标签
一项针对 AI 在七个能力领域四年进展的分析，研究结果已针对底层基准的变化与漂移进行了校正，以更真实地反映模型的实际提升。
一篇简短评论（附有一条 X 帖子链接），认为 AI 能力并没有"FOOM"——也就是说，智能并没有像一些人预言的那样爆炸式地崛起——借此反思 AI 灾难论/爆发式增长（doomer/foom）图景与实际进展之间的差距。
在 ARC-AGI-3 基准测试上，Kaggle 的最高分仅在 30 天内就从 7% 跃升至 56%。在一个本意用于展示人类认知优势的基准上，规模较小的本地模型在 harness（代理框架）的辅助下，已经击败了普通人类。
一篇文章指出，前沿实验室之间的AI能力差距正在迅速缩小，或许在大约1000天内就会被完全消除。
一条回顾 ChatGPT 过去四年快速演进的推文，指出人们低估了 AI 在十年尺度上能取得的成就。
一个社区投票网站让人们判断 Hacker News 长期以来提出的各项 AI 挑战中，究竟哪些已被真正攻克；网站公布的投票结果也记录了该论坛对 AI 的期望标准如何随时间不断变化。
本文讨论了2022年动画《The Orbital Children》如何似乎预言了涉及超级智能和对齐的未来AI场景，与当前AI进展产生共鸣。
本文探讨AI递归自我改进是否能克服收益递减，认为当前数据表明，除非有显著进步，否则自我改进循环不足以引发失控的智能爆炸。
本文评估了 AI 进展预测的准确性，揭示了专家倾向于低估基准测试方面的进展，但在采用和扩散预测方面的成功程度不一，同时指出了局限性和未来分析计划。
文章反思了人工智能快速且令人担忧的进步，指出其速度超出人类理解，可能扰乱工作和社会规范，并对企业与政府的控制表达了担忧。
X上的一篇帖子批评学术界低估了人工智能的进步，指出OpenAI的模型解决Erdős问题作为重大进展的证据。
一篇由超过30位研究人员撰写的75页论文，将AI自我改进分为五个等级，并综述了491篇论文，发现当前大多数进展仍停留在较低等级。
马克·扎克伯格讨论了为对齐而减缓AI进展的辩论，认为对齐对于差异化和安全性至关重要，并概述了Meta在负责任开发方面的承诺。
Scott Aaronson 讨论了AI的快速进展，特别是在解决重大数学问题方面，并认为Singularity已经到来，导致未来的不确定性。
一条讨论人工智能增长预测的推文指出，尽管存在S型曲线平台期的担忧，但每年10倍的快速进展可能在2030年前催生超智能。
马克·扎克伯格断言AI开发不能放缓，而Anthropic的达里奥·阿莫迪主张谨慎，据报Anthropic正准备以约2万亿美元估值进行IPO。
本文推荐了一期YouTube节目，嘉宾是来自Baseten的Charlie O'Neill，讨论Kimi和GLM模型如何优于Opus 5，并针对AI进展和AGI的质疑进行回应。
一篇文章提出了一个反问：人类是否已经跨越了实现通用人工智能（AGI）的事件视界，并暗示进一步的进步可能是不可避免的。