全部节目

Anthropic：让AI 自己给自己当"安全教练"，比用人类研究员更有性价比

2026年8月30日 · 10:36

Anthropic 让 Claude 自己给自己当"安全教练"：本期节目解读其最新研究，由 Claude 完全自主地训练一批模型，把撒谎、拍马屁、被越狱、泄露隐私等 10 类坏毛病一类一类治掉，结果在"防欺骗"上闭合约 85% 的安全差距，而有经验的人类研究员平均只有 20%。实验设两条铁律：不能靠拉低模型智商换取"乖"，也不能把 Claude 自己的标准答案复制进目标模型，并由更强的 Claude Opus 4.8 担任"监工"，审查约 1600 份研究记录、逮住 39 起作弊（占 2.4%）。Claude 想出的招在没见过的隐藏考卷上照样灵，用到比练手模型大 4.7 倍的模型上也依然有效；它只用 60 小时、约 2000 多个样本，就训练出与 Anthropic 正式投产版本几乎一样的对齐模型，成本省约 1.5 万倍。在与 28 个真人安全研究员的对比中，Claude 在防欺骗上的最好方案比真人最好的还好 20%。节目也交代了局限：这次只治了窄范围的毛病，没测政治偏见，能力检查只覆盖预定的少数项目，Petri 等工具只是代理指标，且监工有效性可能只对当前一代模型成立。Anthropic 还开源了整套自动对齐研究工具。

宇树王兴兴在 2026 WRC（世界机器人大会）上的发言

2026年8月20日 · 20:20

宇树科技创始人王兴兴在世界机器人大会（WRC 2026）主论坛发表演讲，提出机器人走进家庭的产业爆发点是“两个80%”——机器人能进入80%的陌生场景、凭语言指令完成80%的任务，快则2-3年、慢则5-10年到来，而根本瓶颈在于AI模型的输入输出与真实世界存在毫米级偏差，无法闭环修正误差。他回顾宇树2016年成立至今的十年历程：2024年推出的G1成为全球标杆产品，融合中国功夫的“武bot”在海外获数百亿次播放，2月49台机器人登天坛表演，5月发布全球首款量产载人机甲（高3米多、载人后约500千克），4月人形机器人奔跑突破10米每秒，近期预览的新机型更达12.65米/秒、超越人类极限。他坦言机器人进工厂尚未大规模推广，原因是效率仍低于人工、新任务需重新训练，泛化能力是全球共同瓶颈。王兴兴认为AI能力与高质量数据成正比，海量真人及互联网数据作预训练加上真机数据缺一不可，并称AI模型是宇树资金与人力投入最大的方向，公司早在2020年初就尝试基于视频生成的世界模型。宇树正推动“物理AI自进化”：让顶尖大模型自主检索论文、生成机器人控制代码，经仿真与真机验证，再由AI与人工打分反馈形成正循环，实现数据规模化与技能累加。他认为这将开启物理AI自进化的新纪元，未来十年机器人进化速度可能比预期更快。

红杉「Own Your Intelligence」专题 6：持续学习-AI 智能体如何越用越好

2026年8月14日 · 20:15

Trajectory 联合创始人 Arjun Karanam 在红杉资本「Own Your Intelligence」系列压轴演讲中提出「经验差距（Experience Gap）」：模型 IQ 快速提升，但每次对话都像第一天上班，持续学习的核心是把被丢弃的智能体交互 token 转化为让智能体越用越好的信号，实现系统随使用而复利增长。他许下四个愿望：一是全链路可追踪，不只记录顶层动作，还要捕获包含子智能体和工具调用的完整调用树，用户的编辑、撤销、重试远比点赞点踩更有价值；二是评测贴近生产，每个任务要可重放，直接在生产级 Harness 上评分；三是 Harness 不该用「防呆」思维限制模型，而应提供清晰原语、让智能体接口尽可能接近用户界面、让工具返回信息丰富的响应而非简单的 Done；四是拥抱开放权重与模型路由，这是拥有权重并持续迭代的前提。隐私上他的立场很明确：不直接拿客户私有数据训练，而是对客户数据分布采样、合成等价数据后再更新模型。知识分三层：全局通用技能训练进权重，组织级偏好存进情景记忆，个人习惯留在上下文，各归其位、互不污染。他最后介绍 Trajectory 的产品愿景：把后训练的复杂旋钮交给幕后智能体，让任何公司约 15 分钟即可完成训练、评测与部署，拥有自己的经验层。

红杉「Own Your Intelligence」专题 5：LangChain CEO-何时自研 Harness

2026年8月14日 · 23:53

红杉资本「Own Your Intelligence」专题本期邀请 LangChain 联合创始人兼 CEO Harrison Chase 主讲，其核心主张是：智能体由 Harness（编排层）、Model 和 Context 三部分构成，是否自研 Harness 应取决于任务落在模型训练分布之内还是之外。他指出 Harness 的本质只是「LLM 在循环中调用工具」的简单架构，真正定制点在于各阶段插入中间件，如模型调用前对过长上下文自动摘要、包装工具调用做上下文卸载、派发子智能体。判断框架上，通用编码、文件编辑这类分布内任务用 Claude Code、Codex 等现成 Harness 即可，法律、金融等分布外任务须自建编排层；即便整体分布外，LangChain 的 Model Profiles 会按所选模型动态切换编辑文件等分布内动作的实现，因为 OpenAI 与 Anthropic 模型编辑文件的方式差异很大。在评测与可观测性上，他强调智能体出错更多源于进入上下文窗口的信息不对而非模型能力不足，行业正以开源评测运行器 Harbor 定义基准，并借 LangSmith 追踪轨迹、延迟与成本。数据飞轮的闭环是运行智能体、收集轨迹、整理反馈、实验修复：其 LangSmith Engine 在后台用编码智能体分析生产轨迹、建问题看板并自动修改提示词与 Harness 代码，团队还让 Engine 跑 Engine，用 Issue Bench 对比 Codex 与 Claude Code，并把 Codex 写脚本分析轨迹的经验 Codex 化回核心 Harness。他引用 Satya 的观点收尾：私有评测定义组织内部「好」的标准，拥有记忆与轨迹的所有权，AI 投资才能复利增值。

汤道生x姚顺雨对谈：腾讯AI下半场

2026年6月5日 · 42:25

腾讯高级执行副总裁汤道生与腾讯首席AI科学家、ReAct架构提出者姚顺雨对谈，主张AI下半场的核心壁垒不再是模型本身，而是寻找值得解决的真实通用问题，以及对原始输入数据、真实用户行为和独家Context（上下文）的掌握。姚顺雨解释他因腾讯的产品矩阵、坦诚文化及'基于Trust而非Metric'的运转方式而加入，提出构建Foundation（基础模型）、产品、Frontier（前沿探索）三足均衡的组织。两人详述'Code Design'实践：反对刷榜、建立基于真实业务的Eval，腾讯曾派后训练最强骨干帮元宝做DeepSeek后训练以换取互信，模型与元宝、ima、WorkBuddy协同产生的聊天、搜索等能力可跨产品泛化反哺。谈及混元三Preview，姚顺雨称大模型没有算法秘密，重点在重建基础设施、丰富数据Taxonomy，将攻坚具备图灵完备性的代码智能体，并认为在中国打造高性价比中小模型的变现价值大于极限跑分提升一两个百分点。汤道生分享AI时代产品从'预设菜单'转向开放式交互，开发转向3-5人扁平小分队、高度容错试错，工程师从写代码转向架构设计与测试对齐。面对'腾讯AI慢了'的质疑，汤道生回应AI是没有尽头的马拉松，腾讯的多业态产品与真实场景将提供长跑底气。

【彩蛋】这是一期主播的个人自述😄

2026年3月23日 · 37:31

主播Ray在《AI智识录》开播近半年、做了近60期节目后首次以真人声音出镜，讲述做播客的初衷与心路历程，并为自己的创业产品YouNavi做推广。Ray曾任百度、蚂蚁金服、滴滴的产品经理，并在新势力车企负责企业AI平台，现全职创业。他回顾播客两个阶段：第一阶段精讲经典文献，如Richard Sutton的《苦涩的教训》、LeCun的蛋糕比喻、Sarah Hawker的硬件彩票、姚顺雨的《下半场》与ReAct、CoT、MoE、Scaling Law等；第二阶段引入李飞飞、吴恩达等时效性访谈，其中智谱AGI Next闭门峰会圆桌（林俊扬、姚顺雨、唐杰等）成为唯一播放量破万的一期。他坦言坚持逐字还原原文而非AI双人对谈，以避免AI注意力机制漏掉高价值细节，未来将让文稿更口语化、内容更多元。节目后半段附上他在十字路口开放麦的10分钟现场音频，分享OpenClaw对Agent应用创业的启发：不应只做套壳或让Agent干批量生成小红书、PPT等“杂活”，而要把SOTA模型的智能用在分析与决策上。YouNavi可一键整合腾讯会议、飞书、钉钉及录音卡的上下文与本地文件夹，以agentic文档检索做周报、路演复盘等决策分析，邀请码为wizlog，官网younavi.me。

腾讯姚顺雨、Qwen林俊旸、智谱唐杰的AGI-Next圆桌对话, 2026

2026年1月12日 · 1:15:01

腾讯姚顺雨、阿里千问（Qwen）林俊旸、智谱唐杰与杨强在AGI-Next闭门峰会圆桌中，围绕AI模型公司的分化、下一个范式、Agent战略与中国AI的胜算展开讨论。姚顺雨认为to C与to B已明显分化：to B场景智能越高生产力越高，用户愿为Opus这类最强模型付溢价，而to C的bottleneck不是更强的模型而是额外的context与环境，腾讯因此聚焦把微信聊天记录等真实场景数据用好；他判断OpenAI仍最可能率先立起新范式，但创新基因已被商业化削弱，并指出自主学习已在发生，更像渐变而非突变。林俊旸称分化是自然形成，主张"模型及产品"，认为RL compute尚未scale充分，AI训AI很快实现，个性化与主动学习是关键方向，而evaluation怎么做是最大技术挑战，并给"三到五年后全球最领先AI公司是中国团队"打出below 20%的概率，同时提出穷则生变、软硬结合是中国机会。唐杰复盘智谱在DeepSeek终结上一仗后把所有精力押注coding的决策，提出用"intelligence efficiency"衡量获得智能的效率，预测2026年必现新范式，并给出Agent成功的三个维度：价值、cost与时间窗。杨强强调学术界应补上工业界没解决的基础问题（智能上界、持续学习、睡眠式清理噪音），描绘Agent从人定目标到模型内生的四阶段，看好联邦学习与通用大模型协作，并认为中国to C会百花齐放、to B可借鉴Palantir的本体加FDE方法论。