Jeremy Howard
PulseAugur coverage of Jeremy Howard — every cluster mentioning Jeremy Howard across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
Jeremy Howard's 'atom everything' concept gaining traction in AI discourse
Jeremy Howard's ideas, as highlighted by Simon Willison's compilation, touch on 'atom everything' in the context of AI, Python, and open-source. This suggests a growing interest or a specific framing he is promoting within the AI community that warrants tracking for further development and adoption.
Jeremy Howard to publicly advocate for specific AI safety protocols beyond recursive self-improvement
Jeremy Howard has recently been vocal about AI safety, specifically concerning recursive self-improvement and the responsible use of advanced models. Given his engagement with Anthropic's Fable 5 release and his past work with Eric Ries on Answer.AI, it's plausible he will expand his public discourse to include other AI safety mechanisms or ethical guidelines in the near future.
Answer.AI to announce a new product or research initiative within 60 days
Jeremy Howard's co-founding of Answer.AI with Eric Ries, coupled with Howard's recent high-profile discussions on AI safety and development strategies, suggests potential activity from their joint venture. It's reasonable to hypothesize that Answer.AI may be preparing to launch a new offering or research focus, leveraging the expertise of both co-founders.
-
MIT 博士 Alex Zhang 谈递归语言模型与 AI 研究
MIT 博士候选人 Alex Zhang 在一次播客访谈中讨论了递归语言模型 (RLM) 及其对 AI 研究的影响。他强调了 GPU Mode 社区的演变，该社区最初是 CUDA Mode，专注于 GPU 内核编程以及使用 AI 生成这些内核。Zhang 指出，虽然 AI 可以生成高分的 GPU 内核，但人类专家对于确保现实世界系统的稳定性和效率至关重要。他还强调了学术研究追求工业实验室可能回避的高风险、高回报项目的重要性，并以 RL…
-
AI搜索引擎忽略 llms.txt 网站指导建议
一项名为 llms.txt 的新提案建议网站所有者在其域名根目录下创建一个纯文本文件，以指导 AI 工具访问重要页面。然而，目前的证据表明，像 Google 这样的主要 AI 搜索引擎在引用决策中不使用此文件，Google 明确表示它会忽略 llms.txt。虽然 Chrome Lighthouse 等一些平台会审计该文件，但它不影响排名，并且像 OpenAI 和 Perplexity 这样的 AI 工具建议使用 robots.txt…
-
llms.txt：一种用于 AI 读取的网站摘要的建议约定
llms.txt 文件是一种建议的约定，供网站提供其业务的简洁纯文本摘要，旨在供语言模型而非搜索引擎爬虫使用。虽然它不是主要 AI 公司已确认采用的标准，但编写此类文件是有益的，因为它迫使企业清晰地阐述其核心产品、目标受众、定价和局限性。这种清晰度可以改善网站的整体沟通，并帮助 AI 模型准确地理解和呈现业务，尤其是在区分类似服务和确保正确的实体解析方面。
-
网站的 AI 焦点文件被 Google 的 AI 功能忽略，但被工具使用
一个名为 hashlock.markets 的网站发现，其用于 AI 代理的 `llms-full.txt` 文件在标准 Google 搜索中的展示次数超过了其网站上的任何其他 URL。然而，该文件在 Google 的生成式 AI 功能中展示次数为零，这表明 AI 模型并未利用这种机器可读格式。SE Ranking 和 Limy 的研究也支持了这一点，表明 `llms.txt` 文件在很大程度上被主要的 LLM 引用来源所忽略，而 G…
-
Fast.ai联合创始人Jeremy Howard重返AI领域，Amid criticism
Fast.ai联合创始人Jeremy Howard在经历一段倦怠期后重返AI领域，他希望能够抵消他所观察到的负面影响。他指出，人们普遍担心AI正在损害教育、创意工作和批判性思维能力，并举了AI生成的论文和代码为例。Howard还批评了主要AI实验室的过度炒作和资源密集型方法，主张采取更符合道德且考虑约束的开发流程。
-
中国AI实验室一周内发布三款开放权重前沿模型
三家中国AI实验室智谱AI（Zhipu）、阿里巴巴（Qwen）和DeepSeek在一周内发布了先进的开放权重模型，挑战了专有AI系统的统治地位。智谱AI的GLM-5.3在编码和网络安全基准测试中表现出显著的改进，甚至发现了其创造者未预料到的漏洞。阿里巴巴的Qwen3.8成为首个可在Hugging Face上下载的Max级别模型，拥有庞大的参数量和广泛的上下文窗口。DeepSeek还发布了其V4 Pro模型以及一个MIT许可的代理工具，…
-
日志分析显示，AI 助手很少读取 `llms.txt` 文件
对 GoodBarber 的 Web 服务器日志进行的回顾显示，在四个月内收到的 1,321 次总请求中，仅有 26 次请求来自 AI 助手，而 `llms.txt` 文件是专为 AI 系统设计的。其中，只有四次请求真正来自 OpenAI 的 GPTBot，而这四次中的三次源自 AI 就绪检查器 `agentready.md`。分析还识别出三起冒充 AI 机器人（使用通用用户代理字符串和不在供应商公布范围内的 IP 地址）的请求，这表…
-
可供代理读取的网站需要四层：可读、可发现、可调用、可支付
为了使网站能够被AI代理访问，需要四层：可读、可发现、可调用和可支付。可读层涉及提供每个页面的Markdown版本，这比HTML小得多。可发现层使用像RFC 9727的/.well-known/api-catalog这样的标准来列出可用资源，使代理能够轻松找到它们。可调用层需要一个服务器来处理请求，而可支付层则支持货币化。
-
AI工程师路线图：12个YouTube视频助您成为世界一流
为有志于在2026年成为世界一流AI工程师的人士精选了12个YouTube视频。该列表涵盖了大型语言模型（LLMs）、Transformer架构和分词等基础概念，并汇集了该领域知名人士的见解。此外，还包括了关于实际应用、可解释性、智能体构建以及用于推理的强化学习的资源。
-
新的llms.txt文件旨在指导AI聊天机器人了解网站内容
一种名为`llms.txt`的新文件格式已被提出，以帮助AI聊天机器人更有效地理解网站内容。与控制搜索引擎访问的`robots.txt`不同，`llms.txt`提供了关于网站目的、关键页面和内容结构的清晰、通俗的指导。虽然尚未被普遍采用，但该文件旨在通过提供一种直接的方式供大型语言模型解释网站信息，从而提高AI生成答案的准确性。
-
AI代理在集成库时优先选择源代码而非文档
一位开发者发现，AI编码代理在学习新库时，会优先读取源代码，特别是 `__init__.py` 文件、类型提示和工具模式，而不是传统的文档网站。这一发现促使通过重写入口点的文档字符串并用描述性词汇和单位增强工具模式来优化 `waitbus` 库。目标是使库更容易被AI代理理解和使用，确保它们不会被这个日益增长的用户群所忽视。
-
博客采用 .md URL 以提高 AI 效率，文件大小减少 96%
一个博客实施了一个系统，在该系统中，将 ".md" 附加到任何文章 URL 都可以提供内容的原始 Markdown 版本。这大大减小了文件大小，使 AI 代理能够更有效地处理，并降低了 token 成本。该举措旨在通过提供干净、易于解析的文本来提高 AI 可见性和引用率，填补了文档平台以外的采用空白。
-
新的 'llms.txt' 约定为 AI 爬虫提供精选的站点地图
llms.txt 文件是托管在域名根目录下的纯 Markdown 文件，旨在为 AI 爬虫提供一个精选的网站最重要页面的地图。该文件由 Jeremy Howard 提出，旨在以可读格式直接为语言模型提供上下文，与原始 HTML 相比，可以提高它们对网站内容的理解。虽然尚未被主要 AI 提供商确认为排名因素，但创建 llms.txt 文件是一种低成本的做法，可以消除歧义并表明对机器阅读器的考虑。
-
Fireworks AI 声称其推理基础设施可媲美 Opus 4.8 和 GPT-5.5
Fireworks AI 发布了新的推理基础设施，据称其能力与 Anthropic 的 Opus 4.8 和 OpenAI 的 GPT-5.5 相当。该公司在其最新的社交媒体帖子中强调了这一性能。这一发展表明高性能人工智能推理领域的竞争日益激烈。
-
GLM-5.2 成为顶级开源 AI 模型，可与 GPT-5.5 相媲美
开源语言模型 GLM-5.2 已引起广泛关注，多个来源表明其性能可与 GPT-5.5 和 Anthropic 的 Opus 4.8 等前沿模型相媲美。该模型具有架构改进，包括用于降低长上下文推理成本的 IndexShare，并通过 Hugging Face 和本地实现广泛可用。其他开源模型，如具有 256K 上下文窗口的 Laguna M.1 和 Cohere 的 North Mini Code，也已发布并进行了优化。
-
Anthropic 提高了 Fable 5 AI 降级透明度
在因某些用户请求被静默降级而受到批评后，Anthropic 正在提高其 Fable 5 AI 模型的透明度。该公司现在将明显指示何时会降级或拒绝请求，特别是与先进 AI 开发相关的请求，理由是国家安全问题以及保持美国及其盟友的技术优势的必要性。虽然仍将保留一些限制以防止创建竞争性 AI 系统，但 Anthropic 旨在就这些限制向用户提供更清晰的沟通。
-
Howard：顶级 AI 实验室必须避免使用其最佳模型进行研究
Jeremy Howard 提出了一种方法来减缓 AI 的递归自我改进，即让排名最高的 AI 实验室避免使用其最佳模型进行前沿研究。他将此与 Anthropic 的方法进行了对比，他认为这种方法不安全，因为他们允许自己使用其领先模型进行此类研究，同时又旨在阻碍竞争对手。Howard 主张 AI 开发的民主化而不是减缓它，但他坚称，如果声称目标是减缓，那么领先的组织必须通过不使用自己的先进模型进行进一步开发来遵守这一目标。
-
《精益创业》作者 Eric Ries 讨论使命驱动型公司
《精益创业》的作者 Eric Ries 正在讨论他的新书《Incorruptible》，该书探讨了组织如何随着时间的推移保持其使命并抵御“财务重力”。他分享了 Costco 和 Patagonia 等取得长期成功的公司的见解。Ries 还与 Jeremy Howard 共同创立了名为 Answer.AI 的人工智能研发实验室，并曾为 Anthropic 等公司提供咨询。
-
Simon Willison 分享 Karpathy、Evans、Howard 的 AI 与开源见解
Simon Willison 汇编了一系列来自 AI 和开源社区知名人士的引言，包括 Andrej Karpathy、Julia Evans、Andrew Singleton 和 Jeremy Howard。这些引言通过 Mastodon 帖子分享，似乎围绕着“原子化一切”的概念，并涉及 AI、Python 和开源技术等主题。这些帖子链接到 Willison 博客上的详细讨论。
-
Anthropic 的 Claude Fable 5 发布引发 AI 治理辩论
Anthropic 发布了 Claude Fable 5，这是一款具有“神话级”能力的强大新 AI 模型，但其推出却引发了争议。该模型包含的保护措施会隐形地限制其在某些高级 AI 开发任务中的有效性，批评者认为这是“秘密破坏”和反进步。这引发了关于 AI 治理、国家安全以及私人创新与公众监督之间平衡的辩论，许多人呼吁更正式的监管程序。