第 5 期
2026年10月27日 · 8 篇
从 3 个地区 10 家出版物审阅的 146 篇文章中精选 8 篇。
这里的内容你已全部读完。
-
01 ★★★★★
中国企业如何谈论递归式自我改进
原标题: How Chinese companies talk about recursive self-improvement
中国人工智能企业在谈论人工智能自我改进时指的是什么？Zilan Qian和Cheryl Wu阅读了约1400份公司文件以寻找答案。阅读本文，可以将关于美中围绕递归式自我改进竞赛的常见说法，与中国企业实际所说的内容进行对照。我们选择这篇文章，是因为它针对一个通常基于假设争论的问题提供了原始数据。Qian和Wu为《Asterisk》撰稿，该杂志是一本关于科学与技术的刊物；我们未发现任何利益关联。
-
02 ★★★★★
商务部新规与中国人工智能的未来
原标题: MOFCOM's New Rules and the Future of Chinese AI
中国的新出口管制规则会终结其AI模型的开放发布吗？ChinaTalk团队由Quinn Ennis带领，用三天时间研读了商务部的征求意见稿，并解释其将涵盖的内容。阅读本文可了解一项可能重塑开源模型领域的变化，以及其核心仍悬而未决的问题。我们选它是因为它对一份原始文本做了细读，而大多数报道只是加以概述。Ennis及其同事为ChinaTalk撰稿，该通讯专注于中国与科技；我们未发现利益关联。
-
03 ★★★★☆
OpenAI颇具讽刺意味的可信度问题
原标题: OpenAI’s ironic credibility problem
当OpenAI解雇三名安全研究人员时，身处其中的人如何得知真实原因？Dan Kagan-Kans并不试图判断谁对谁错，而是转而追问这一事件对未来可能不得不提出担忧的员工意味着什么。这篇文章对AI实验室内部的信任与核实问题提出了尖锐观点。我们选择它，是因为它把一则新闻变成了一个持久的问题。Kagan-Kans为Understanding AI撰稿，该通讯专注于AI及其影响；我们未发现利益关系。
-
04 ★★★★☆
AI安全运动应是大帐篷还是小帐篷？
原标题: A big-tent or small-tent AI safety movement?
AI安全运动应聚焦于灭绝风险，还是聚焦于已可预见的众多较小危害？Arvind Narayanan与Sayash Kapoor主张建立更广泛的运动，同时对反对方作出了相当多的让步。阅读本文可获得一场公允的论证，有助于厘清安全争论的真正所在。我们选择它，是因为它与对手交锋，而非丑化对手。作者是计算机科学家，以对AI炒作和生存风险持怀疑态度而闻名，这一立场公开陈明；我们未发现其他利益关联。
-
05 ★★★★☆
开放模型领域的当前力量对比
原标题: The current balance of power in open models
在开放式AI模型方面，美国和中国谁处于领先地位，这一点重要吗？Nathan Lambert梳理了为国会议员简报而整理的证据。阅读本文，可以获得关于开放模型竞赛的简明、以数据为主的概览，以及限制中国模型将付出何种代价。我们选它作为一份政策简报的原始文本。Lambert的职业是构建开放模型，这一利害关系文中已作说明，读者应予以考虑。
-
06 ★★★★☆
为什么人形机器人短期内难以赶上人类工人
原标题: Why humanoid robots won’t catch up to human workers any time soon
为什么能跳舞、能冲刺的人形机器人，至今仍难以剥开一个橘子？Kai Williams 采访了众多机器人专家，探讨病毒式传播的演示与实用工作之间的差距。阅读本文可以了解哪些问题已经解决、哪些尚未解决，以及为什么难题可能需要数年时间。我们选择它，是因为它以报道而非观点来消除炒作。Williams 为 Understanding AI 撰稿；本文由职业发展非营利机构 80,000 Hours 赞助，我们未发现其与机器人领域有利益关联。
-
07 ★★★★☆
印度的IT产业将何去何从？
原标题: What will happen to Indian IT?
当AI能够编写代码、接听电话时，世界的后台办公将何去何从？这篇发表于《Asterisk》的文章追溯了印度输出熟练劳动力的策略，从1978年IBM撤离到如今吸纳数百万人的产业。阅读本文，可以理解印度经济有多大程度依赖一种如今被AI削弱的套利模式。我们选择它，是因为它以长远视角审视一个通常只针对西方就业提出的问题。本文刊于科技与科学杂志《Asterisk》；我们阅读的页面未注明作者，我们也未发现利益关联。
-
08 ★★★★☆
光刻杠杆
原标题: The Lithography Lever
西方对中国AI芯片的真正杠杆在哪里？在这期ChinaTalk访谈中，Jordan Schneider就光刻机、算力估算以及拟议中的MATCH Act，向Center for Technology and Statecraft的Nick Brown追问。阅读本文可以看到一种以数据为先的详细视角，了解出口管制仍能达成什么，以及它可能引发什么。我们选择它，是因为它对这一难以替代的投入环节讲得很深入。两位嘉宾都主张收紧出口管制，这一立场是明确表达的；我们没有发现其他利益相关方。
没有符合此筛选条件的文章。