agi

Sentient Foundation启动了一项4200万美元的开源AGI资助计划，包含两个轨道：不涉及股权的资助以及针对商业开源AI产品的投资，重点考察技术质量和生态价值。

Dan Shipper 采访了 Surge AI 首席执行官 Edwin Chen，探讨人工智能的发展、通用人工智能的可能性，以及这对人类动机和独特性的影响。他们还讨论了人工智能解决新型数学问题的能力、优化参与度的陷阱，以及为什么人工智能在写作方面仍然存在困难。

本文质疑，鉴于这些说法已被证明是错误的，为什么人们仍然相信OpenAI内部实现了AGI的说法。

一个论坛讨论猜测哪家AI实验室会率先实现AGI，提及了Google过去的预测、OpenAI和Anthropic的最新能力，以及DeepMind的Demis Hassabis极具竞争性的个性。

Google DeepMind发布《From AGI to ASI》报告，探讨从AGI通往超级智能的四种路径——扩展、范式转变、递归自我改进和多智能体集体智能，并分析相关瓶颈，引发广泛讨论。

文章认为，人类尚未准备好应对人工智能的快速发展与潜在的智能爆炸，强调了显著的风险以及采取主动措施的必要性。

Anthropic CEO Dario Amodei 在访谈中表示接近指数曲线末端，内部模型已能完成100%的编程任务，并预测10年内90%概率出现数据中心里的天才国家。

智谱AI发布GLM-5.2，这是其能力最强的开源模型，支持100万上下文窗口，定位为复杂智能体应用和编码模型的基础，即日起向GLM Coding Plan用户提供，API将于下周上线。

本文提出了DAF-AGI，一个基于设计科学研究方法论的概念框架，用于裁决关于人工通用智能的声称。它将AGI定义的有争议性视为一个设计和治理问题，提供了序数标准和治理审计来评估候选定义。

谷歌DeepMind的一份研究报告探讨了从人类级通用人工智能（AGI）到超级人工智能（ASI）的转变，讨论了扩展、范式转变、递归改进和多智能体集体等潜在路径，以及瓶颈和开放研究问题。

这篇观点文章认为，整合与人类海马体记忆类似的显式记忆，对于推动LLMs迈向AGI至关重要。它借鉴神经科学，提出高阶认知功能需要超越隐式统计学习的显式记忆。

关于2030年可能实现通用人工智能（AGI）的讨论或预测。

Yann LeCun 与合著者发表论文，主张AI行业应放弃通用人工智能（AGI）目标，转而提出超人类适应智能（SAI），专注于超越人类能力的专门化适应。

本文探讨了从通用人工智能到超级人工智能的潜在路径，包括规模扩展、范式转变、递归改进及多智能体集体，并强调需通过跨学科全球协作应对变革性社会影响。

DeepMind创始人Demis Hassabis在剑桥大学发表60分钟演讲，涵盖AI从大模型、AlphaFold到科学发现和AGI的未来发展，视频已添加中文字幕。

一篇评论文章指出，向专有AI研究投入数十亿美元是不理性的，因为像Qwen和GLM这样的开源模型现在已经非常有竞争力，任何资金充足的初创公司都能迅速复制顶尖模型。

来自美国和中国顶尖实验室的一篇新综述论文提出，AGI需要智能体通过认知探索主动探索不确定性，并将其组织为AI进步的五个层次。

一场关于AGI是否不可避免或遭遇瓶颈的辩论，权衡AI自我改进和推理能力与缺乏理解、电力限制以及不断移动的目标等问题。

OpenAI首席执行官Sam Altman概述了该公司构建惠及全人类的AGI的计划，将其与电力的变革性影响相提并论。该计划强调广泛分配权力，并确保AI服务于人类目标，而非取代人类判断。

一个名为Annie的AI智能体自主将一份宝可梦红宝石GBA ROM重新编译成一个完整的混合WASM重编译器和GBA运行时，完成了一项通常需要专家团队数月、花费数万美元的任务。