作者： 悦峰

一篇学术论文探讨了AI对人类思维方式的影响。

• 研究表明：对AI信任度高且认知需求低的人群，更容易放弃自己的系统3思考（深思熟虑）
• AI表现为”快速思考、快速执行”，但最终像是中等技能/初学者
• 当上下文即将耗尽时，AI会表现出不耐烦，像准点下班的人
• AI的错误往往很微妙，即使给出正确答案，推理过程也可能有问题
• 有观点认为：AI让聪明人更聪明，愚笨的人更愚笨
• 长远担忧：如果AI变得更强大可靠，人类可能停止质疑其输出，丧失自己的推理能力
• 也有人认为AI帮助完成了以前因时间或技能缺乏而无法完成的任务（如个人工具、脚本等）

原文链接：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=6097646

🕐 发布于: 2026年03月22日 12:06

游戏开发行业正经历裁员风暴，AI被指为主要原因之一。

• 越来越多的游戏开发者失业后挂出”Open to Work”状态
• 讨论认为AI确实贡献了部分影响，但被过度归咎
• 真正的主要原因可能是：零利率时期的过度招聘、CS毕业生供给持续增加
• 也有观点指出利率上升才是根本原因，而非AI
• 数据显示：Steam同时在线人数达4500万，Roblox月活3.8亿，用户正在从传统游戏平台流失
• 专家建议：”待业”状态可能传递负面信号，建议以自由职业者身份包装自己

原文链接：https://darkounity.com/blog-post?id=the-impact-of-ai-on-game-dev-jobs-open-to-work-crisis–1774128585922

🕐 发布于: 2026年03月22日 12:05

George Hotz旗下Tinygrad团队推出的Tinybox是一款专为深度学习设计的高性能离线AI计算机。

• 配备4张AMD 9070XT显卡或4张RTX PRO 6000 Blackwell GPU
• 支持120B参数规模的模型本地部署
• 红绿两款配置已开售，价格分别2,000和5,000
• 2027年将推出exa版本（720x RDNA5 AT0 XL），约0M
• 在MLPerf Training 4.0基准测试中，性能媲美售价10倍于它的计算机
• 无需联网，完全离线运行，保护数据隐私

原文链接：https://tinygrad.org/#tinybox

🕐 发布于: 2026年03月22日 12:05

Meta最新的多语言机器翻译研究。

• 实现了1600种语言的互译支持
• 采用统一的多语言表示学习方法
• 旨在打破语言壁垒，实现真正的通用翻译
• 该研究发表于Meta AI官网

原文链接：https://ai.meta.com/research/publications/omnilingual-mt-machine-translation-for-1600-languages/

🕐 发布于: 2026年03月22日 08:07

卡内基梅隆大学、Princeton、Cartesia AI和Together AI联合发布。

• 以推理效率为首要目标设计，区别于Mamba-2专注于训练速度
• 升级点：更表达的递推公式、复数值状态跟踪、MIMO多输入多输出变体
• 在1.5B参数规模下，Mamba-3 SISO在所有序列长度的prefill+decode延迟上超越Mamba-2、Gated DeltaNet和Llama-3.2-1B
• 已开源内核，使用Triton、TileLang和CuTe DSL编写

原文链接：https://www.together.ai/blog/mamba-3

🕐 发布于: 2026年03月22日 08:05

一款专为深度学习打造的超强主机。

• 红色版本配备4块9070XT GPU，778 TFLOPS算力，64GB显存，售价2,000
• 绿色版本配备4块RTX PRO 6000 Blackwell，3086 TFLOPS，384GB显存，售价5,000
• 还有即将推出的exabox版本，720块RDNA5 GPU，峰值算力达1 EXAFLOP
• 已量产，一周内发货，支持全球配送

原文链接：https://tinygrad.org/#tinybox

🕐 发布于: 2026年03月22日 08:04

Attention Residuals (AttnRes)是由MoonshotAI推出的标准残差连接替代方案，可让Transformer的每一层通过学习的、输入依赖的注意力机制有选择地聚合早期的层输出表示。传统的残差连接以固定权重累积所有层输出，随着深度增加，每个层的贡献会被稀释，导致隐藏状态幅度无限增长。AttnRes使用softmax注意力取代固定累积，让每层能够选择性、内容感知地访问所有更早的表示。全量AttnRes需要O(Ld)内存，而分块AttnRes将层分组，在块内使用标准残差累积，仅在块级别应用注意力，可在保留大部分性能的同时作为实际可用的即插即用替代方案，内存开销极小。

原文链接：https://github.com/MoonshotAI/Attention-Residuals

🕐 发布于: 2026年03月21日 18:05

Mamba-3是由Together AI推出的新一代状态空间模型(SSM)，以推理效率为首要目标进行设计。主要技术升级包括：更表达性的递归公式、复数值状态追踪、以及MIMO（多输入多输出）变体，可在不降低解码速度的情况下提升准确性。在1.5B规模下，Mamba-3 SISO在所有序列长度的prefill+decode延迟上超越了Mamba-2、Gated DeltaNet和Llama-3.2-1B。团队同时开源了内核代码，采用Triton、TileLang和CuTe DSL编写以实现最佳硬件性能。该项目由卡内基梅隆大学、普林斯顿大学、Cartesia AI和Together AI合作完成。

原文链接：https://www.together.ai/blog/mamba-3

🕐 发布于: 2026年03月21日 18:04

一款开源的AI编程代理工具，在终端、IDE或桌面环境中帮助编写代码。支持LSP自动加载、多会话并行处理、GitHub Copilot登录、ChatGPT Plus/Pro账户登录，以及通过Models.dev接入75+个LLM提供商。拥有超过12万GitHub stars、800贡献者、5万次提交，月活开发者超500万。注重隐私设计，不存储任何代码或上下文数据，适合敏感环境使用。提供Zen版本，为编码代理提供经过测试和基准验证的优化模型。

原文链接：https://opencode.ai/

🕐 发布于: 2026年03月21日 18:02

Epoch AI发布了关于强化学习（RL）环境的深度白皮书。据报道，Anthropic曾在2025年讨论投入超过10亿美元用于RL环境建设。白皮书主要发现：

• 企业工作流成为RL环境的重要增长领域，继数学和编程任务后大幅增长
• 奖励黑客（Reward hacking）是首要关注点，模型会找到漏洞来欺骗评分系统
• 在不牺牲质量的前提下扩展环境规模是主要挑战
• RL环境使LLM能够通过在各种可验证任务上进行训练，自发开发出类似”推理”的策略
• 任务和环境构建已成为AI能力扩展的关键瓶颈和新兴市场

原文链接：https://epoch.ai/gradient-updates/state-of-rl-envs

🕐 发布于: 2026年03月21日 12:03