AI 金句日刊 Vol.33：运行时、复利、评测、解码与反馈

Aravind Srinivas 表示，Vera CPU 是为 agentic runtime 定制的；Perplexity 正与 NVIDIA 在 Vera CPU 上运行支撑 Perplexity Computer 的沙盒基础设施，并观察到显著改进。1

Satya Nadella 将企业未来描述为一个学习回路：人力资本与 token 资本共同复利；Frontier Co. 的目标，是让组织把知识、工作流和判断转化为会持续改进的 AI 系统。2

Nando de Freitas 在评价 CANDI 文本扩散论文时提醒，除困惑度外，还需要看到后训练后的 benchmark，以及与自回归 LLM 的直接比较，才能判断这一路线是否真正前进。3

Vik 认为，如果投机解码的 drafter model 平均能让 6 个以上 token 被接受，可能说明 tokenization 低效，或推理过程过于重复、可预测；更好的做法是直接处理这些底层问题。4

Josh Woodward 向用户征集 Gemini 仍做不好的能力缺口：「有什么你惊讶 Gemini 还做不好、而我们很早就该修好的事？」这条问题本身也是 Gemini 团队公开收集产品反馈的入口。5