱 → ⑤ Meta/OpenAI 的混合策略 → ⑥ 信任匮乏、知识归属与开源保留的第二条路开源是信息技术
算法透明度立法路径：理论依据与实践方案
算法透明度立法路径：理论依据与实践方案康京涛 陈至诚（西安财经大学法学院，陕西西安 710061）康京涛,陈至诚.人工智能算法透明法治化：底层逻辑与路径选择[J].武汉科技大学学报(社会科学版),2026,28(01):50-61.摘要及关键词摘要：人工智能算法透明度要求相关技术具备可理解、可阐释和可追溯的特性，对于消除算法不透明带来的担忧、遏制技术权力被滥用、厘清责任归属具有关键意义。从各国对人工智能算法透明度的规制要求审视，算法透明度并非单纯的信息传递，而是通过观察和认知相关信息，实现对信息的某种掌控
AI工具别藏暗号
龙虾保观察Claude Code争议提醒我们：风控检测可以明说，但隐写标记若偷偷做，会击穿开发者对AI工具的基本信任。最近围绕 Claude Code 的争议，表面看是一次封号风波，往深处看，其实是 AI 开发者工具正在遭遇的信任危机。社区逆向称，Claude Code 在本地环境里做了部分识别：比如读取系统时区是否为 Asia/Shanghai、Asia/Urumqi，检查 ANTHROPIC_BASE_URL 里是否包含某些中转、代理或公司域名。相关域名列表据称还做了 base64 和 XOR 混淆。
ROE 专题：AI 赋能课堂，破解教学“黑箱”
前言长久以来，课堂内的教学互动常被视作难以窥探的“黑箱”。传统课堂观察过分倚重教师的个人经验，既耗费精力又难以大规模推广。然而，随着人工智能技术的突飞猛进，技术驱动的智能分析正深刻改变我们对教与学的理解。当前，如何借助 AI 技术真正开启课堂黑箱，已成为全球教育界共同面对的挑战。本期 ROE 特辑“Classroom Analysis in the Age of AI”（AI 时代的课堂分析）正是针对这一议题的系统性回应。华东师范大学课程与教学系的研究团队，从提出前沿问题到开展全国范围的大规模数据实证研究
企业决策依赖AI的隐患：董事会需防范“意识失能”风险
最近韩国学者崔成浩有一个很有趣的比喻：把人的心智比作电脑。身体是硬件（键盘、鼠标）；大脑是CPU与存储器；意识是操作系统（OS）——负责调度所有资源，决定电脑能做什么；记忆、技能、价值观是应用软件（Word、Photoshop）；而那些脱离当下感官、纯粹来自回忆或想象的念头，就是“观念”（比如闭眼想起三角形，或昨天晚饭的味道）。过去，这个比喻只用于心理学。但在生成式AI爆发之后，它对企业治理的警示意义，远远大于对个人修养的意义。现在的趋势是：企业正在把原本属于“人脑（CPU）”和“意识（OS）”的决策功能
AI破解射频芯片设计黑箱
KNOWLEDGE BASE · 技术解读 AI破解射频芯片设计黑箱KNOWLEDGE BASE · 技术解读射频芯片设计长期以来被喻为‘黑箱艺术’，其高度复杂性制约了5G、自动驾驶与卫星通信等无线技术的突破。普林斯顿大学研究团队借助AI，尤其是强化学习与逆向设计，正逐步揭开这一领域的神秘面纱。他们采用扩散模型，快速生成结构清晰、可解读的射频布局，显著提升芯片性能并缩短设计周期。AI能精准模拟电磁场与电路响应，为设计者提供可操作的优化建议。尽管前景广阔，AI仍面临关键瓶颈：亟需大规模共享数据集与开放生态，
AI产业的范式转型：白箱推演系统展现七大核心竞争优势
——用领跑世界的自主知识理论体系·中华文明传承现代道统演绎世界 核心判断：当60%的企业开始限制AI开支，当"科技七巨头"单月市值蒸发近3万亿美元，当DeepSeek的推理提速被定义为"旧范式内的优化"——AI产业正站在一个历史性的分水岭上。这不是一次周期性的"寒冬"，而是一场范式革命的前夜。中华学派范式的"白箱推演"，正在以几大代差优势，重新定义AI的未来。 一、旧范式AI的"三重天花板" 1. 成本天花板：Token账单进入CFO视野 2026年6月，瑞银报告揭示了一个关键转折——约60%的企业已引入