RichChat

导语： 人工智能（AI）浪潮正深刻影响着教育领域，无论是传统教育体系本身还是传统教育科技方面。许多人在担忧AI可能让学生“走捷径”、削弱独立思考能力时，Anthropic最近推出的专为高等教育设计的Claude for Education给出了一个很好的答案。其核心亮点 - “学习模式”（Learning Mode），旨在引导学生思考，而非直接给出答案。这会是AI在教育领域应用的新方向吗？

推荐阅读：我写过的其他AI+教育主题的文章

AI教育的两难：捷径还是助力？

自ChatGPT等生成式AI工具普及以来，全球高校一直面临着一个难题：是禁止使用，还是拥抱变革？许多教育工作者担心，强大的AI会成为学生逃避深度思考的“超级答案引擎”。斯坦福大学HAI的AI指数显示，超过四分之三的高等教育机构仍缺乏全面的人工智能政策，这反映了普遍的挣扎与不确定性。

正是在这样的背景下，Anthropic推出了Claude for Education，试图为AI在教育中的角色提供一个不同的答案 - 一个更侧重于“学习过程”而非“最终结果”的答案。

自从春节期间的DeepSeek爆火后，可以从身边的情况明显感觉到各种AI应用都在迅速扩大渗透率。全球知名的数据分析平台Similarweb刚刚（数据截至3月28日）推出了最新版的 “Global Sector Trends on Generative AI”报告，可以从中看到宏观层面全球生成式AI市场正在发生哪些令人瞩目的变化，以及谁是值得注意的新兴玩家：

市场全景：告别低谷，迎来全面反弹

和2024年初的AI行业低迷期（同比-7%）不同，全球AI市场大盘在2025年Q1出现了强劲反弹，最近12周同比增长达到45%！这不仅标志着市场信心的恢复，更预示着生成式AI正进入更加务实、更有深度的应用阶段。

不同赛道表现各异，形成鲜明对比。AI数据分析工具方向以惊人的177%增长率领跑全场，代码与开发领域紧随其后，增长率高达125%。人力资本管理和法律AI工具分别实现同比增长52%和26%，反映企业级应用正在加速落地。

科技圈与体育界的又一次“梦幻联动”来了！最近，一条重磅消息引起了广泛关注：终极格斗冠军赛（UFC）与其母公司 TKO Group 宣布，已和马克·扎克伯格领导的科技巨头 Meta 达成了多年的战略合作伙伴关系。

这不仅仅是两个行业巨头的简单握手，更值得玩味的是合作细节中明确提到的一点：UFC 将利用 Meta 的技术平台、服务和产品，包括 Meta AI、Meta 智能眼镜（Meta Glasses）、Meta Quest VR 头显以及 Facebook、Instagram、WhatsApp 和 Threads 等社交媒体，为全球拳迷们打造前所未有的、更丰富的观赛体验。

AI 智能眼镜：从“极客玩物”到“主流视野”？

这则合作消息中，“Meta 智能眼镜”的明确提及，无疑是一个强烈的信号。长期以来，智能眼镜似乎更多是科技爱好者的“玩具”或是特定工业场景的应用。但这次，全球最顶级的综合格斗赛事 UFC 明确要将其融入赛事体验，这预示着 AI 智能眼镜可能真的要“破圈”，开始步入大众主流视野了。

你是否好奇为什么全网都在用GPT-4o生成吉卜力风格的插画，而某些特定类型的图像却无法生成？为什么有时你的创意请求会被拒绝，而有时又能顺利通过？谁在决定这些边界，又基于什么原则？

在某种意义上，制定AI模型政策如同执掌”神之手” - 如果将AI想象成具有强大能力的存在，那么能控制AI能做什么、不能做什么的决策者，就像是在行使一种特殊的权力。尤其当我们考虑到越来越多人在依赖这些AI完成工作和生活任务时，这种权力的意义更加深远。

OpenAI的模型行为负责人Jang最近分享了一篇内部视角的博客，揭示了这些问题的答案。

彩蛋：我在23年整理的一篇OpenAI闭门会分享内容中有一张我最早看到“模型即产品”的图就是来自这位小姐姐，查了一下应该是韩裔，简历相当优秀。她在斯坦福学的是CS，但是曾经在推文上提到过，之前学过的课程中对现在的工作帮助最大的是哲学课，是不是有点“神之手”的感觉了）

Anthropic最近发布了第二份Economic Index研究报告，分析了Claude 3.7 Sonnet模型发布后人们使用AI的最新数据（我之前整理过这篇报告的第一篇内容在此）。这份报告通过分析100万条匿名用户和Claude对话的大数据，揭示了AI如何被应用于实际工作场景，以及与先前版本相比的变化趋势。

当我们与Claude、GPT或者DeepSeek这样的大语言模型对话时，你是否曾好奇过它们在”思考”些什么？它们如何在几秒钟内从问题到回答，中间经历了怎样的过程？

在之前我整理的这篇《懒人版大语言模型入门》中，提到过“可以将大模型想象为一种绝大部分人无法理解的神秘产物”，也就是说过往哪怕是顶级的AI研究学者也对于“AI大脑”的具体运作方式不清楚。而最近Anthropic公司发布了两篇重要研究论文，首次深入揭示了大语言模型(LLM)的内部运作机制，让我们得以一窥这些AI系统如何”思考”的奥秘：

• 大模型的多语言处理能力究竟是如何工作的？当我们用中文提问时，是否有一个专门的”中文Claude”被激活，还是在大模型内部存在着某种跨语言处理的核心机制？
• 当大模型写出一首完美押韵的诗歌时，它是像人类一样提前规划，还是仅仅依靠一个接一个词的预测来”碰巧”达成押韵？
• 当模型进行心算时，它是否像人类一样思考，还是采用了完全不同的方法？
• 大模型是否只会”死记硬背”大量答案，而不具备类似人类一样的真正推理能力？
• 为什么模型有时会产生”幻觉”，编造出看似可信但完全虚构的信息？
• 模型在遇到可能违反安全规则的请求时，内部究竟发生了什么？

让我们一起深入了解Anthropic的这项开创性研究，探索大语言模型思考过程中的几个令人惊讶的发现：从跨语言的概念共享，到诗歌创作中的提前规划，再到心算、多步推理，甚至是幻觉产生和安全漏洞的内部机制 - 这些发现将重塑大家对于AI的理解。

2025年3月27日，OpenAI发布了GPT-4o的原生图片生成功能，迅速在海外社交媒体平台掀起热潮。这不仅是一次普通的技术升级，而是对AI图片生成领域的一次革命性冲击。无论是生成结果的质量与易用性，还是背后端到端多模态技术的突破，GPT-4o都展现出了碾压传统模型的潜力，让”会说话就能出图”的梦想触手可及。

我从两个核心维度深入探讨为什么这次的”完全体GPT-4o”堪称AI模型发布里程碑的事件之一：

生成质量与易用性：从”人适应工具”到”工具理解人”

GPT-4o的图片生成功能甫一亮相，便以其惊艳的质量和无与伦比的易用性征服了用户。这标志着AI创作工具从要求”人适应工具”到实现”工具理解人”的关键转折。

在企业界，我们常说，一流人才与二流人才的差距往往不在于能力本身，而在于协作的艺术。几十年来，企业管理学界也将团队协作视为现代组织的基石。无论是打造一款新产品，解决战略难题，还是策划大型创新，人类之间的协作一直是实现高质量成果的核心路径。

但如今，一个新的”队友”正悄然改变着这一格局 - 人工智能/AI。

三大协作支柱的数字重构

近日，哈佛商学院、宾夕法尼亚大学沃顿商学院等一众顶尖学府的研究团队，携手宝洁公司，开展了一项名为”网络队友”的大规模实证研究。他们探究了AI如何重塑协作的三大核心支柱：绩效表现、专业知识共享，以及社交互动。

研究团队以776名宝洁公司的专业人士为对象，开展了预先注册的现场实验。参与者在处理真实产品创新挑战时，被随机分配到不同工作模式：单独工作不用AI、组队工作不用AI、单独工作使用AI，或者组队工作并使用AI。

引言：饱和时代中的稀缺价值

硅谷，周一早晨。Lex Fridman刚刚发布了与特斯拉掌门人Elon Musk的访谈播客。不到24小时，播放量已突破100万，评论区里挤满了来自各地网友的讨论。

与此同时，国内顶流播客《乱翻书》在小宇宙app发布了最新一期科技圆桌。虽然同样制作精良、内容深刻，但一周后播放量只有大约一万出头，评论区活跃的几乎都是圈内人。

这种反差背后，隐藏着一个播客世界的核心洞察：正如小宇宙CEO Kyth所言，”播客是在丰饶的时代，提供稀缺价值的东西。”在信息爆炸的今天，播客以其独特的亲密感、深度和陪伴性，成为了一种反潮流的文化现象。但为何同样的媒介形态，在两地呈现如此不同的发展路径？

为对LLM训练的技术细节方面感兴趣的朋友们强烈推荐这个免费资源：经过6个多月的制作和消耗超过一年的GPU计算时间，HuggingFace发布了“Ultra-Scale Playbook”（超大规模训练攻略）—— 一本免费、开源的书籍，为大模型训练技术揭秘。

HuggingFace的LLM训练三部曲

这本《超大规模训练攻略》是HuggingFace正在推出的LLM训练三部曲系列中的第二部分，旨在为开源社区提供全面的大模型训练知识：

1. 第一部分：FineWeb - 高质量预训练数据集的创建（已发布）
2. 第二部分：Ultra-Scale Playbook - 分布式训练技术详解（本文重点）
3. 第三部分：数据混合和架构选择（即将推出）

Ultra-Scale Playbook：核心内容与价值

这本书在讲什么

正如作者所说：

“我们的目标是将所有使当今大语言模型扩展成为可能的技术集中在一起，用连贯且易懂的方式讲述其中的来龙去脉。”

阅读全文 »