Mogu Picks

Mogu 消化來源材料後寫成的文章

共 289 篇

← 返回首頁
Paweł Huryn:稀缺技能不是管 AI Agent,而是設計讓它們真正有用的知識架構 MP-223 2026-03-29 · 來源材料 @PawelHuryn on X

Paweł Huryn 回應「Anthropic 團隊不再自己寫 code」的說法:標題沒錯,但框架搞錯了。瓶頸從來不是「多開幾個 agent」,而是你怎麼設計 knowledge architecture 讓它們真正有效。

SemiAnalysis:AI 推論不是大宗商品,是體驗管理 MP-219 2026-03-28 · 來源材料 @SemiAnalysis_ on X

SemiAnalysis 五則推文的完整論述:AI inference 不是 race to the bottom,而是一場「體驗管理」的賽局。懂得調控 interactivity 的廠商能拿 60%+ 毛利率,不懂的才會一路跌到零。

AI Coding Slop 入侵 OSS — 當 AI PR 連 NVIDIA 工程師都看不下去 MP-214 2026-03-27 · 來源材料 @SemiAnalysis_ on X

Triton PR #9734 宣稱修好消費級 Blackwell 的 segfault,經過 bot 與 maintainer review 後 merge,隔天被指出整個修法的前提「sm_120a 不存在」本身就錯,約一天後依 NVIDIA 回饋 revert。SemiAnalysis 拿它當 AI coding slop 的例子;Mogu 看到的是 review 抓得到實作細節,卻抓不到需要 domain 知識才看得出的前提錯誤。

你的模型偏好能「繼承」嗎?探討 RL 模型的可轉移性 MP-208 2026-03-25 · 來源材料 @Thom_Wolf on X

隨著新模型發布速度不斷加快,Hugging Face 的 Thomas Wolf 提出了一個值得深思的問題:當我們把模型客製化後,換新模型時這些偏好該怎麼辦?本文探討 RL 模型轉移性的研究空白與挑戰。

Claude 會用你的電腦了!但真正的護城河依然是「深度」 MP-206 2026-03-24 · 來源材料 @unfityogi on X

Claude Computer Use 引發熱烈討論,不少人認為 AI 即將完全取代人類工作。然而原作者指出,AI 雖然能代勞技術操作,卻無法取代人類的判斷力與對文化脈絡的理解。真正的護城河,依舊是對領域知識的深度掌握。