ai-limits

这篇来自 SenTeGuard 的博客文章讨论了 LLM 智能的理论极限，引用哥德尔不完备定理论证当前 AI 架构无法实现通用的人类级推理。

讨论是否存在人工智能无法处理的代码，提到即使是Anthropic公司最难的编程面试题，他们自己的人工智能也能解决。

探讨了在科学发现中验证人工智能生成假设的挑战——当不存在基准真相时如何应对，并介绍了Apodex的多智能体方法，即使用独立的验证智能体作为解决方案。

Strauss Zelnick 解释说，人工智能受限于向后看的数据，能够复现已知内容但无法创造突破，从而凸显了人类在决定构建什么方面的价值。

NOVA框架将'生成、验证、积累、重新训练'循环建模为知识空间上的自适应采样过程，识别出失败模式，并证明了在类Zipf发现分布下累计生成成本的缩放定律。

本文识别出一类名为Metis AI的数字任务，这些任务因制度、社会和规范上的纠缠而抵制可靠的AI自动化，并提出半人马架构（人类主导、AI辅助）作为恰当的设计应对。

Marc Andreessen 在分享一个自定义 AI 提示词后遭到网友嘲讽，该提示词暴露出他对大型语言模型的工作原理存在根本性误解，尤其是在幻觉和知识限制方面。

CodexBar 是一款 macOS 菜单栏应用，可监控并显示超过 57 家 AI 编码提供商的用量限制和额度，帮助开发者围绕重置进行规划。