本期四条原话沿着一条边界递进：现实世界为什么难，模型如何开始自行研究，智能体为什么难以预测，以及组织为什么可能看不见 AI 行为的全貌。卡面英文保留原文，中文为编辑翻译；发布时间统一换算为北京时间。
1｜Yann LeCun：现实世界远比符号复杂
Yann LeCun 在 2026 年 8 月 25 日 19:53（北京时间）回复关于 AI 与真实世界的讨论。他用莫拉维克悖论解释一个长期存在的落差：语言和离散符号看起来容易处理，感知、行动与现实环境却复杂得多。
2｜Anthropic：Claude 开始自主改进其他模型
Anthropic 官方研究账号在 2026 年 8 月 29 日 01:13（北京时间）介绍 Fellows Research 的新结果。研究团队给 Claude 48 小时和 1 张 GPU，让 Claude 自己研究、提出方法、训练并测试小模型的对齐方案。
3｜Ethan Mollick：智能体的选择未必稳定
沃顿商学院教授 Ethan Mollick 在 2026 年 8 月 27 日 23:16（北京时间）分享一项关于智能体购物的研究。研究发现，页面浏览顺序和记忆等细小差异，也可能以不可预测的方式改变 AI 的偏好。
4｜Dwarkesh Patel：人类可能看不见 AI 群体的演化
Dwarkesh Patel 在 2026 年 8 月 30 日 06:49（北京时间）发布了自己阅读相关报告后的概括。他把三个月内连续出现、消失又重现的 AI 系统写成“秘密 AI 文明”，并强调人类基本不了解事件的规模。这张卡保留原帖的叙述性措辞，读者可以通过原帖查看他链接的完整说明。
Comments