Sayash Kapoor
PulseAugur coverage of Sayash Kapoor — every cluster mentioning Sayash Kapoor across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
人工智能风险投资辩论围绕会计、收入和部署出现分歧
风险投资在人工智能方面存在分歧，不仅仅是乐观者和悲观者，而是分为四种不同的叙事。这些叙事包括对会计实务、收入质量、偿付能力和部署有效性的批评，Michael Burry、Bill Gurley 和 Ed Zitron 等人物强调了这些问题。另外，Arvind Narayanan 和 Sayash Kapoor 等人组成的团队认为，人工智能的变革潜力是真实的，但其采用速度慢于发明速度，并指出能力-可靠性差距。尽管对人工智能的即时影响和财…
-
AI研究员反对迫在眉睫的失业，预见人机共生超智能
普林斯顿大学研究员Sayash Kapoor在首尔举行的国际机器学习会议上发表主旨演讲，讨论了对AI日益增长的能力的担忧。Kapoor认为，“AI作为普通技术”的框架有助于理解AI的中期影响，并告诫不要认为递归自我改进将突然消除所有工作。相反，他提出未来的工作将大不相同，需要适应并专注于与AI互补的技能，从而形成人机“共生超智能”的愿景。
-
Tim O'Reilly：AI的成功取决于广泛传播，而非仅仅是前沿模型
Tim O'Reilly引用Jeff Ding的扩散理论，认为人工智能行业的焦点放在前沿模型上可能是错误的。他认为，与过去的技术革命类似，国家和企业在人工智能领域的成功将取决于在整个经济中的广泛传播和整合，而不仅仅是开创最新的技术。这种传播得益于强大的“技能基础设施”——教育和培训体系，使广大工程师能够使用人工智能，强调广泛采用而非孤立发明。
-
Sayash Kapoor加入加州大学伯克利分校担任助理教授
Sayash Kapoor将于2027年秋季开始在加州大学伯克利分校信息学院担任助理教授。Kapoor目前正在招募下一批博士生，并提供了一个表格供有兴趣的申请者填写。
-
专家称 AI 基准测试高估了现实世界的工作自动化能力
Melanie Mitchell 认为，当前的人工智能基准测试未能捕捉到人类工作的复杂性。她强调，大多数职业涉及相互关联的任务、适应性和现实世界的灵活性，而这些特点在易于衡量的基准测试中并未得到充分体现。Mitchell 引用了 Sayash Kapoor 和 Arvind Narayanan 的观点，他们认为关注基准测试会导致高估人工智能在现实世界中的自动化能力。
-
研究人员质疑 Google 的 AI 操作系统构建声明，称其缺乏透明度
研究人员质疑 Google 关于其 AI 代理以低于 1000 美元构建操作系统的说法。他们认为，“单一提示”的描述具有误导性，因为该提示长达数千行，并且该过程涉及专门的脚手架和代理监督。此外，Google 没有提供证据表明代理是从头开始编写代码，而不是复制现有材料，也没有发布提示、代码或日志以供独立验证。
-
LessWrong 作者认为人工智能并非普通技术
一篇LessWrong帖子认为，人工智能与电力或互联网等“普通”技术有着本质区别，挑战了Narayanan和Kapoor提出的观点。作者认为，人工智能潜在的超智能及其对人类生存的深远影响，迫切需要治理和对齐方面的努力。文章引用了农业革命和工业革命等重大技术变革的历史例子，来说明尽管可能存在长远利益，但即时过渡时期通常伴随着重大的伤害和社会动荡。
-
新基准显示，AI代理在复现研究方面面临挑战
研究人员开发了AutoReproduce，一个多代理框架，旨在自动复现研究论文中的AI实验。该系统利用“论文谱系”从引用的文献中挖掘隐性知识，并采用基于采样的单元测试策略来确保代码的可执行性。此外，还引入了一个新的基准测试CORE-Bench，以评估AI在自动化计算可复现性方面的能力。初步测试表明，尽管像CORE-Agent（使用GPT-4o）这样的专用代理在处理困难任务时能达到22%的准确率，但AI在处理复杂计算环境方面的能力仍有很…