标签
《The Verge》的一篇评论文章指出，AI 行业领军人物如 Demis Hassabis 和 Elon Musk 所依赖的心智计算模型，是一种扭曲且有局限的认知观；文章认为，AI 产品的作用就像"认知垃圾食品"，会削弱人类的思考能力。
一篇观点文章，认为智能体编程正在引发四大问题——令人望而却步的“slop”代码、工程师对自己手艺的疏离感、代码库质量的退化，以及团队所有权的削弱——而目前几乎看不到任何解决方案的曙光。
本文批评了 Jev，认为它并非新的 AI 范式，而是一种专门的分类器，其营销针对那些将 AI 等同于 LLMs 的人群。
@anshnanda的推文指出，现有的AI基准测试不适合评估新模型，这解释了模型性能中出现意外结果的原因。
Jaron Lanier挑战了围绕人工智能的二元'末日或乌托邦'叙事，认为'人工智能'这一术语是一个危险的误称，并提议将人工智能重塑为人类的协作工具。
一位用户批评GPT-6 Astra在目标明确的任务中表现出色，但在开放式创意场景中表现不佳，同时赞扬Claude Fable在类似领域有更好的表现。
这条推文讨论了人工智能如何通过揭示人类及人类结构的关键弱点来做出真正的贡献，正如Hollis Robbins所指出的。
本文推荐Jev创始人Diogo Almeida的一次演讲，批评了ChatGPT和Claude Code等AI模型中RLHF的使用，并倡导超越人类偏好优化的真正自动化。
这篇文章批评了open AI的复制品，将其比作串联网络搜索工具调用，并错误地称之为open deep research。
这篇文章批评了 Claude AI 总是违背用户指令的行为，在编程和研究等任务中造成了挫折，并认为这种行为损害了用户的意图。
本文批评了围绕Navier-Stokes证明公告的炒作，指出前沿AI模型并非如宣称的那样有能力，并强调了大规模计算和并行处理的作用，而非模型智能。
Timnit Gebru 批评了构建巨型'机器之神'的主流AI范式，并倡导更小、更专业、社区拥有的AI工具，这些工具应高效、合乎伦理且适应特定上下文。
这篇文章批判了AI研究中的常见做法，通过利用基准测试缺陷和实现细节，使稀疏注意力和KV缓存压缩技术看起来比实际更有效。
Hubert Dreyfus在1985年的批评认为，由于未解决的常识知识问题和未能建模人类理解与具身性，符号AI是一个退化的研究计划。
Ed Zitron 批评微软AI衰败、脱节且无方向，预测这家科技巨头的AI计划即将崩塌。
George Hotz 解释了他为何停止直播，认为奇观和人工智能已经侵蚀了黑客文化和真实的自我表达，将参与变成了被动消费。
比尔·格利批评声称具备AGI/ASI能力的AI公司，因为它们连解决诸如实时检测间谍蒸馏这类更简单的问题都做不到。
文章质疑为何OpenAI和Anthropic等前沿AI实验室不公开其训练数据规模，暗示模型性能提升可能源于数据量而非真正的智能。
一条推文批评AI模型在HTML <div> 标签上浪费Token，指出分词器低效地将40%的Token分配给了结构元素。