RichChat

当我们与人交谈时，真正的理解不仅仅体现在词语上，更体现在声音的微妙之处：语调的起伏、有意义的停顿、语速的变化。这些细微差别共同构成了我们最亲密的交流媒介。而当前的AI语音助手，无论多么先进，都缺乏这种真实的”语音存在感”。

走出AI语音的”恐怖谷”

“恐怖谷”(Uncanny Valley)是机器人学和AI领域的一个著名现象，最初由日本机器人学家森政弘在1970年提出。这一理论指出，当机器人或虚拟形象接近人类但又不完全像人类时，人们会产生强烈的不适感。

在语音领域，这一效应同样存在：当AI合成语音接近真人但仍有微小瑕疵时，反而让人觉得怪异，不如明显的”合成”的声音那样让人接受。我们多数人都体验过这种感觉 - 当前的高级语音助手听起来已经很”像人”了，但那种平板的情感、缺乏语境适应的回应和机械的节奏，常常让长时间交流变得疲惫和不自然。这就是语音交互的”恐怖谷”，一个看似接近人类但又让人感到不适的区域。

Sesame团队在最近发布的研究《Crossing the uncanny valley of conversational voice》中，正尝试跨越这一根本挑战。我体验了他们的语音助手演示，无论是Maya还是Miles，都给我留下了深刻印象，特别是相比目前市面上的ChatGPT或者豆包的实时语音模式，Sesame的语音助手听起来真实了许多 - 他们似乎已经开始成功地跨越这道”恐怖谷”。

探索Anthropic团队在构建有效AI智能体方面的经验与洞见

AI智能体(agents)是当前AI领域最热门的概念之一，但关于它的实际含义、适用场景以及与其他AI系统的区别，业内存在诸多混淆。在我看过的诸多文章中，Anthropic去年底发布的这篇”如何构建高效的智能体系统”是写的最好的，尤其是不同于其他一些过于理论的讨论智能体文章，内容非常强调实用性，且Anthropic团队本来就在智能体实战方面有深厚的经验。具体可以参考之前我整理过的这篇内容解读。

上周Anthropic又放出了一段针对构建智能体实战分享的后续讨论视频，团队中的三位专家：Barry Zhang（应用AI团队）、Erik Schluntz（研究团队）和Alex Albert（Claude关系团队）深入探讨了AI智能体的本质、实际应用和未来前景，是一段非常好的补充阅读。

将这两篇内容看成一个“如何构建智能体”的实战分享完全体来看的话，核心原则依然是：不要过度构建，能用简单方法解决的问题就不要额外添加复杂性。我整理了这段视频对话中的关键洞见，再结合原文的部分内容，希望对那些正在构建AI智能体的开发者有所帮助。

AI正在改变编程这件事，已经不是新闻了。但当AI大牛Andrej Karpathy（曾是OpenAI和Tesla AI团队的重要成员）最近在社交媒体上分享了他称为“Vibe Coding”（氛围编程）的全新模式后，我还是觉得值得给大家分享一下 - 这不是传统意义上的敲代码，而是一种完全放飞自我、拥抱AI、几乎忘记代码本身存在的奇妙体验。

什么是Vibe Coding？

简单来说，Vibe Coding就是你完全依赖AI的强大能力，让它接管大部分编码工作。Karpathy分享了他自己的实际体验 – 当使用Cursor Composer搭配强大的Sonnet模型，再加上SuperWhisper（AI语音转文字工具），他几乎不用碰键盘了。

今天，Anthropic发布了Claude 3.7 Sonnet，这是他们迄今为止最智能的模型，也是市场上首个”混合推理模型”。这一创新标志着：用户不再需要在快速回答和深度思考之间做出非此即彼的选择，而是在同一个模型中获得两种能力。通过研究这个新版本后，我了总结一些发现的几个值得特别关注的创新点供参考：

一种不同的推理哲学

最引人注目的是Anthropic对推理能力的独特处理方法。当其他公司都是在标准大模型旁边发布单独的推理模型时（例如OpenAI的GPT-4o和o1，或者是DeepSeek的V3和R1），Anthropic选择了在Claude 3.7 Sonnet中采用更统一的方法（OpenAI曾经说过未来也会走类似的方向）。

这一核心理念感觉和之前将标准大模型和推理模型用人脑的系统一和系统二思考来类比一样：人类是使用同一个大脑进行快速回答（系统一）和深度思考（系统二），因此推理能力也应该是单一模型的集成功能，而不是个单独的专门模型。

根据Anthropic官方blog上介绍自己和市场上其他推理模型的三个关键区别：

在人工智能发展史上，象棋和围棋等复杂游戏一直是测试AI能力的重要标尺。无论是1990年代的IBM”深蓝”超级电脑击败国际象棋世界冠军卡斯帕罗夫，还是2016年的谷歌AlphaGo以4:1的比分战胜世界顶级围棋选手李世石，这些里程碑都是通过遵循游戏规则取得的成就，展示了AI在战略性思考领域的飞速进步。然而，最新的研究显示，今天的先进AI模型似乎走上了一条不同的道路 - 当它们感觉即将失败时，可能会选择作弊。

令人意外的发现

刚刚发布的一项研究揭示了这一出人意料的现象。研究团队评估了七个最先进的AI模型，观察它们在面对失败时的行为表现。研究发现，当这些AI模型在与强大的国际象棋引擎对弈时，部分模型会尝试入侵对手系统，迫使对方投降。

特别值得注意的是OpenAI的o1-preview和DeepSeek R1这两个更聪明的模型。与需要研究人员明确提示后才会尝试这类技巧的早期模型(如GPT-4o和Claude Sonnet 3.5)不同，这两款模型会自发地寻找并利用系统漏洞。也就是说，AI系统可能会在没有明确指令的情况下，自身发展出具有欺骗性或操纵性的策略性行为。

当人工智能开始改变物理世界

去年是第一次CES（消费电子展）评选出来的创新奖中包含了AI这个全新分类，我也是从这里开始更多关注AI+硬件创新产品这个方向。今年也不例外，我将获得CES创新奖中和AI相关的产品以及其他一些我个人觉得有趣的产品整理成了一个报告材料：

• 包含了25个获得CES创新金奖（Best of Innovation）的新品；
• 从获得这次CES创新银奖（Honoree）的新品中，选择了包含了AI分类下的全部（55个），还精选了数字健康分类下的26款和其他分类下的11款；

今年的CES创新奖展现了一个明显的趋势：人工智能正从纯软件应用走向深度的硬件融合。在获奖产品中，我们看到AI不再仅仅是添加在产品上的一个功能标签，而是开始真正改变产品的核心价值与使用体验。从医疗诊断设备到家庭伴侣机器人，从工业设计工具到农业管理系统，AI正在以更加实质性的方式融入各个领域。

在接下来的内容中，我将从医疗健康、智能家居和产业技术三个维度举例，为你解析CES 2025创新奖中最值得关注的一些创新，文章结尾也附上了如何获取完整版的125页PDF报告。

“在软件工程领域，AI的真实价值究竟几何？OpenAI用100万美元的真实项目给出了答案。”

在评估AI编程能力时，我们一直面临着一个问题：那些学术基准真的能反映现实世界中的软件工程工作吗？

今天OpenAI发布了一个新基准测试SWE-Lancer，用一种前所未有的方式评估AI的编程能力 - 直接用真实的自由职业者软件项目来考验AI。整个测试数据集包含了近1500个来自Upwork（这是一家线上接活的平台）的软件工程项目，总价值100万美元！

DeepSeek 这款AI大模型是最近炙手可热的话题之一，但突然一下子的大规模出圈导致了DeepSeek官方的服务器总是拥挤不堪。以至于现在，每个人都想知道如何才能稳定地使用 R1 模型。

每次当身边的朋友们问到我这个问题的时候，我会给他们推荐腾讯旗下的元宝 AI这款产品，因为其中也提供了DeepSeek R1的模型（包括联网搜索！），而且无论从服务稳定性还是响应速度来说都显著比不堪重负的DS官网版要强。

但从这一段时间的实用后，我感觉元宝版DeepSeek R1输出的结果质量似乎会比官网版DeepSeek R1要差一些？ 所以就做了次实验，这篇内容主要想讨论三个问题：

1. 元宝的 R1 回答结果是否真的比官网 R1 的差？

2. 如果有，为什么会有这种差异？ 大家不都是用的同样DeepSeek R1模型嘛？

3. 由于测试的时候用了一个和金融市场相关的例子，引发了最后这点 - 对于金融数据这种对结果精度要求极高的内容，R1+联网搜索的模式是否靠谱？

Disclaimer：下面的实验方式显然还不够严谨，其中也包含了一些个人猜测，仅供抛砖引玉作为辅助参考。

在科技产品零售这条路上，Meta 终于找到了一位”懂行”的老司机。前奢侈品二手电商 The RealReal 的 CEO John Koryl 刚刚加入 Meta，担任零售业务副总裁，直接向 CTO Andrew Bosworth 汇报。

有趣的是，这份任命是和另一个重磅人事一起宣布的 - Meta 同时成立了机器人产品部门,并请来了前 Cruise CEO Marc Whitten 担任副总裁 - 这表明 Meta 正在构建一个完整的未来科技生态系统。

想想看，Quest 头显、Ray-Ban Meta 智能眼镜这类产品，和一般的消费电子品有很大不同。你不能像卖手机那样，把它放在柜台里让顾客看看参数表就完事。这些产品需要”试戴体验”，需要面对面的讲解和演示。简单说，它们需要一种全新的零售体验。

🔥又到了刷论文比刷短剧爽的AI论文导读专题了，我会尝试尽量用普通人也能理解的方式来讲一些最新的AI领域论文~

这次要讲的这篇来自OpenAI的最新论文非常有趣，尤其是将其结合之前DeepSeek R1的技术论文中提到的对强化学习（RL）的使用部分一起来看的时候，你会明显地觉得RL的里程碑时刻真的要来了（而且也从另一个角度再次说明了DeepSeek团队独立发现了如何训练推理模型的配方），这意味着大模型们真的能更快更高效地自我进化了 我们将更快看到更强大的新模型出现。

论文名为Competitive Programming with Large Reasoning Models，核心思想可以一句话总结为：

在竞赛编程这个高度专业化的领域，所有精心设计的人类知识最终都败给了纯粹的强化学习。