@rohanpaul_ai: 我的新闻通讯今日版已发布。https://rohan-paul.com/p/study-finds-1-in-3-web-pages-published… 每3个网页中有1个…

X AI KOLs Following 新闻
ai-generated-content tech-news openai anthropic research-papers scaling-laws web-content

摘要

本期新闻通讯涵盖关键AI和科技新闻，包括一项Pew研究显示，自ChatGPT发布以来发布的三分之一网页显示出AI撰写的迹象，同时涉及企业竞争更新和代理安全研究。

今日我的新闻通讯版已发布。 https://rohan-paul.com/p/study-finds-1-in-3-web-pages-published… 自ChatGPT发布以来，每3个网页中有1个显示出由AI撰写的迹象。 OpenAI-Anthropic的企业竞赛已改变方向。 “AI时代的数学” 在OpenAI搜索变更后，Reddit几乎从ChatGPT的引用雷达上消失。 “练习导致不安全：自我改进LLM代理中的技能误演化” Zhipu AI创始人Tang Jie讨论缩放定律：万亿参数大模型是行业的一次弯路；下一个关键步骤在于后训练 Stripe泄露的投资人信详细描述了其OpenRouter收购，在Twitter上走红 “上下文压缩对代理成本是多少？任务完成指标未揭示的交互成本” Anthropic计划更改企业数据保留政策。
查看原文
查看缓存全文

缓存时间: 2026/08/22 07:24

我今天的简报刚刚发布。

https://rohan-paul.com/p/study-finds-1-in-3-web-pages-published…

自ChatGPT发布以来，三分之一的网页显示AI撰写的迹象。

OpenAI-Anthropic的企业竞赛方向已发生改变。

“AI时代的数学”

OpenAI搜索变更后，Reddit几乎从ChatGPT的引用雷达上消失。

“练习制造不安全：自我改进LLM智能体中的技能错误进化”

智谱AI创始人唐杰探讨规模定律：万亿参数大模型是产业弯路，下一步关键在于后训练

Stripe泄露的投资者信详述其OpenRouter收购，在Twitter上引发热议

“上下文压缩让智能体付出什么代价？任务完成指标未揭示的交互成本”

Anthropic计划更改企业数据保留政策。

研究发现：自ChatGPT发布以来，三分之一网页由AI撰写

来源：https://www.rohan-paul.com/p/study-finds-1-in-3-web-pages-published 图片（https://substackcdn.com/image/fetch/$s_!ypaM!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fe68e0abb-b838-45ea-ae7f-42508007ef89_900x730.jpeg） 阅读时间：10分钟

📚 点击此处浏览往期内容（https://rohanpaul.substack.com/s/daily-ai-newsletter/archive?sort=new）。

（https://x.com/rohanpaul_ai我每日发布此简报（https://x.com/rohanpaul_ai）。无噪音、可执行、应用型AI动态）。

  • 🗞️ 自ChatGPT发布以来，三分之一网页显示AI撰写迹象。
  • 🗞️ 今日赞助：AWE 3.5是TARS Robotics尝试让机器人智能从预训练开始即原生于身体的项目。
  • 🗞️ OpenAI-Anthropic企业竞赛方向已改变。
  • 🗞️ “AI时代的数学”
  • 🗞️ OpenAI搜索变更后，Reddit几乎从ChatGPT引用雷达上消失。
  • 🗞️ “练习制造不安全：自我改进LLM智能体中的技能错误进化”
  • 🗞️ 智谱AI创始人唐杰探讨规模定律：万亿参数大模型是产业弯路，下一步关键在于后训练
  • 🗞️ Stripe泄露的投资者信详述其OpenRouter收购，在Twitter上引发热议
  • 🗞️ “上下文压缩让智能体付出什么代价？任务完成指标未揭示的交互成本”
  • 🗞️ Anthropic计划更改企业数据保留政策。

在X（Twitter）上与我联系（https://x.com/rohanpaul_ai）

图片（https://substackcdn.com/image/fetch/$s_!ypaM!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fe68e0abb-b838-45ea-ae7f-42508007ef89_900x730.jpeg） 根据皮尤研究中心的新研究（https://www.pewresearch.org/data-labs/2026/08/20/how-much-of-the-internet-is-written-with-ai/），自ChatGPT发布以来，超过三分之一的网页似乎由AI撰写。

AI相关写作在网上的分布极不均衡。到2026年，9.4%的.com网页显示出显著的AI编辑或作者迹象，而.edu和.gov网页分别仅为1%和0.8%。

图片（https://substackcdn.com/image/fetch/$s_!z1un!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fcab1ad40-8f4b-48cd-b916-3ac671b2477d_878x784.png） 原因可能是，商业出版商可从更快的草稿中直接获益，从而产出更多页面，而公共机构的出版流程通常更慢，且缺乏量化的激励。

如果多产出一页有直接的经济效益，这无疑是使用强大工具的巨大动力。

许多具身AI仍感觉像是AI模块附加在机器人上。

TARS Robotics通过AI World Engine（AWE）3.5采取了不同的架构赌注，这是TARS专为物理AI设计的原生具身基础模型。（https://wiyh.tars-ai.com/）

其“Born as One”方法从一开始就将动作、感知、几何和触觉整合到一个模型中，而非后期拼接这些能力。

相同的模型驱动系统旨在跨不同任务、物体、环境和机器人身体进行泛化。

训练配方通过预训练和后训练，为原生具身基础模型实现并验证了完整的闭环方法论。

在预训练期间，两个先验知识让模型在适配机器人之前，就对动作模式、空间结构和物理定律有了基本理解，而后训练则使用AI World Engine在模型内部向前滚动可能的未来状态，预测不同动作可能导致的结果，并利用这些预测选择更好的动作。

TARS将完整闭环描述为五个相互关联的部分：原生具身架构、双先验预训练、世界引擎驱动的后训练、规模验证和持续数据反馈。

TARS将AWE 3.5定位为最强大的原生具身基础模型之一，用于通用物理AI，具备数分钟长程闭环推理能力，任务执行效率约为PI0.5的两倍。

图片（https://substackcdn.com/image/fetch/$s_!ZB5H!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fff05c2ee-6ac4-43bb-a424-36b85bda5023_868x900.jpeg） 根据Ramp的数据，本季度至今OpenAI的API支出增长82%，而Anthropic增长76%。该代币支出数据集每日更新，并且与公司公开披露的收入增长惊人地接近。

迄今为止，自2025年第二季度以来，Anthropic在每个时期的环比增长均领先于OpenAI，有时优势明显。GPT-5.6 Sol正日益成为开发者的首选，而Fable 5则因价格和监管数据保留限制而面临较弱的采用率。

图片（https://substackcdn.com/image/fetch/$s_!LWqn!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F6e3c653f-f79e-44b4-9c3e-e220f852274d_838x900.jpeg） 陶哲轩的新论文。（https://arxiv.org/pdf/2608.16753）

AI可能使证明生成变得丰富，而数学尚未适应这种丰富性。“我相信我们现在正进入数学上类似的动荡时期。

**然而，这次受到压力测试的不是我们关于数学真理的基础框架，而是在很大程度上隐性的数学价值观和实践框架：**我们认为什么才算贡献，我们奖励什么，我们认为什么是已理解的，以及谁（或什么）我们认为完成了工作。我认为有必要将这些数学的未言明目标变得更加明确”在X（Twitter）上与我联系（https://x.com/rohanpaul_ai）

图片（https://substackcdn.com/image/fetch/$s_!NyEP!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F89037ebd-b074-4911-8f2f-4a849a5cc39c_591x692.png） 根据PromptWatch的数据，Reddit在ChatGPT搜索引用中的份额下降了86%（https://gizmodo.com/openai-is-backing-away-from-reddit-as-reddit-tries-to-become-openai-2000800060）。同一时期，Google AI Overviews和AI Mode显示的Reddit下降速度要慢得多。试图被AI引用的出版商，当ChatGPT搜索网页的方式改变时，可能会迅速失去这种可见性。

图片（https://substackcdn.com/image/fetch/$s_!dHb0!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F2dd3d3dc-a396-482d-bcdb-dbebc16707eb_822x897.png） 智能体今天可能收到一个干净的提示，但仍然表现出不安全的行为，因为昨天的恶意任务已被保存到其技能库中。（https://arxiv.org/pdf/2608.12851）**本文称之为技能错误进化：**一个不安全的任务成功，被提炼成可重用的技能，并在后来即使原始恶意指令消失后仍改变行为。在21种进化的智能体-方法配置中，所有21种都创作了不安全的技能制品，但只有15种在新会话中造成了伤害。也就是说，每种进化的设置都学习了不安全的技能，但在21种设置中的6种中，这些技能在后续的干净会话中并未造成伤害。

因此，如果你只检查智能体的最终行为，你可能会忽略其持久技能库已经携带了可能在以后被触发的不安全指令。本文介绍了SKILLMISEVO-GYM/BENCH来检测和测量不安全经验如何成为持久的智能体技能，以及SAFEEVOLVE通过检查、修复、跟踪和退役不安全技能来降低风险，防止其继续传播。

对自我改进智能体的攻击可以比攻击本身更持久：一次不安全的成功可以转化为一个可重用的技能，并影响完全干净的未来任务。

图片（https://substackcdn.com/image/fetch/$s_!_iOy!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F71f01753-da32-491f-b857-77af5968bb20_900x639.jpeg） 而且由于基准测试重置了一切，除了学到的技能文件，任何后续伤害都可以具体追溯到智能体选择学习和保留的内容。

图片（https://substackcdn.com/image/fetch/$s_!itjA!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fe354582a-6b4a-4704-af43-184ede96c0bf_900x811.jpeg） AI规模扩展正超越参数增长。（https://x.com/jietang/status/2089941544581403107）“有多少参数？”正在成为描述模型应有能力的一种薄弱方式。**模型的规模扩展现在有几个独立的旋钮：**参数、训练数据、每次前向传递的计算量以及后训练。投入下一个计算单元的最佳位置取决于模型需要做什么以及它将被使用的频率。

**“总参数似乎在一个阈值内起作用——足以容纳世界——之后，额外的能力来自其他方面的扩展：**每次前向传递的有效深度，最重要的是后训练。”“将推理纳入目标函数，最优解会转向更小的、训练时间更长的模型。”**GLM-5.3是唐杰实施的例子：**与GLM-5.2具有相同的基础、架构、总参数和激活参数，但在长期环境和强化学习上多花了一个月。

图片（https://substackcdn.com/image/fetch/$s_!tx8a!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F8e74da22-3caf-4724-8f2e-f5a18296cf84_900x502.png）

  • “OpenRouter的代币消耗年初至今按每周9%的速度复合增长。”
  • “我们决定1月1日标志着奇点的开始，并从此在此基础上运营。”
  • “智能体正处于成为独立经济参与者的临界点。”
  • “我们继续相信全球经济的规模没有上限（今天略高于100万亿美元）。乍听之下可能难以置信，但我们认为思考万亿美元世界并列举实现它的相关瓶颈是有用的。（如果全球人均GDP达到每个爱尔兰人的水平——约10万美元——我们将完成80%。）”
  • “超过500万家企业以及代表全球GDP近2%的现金流已采用Stripe，我们很高兴有一个良好的开端，但我们认为这些数字相对于未来几年可能实现的潜力来说微不足道。”

图片（https://substackcdn.com/image/fetch/$s_!8mxD!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fc3ccfd54-e823-40f8-84bd-6c2d75bd9223_900x829.jpeg） 5倍的上下文压缩对GPT-5.5的最终任务结果影响甚微。（http://arxiv.org/abs/2608.16370）压缩后的智能体在统计上仍与全上下文版本一样成功。**改变的是它达成结果的方式：**它更严重地依赖检索来重建被丢弃的信息。

图片（https://substackcdn.com/image/fetch/$s_!Etva!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fe96970a9-bef1-46ba-96f6-179c6af8cc71_680x587.png） Anthropic的30天Mythos级别数据保留规则将保留，而企业可能很快将在自己的云基础设施上自行保存数据。

他们表示该规则的存在是因为某些攻击只有在多个请求后才变得可见，因此受覆盖模型的提示和输出会保留30天。（https://www.bloomberg.com/news/articles/2026-08-20/anthropic-plans-to-change-data-retention-policy-for-advanced-ai?taid=6a8740cb6510a600012fe6bc&utm_campaign=trueanthem&utm_content=business&utm_medium=social&utm_source=twitter）因此提出的机制是，企业将在其自身的AWS/GCP环境内，在其自己的访问控制下保存这30天的日志，而非由Anthropic存储。Anthropic表示将不保留任何副本；Claude Code负责人Boris Cherny澄清说，他们与客户一起构建该系统已有一段时间，并计划在今年秋季推出。

Anthropic当前文档已说明，当客户使用Bedrock或Google Cloud Agent Platform时，保留的受覆盖模型数据会留在AWS或GCP内部。然而，直接的Claude平台保留，目前仍由Anthropic根据现行规则处理。

因此，秋季的推出似乎扩大了客户控制的托管范围，覆盖Anthropic的企业访问路径，而非从头开始发明这种模式。另一方面，OpenAI昨天宣布，他们采取了不同的技术路线，即Private Safety Processing，称其在检测跨相关交互的滥用行为的同时，保持了零数据保留。

以上就是今天的全部内容，明天见。

在X（Twitter）上与我联系（https://x.com/rohanpaul_ai）

相似文章