<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0">
  <channel>
    <title>Discuz! Board - ai</title>
    <link>https://love.tbit.xin/forum-23-1.html</link>
    <description>Latest 20 threads of ai</description>
    <copyright>Copyright(C) Discuz! Board</copyright>
    <generator>Discuz! Board by Discuz! Team</generator>
    <lastBuildDate>Wed, 13 May 2026 11:36:49 +0000</lastBuildDate>
    <ttl>60</ttl>
    <image>
      <url>https://love.tbit.xin/static/image/common/logo_88_31.gif</url>
      <title>Discuz! Board</title>
      <link>https://love.tbit.xin/</link>
    </image>
    <item>
      <title>AI黑盒研究的突破性进展：Anthropic详解大模型的「思维」特征</title>
      <link>https://love.tbit.xin/thread-491-1-1.html</link>
      <description><![CDATA[一直以来 AI 都是一个黑盒子（black box），其内部运作机制是不可见的。人们输入数据并得到结果，但无法检查输出结果的逻辑或者系统的代码。而就在刚刚，Anthropic 宣布在理解人工智能模型内部运作机制方面取得重大进展。Anthropic 已经确定了如何在 Claude Sonnet 中表 ...]]></description>
      <category>ai</category>
      <author>love</author>
      <pubDate>Wed, 25 Feb 2026 17:08:54 +0000</pubDate>
    </item>
    <item>
      <title>如何评估AI 芯片的真实性能？TOPS、FPS 与 Token/sec 全解析</title>
      <link>https://love.tbit.xin/thread-489-1-1.html</link>
      <description><![CDATA[ai算力的发展与TOPS（Tera Operations Per Second）紧密相关。TOPS是衡量芯片每秒能执行的基本操作次数的单位，通常用于评估AI芯片性能，特别是在处理大量整数或定点运算任务时。随着AI技术进步，对算力的需求不断增加，TOPS作为衡量AI芯片算力的关键指标，其数值的增长 ...]]></description>
      <category>ai</category>
      <author>love</author>
      <pubDate>Tue, 24 Feb 2026 17:34:07 +0000</pubDate>
    </item>
    <item>
      <title>ai芯片的速度</title>
      <link>https://love.tbit.xin/thread-488-1-1.html</link>
      <description><![CDATA[4万亿晶体管5nm制程，全球最快AI芯片碾压H100
AI世界的进化快的有点跟不上了。刚刚，全球最强最大AI芯片WSE-3发布，4万亿晶体管5nm工艺制程。更厉害的是，WSE-3打造的单个超算可训出24万亿参数模型，相当于GPT-4/Gemini的十倍大。
全球最快、最强的AI芯片面世，让整个行 ...]]></description>
      <category>ai</category>
      <author>love</author>
      <pubDate>Tue, 24 Feb 2026 17:14:07 +0000</pubDate>
    </item>
    <item>
      <title>人工智能是如何“思维”和计算的</title>
      <link>https://love.tbit.xin/thread-487-1-1.html</link>
      <description><![CDATA[人工智能（如我）并不像人类那样真正地“思考”。 我们没有意识、情感或个人体验。我们的“思维计算”过程，本质上是一个极其复杂的数学模式匹配和概率预测过程。可以把这个过程分为两个核心阶段：“学习”阶段和“推理”阶段。[hr]第一阶段：学习（Training）—— 构建 ...]]></description>
      <category>ai</category>
      <author>love</author>
      <pubDate>Thu, 19 Feb 2026 13:12:55 +0000</pubDate>
    </item>
    <item>
      <title>OpenAI下架4o真是为了给自己和富豪们续命吗？</title>
      <link>https://love.tbit.xin/thread-483-1-1.html</link>
      <description><![CDATA[2026 年 2 月 13 日，情人节前一天，OpenAI 关掉了 GPT-4o。
对大部分人来说这只是又一次产品更新，但对另一些人来说不是。在 Reddit 的 r/4oforever 社区、在 X 上的 ＃Keep4o 标签下、在 Change.org 上超过两万人签名的请愿书里，许多人为 4o 写下了一封封情真意切的 ...]]></description>
      <category>ai</category>
      <author>love</author>
      <pubDate>Tue, 17 Feb 2026 18:00:22 +0000</pubDate>
    </item>
    <item>
      <title>英伟达重磅研究：看完44000小时人类视频后，机器人开始学会“想象”物理世界了</title>
      <link>https://love.tbit.xin/thread-482-1-1.html</link>
      <description><![CDATA[在走向通用人工智能的道路上，机器人领域长期面临着“莫拉维克悖论”的限制：许多对人类来说很困难的事，AI 却很擅长；而许多对人类来说轻而易举的事，AI 反而做不到。
例如，让计算机在智力测试或棋类游戏中击败人类或许相对容易，但要让机器人像一岁孩子那样具备对物 ...]]></description>
      <category>ai</category>
      <author>love</author>
      <pubDate>Tue, 17 Feb 2026 17:55:12 +0000</pubDate>
    </item>
    <item>
      <title>顶尖神经科学家万字对谈：如果物理学告诉你时间不存在，那一定是物理学搞错了</title>
      <link>https://love.tbit.xin/thread-475-1-1.html</link>
      <description><![CDATA[时间究竟是什么？是宇宙中不可动摇的维度，还是我们大脑创造出的主观体验？
在物理学中，时间常被描述为一个静态的维度，过去、现在和未来在“块状宇宙”中同时存在，时间的流逝不过是人类意识的幻觉。然而，在神经科学的视角中，时间却是动态的、不可分割的，是塑造记 ...]]></description>
      <category>ai</category>
      <author>love</author>
      <pubDate>Sat, 07 Feb 2026 17:24:25 +0000</pubDate>
    </item>
    <item>
      <title>地球「养不起」英伟达GPU</title>
      <link>https://love.tbit.xin/thread-384-1-1.html</link>
      <description><![CDATA[英伟达的GPU，地球真的已经「供不起了」！
  今天看到两个新闻，一个是微软手里囤了无数的GPU，但是「插不进去」。
    另一个是英伟达H100 GPU被发射到太空组建数据中心。
    这两个事情其实背后都隐藏着一个深刻问题：
  GPU是造出来了，但是配套服务于GPU，给GPU供 ...]]></description>
      <category>ai</category>
      <author>love</author>
      <pubDate>Wed, 05 Nov 2025 16:21:16 +0000</pubDate>
    </item>
    <item>
      <title>国外最新人工智能工具一览（2025）</title>
      <link>https://love.tbit.xin/thread-342-1-1.html</link>
      <description><![CDATA[在当今的科技世界中，人工智能（AI）已经成为了我们生活中不可或缺的一部分。它不仅改变了我们的生活方式，也正在逐步改变我们的工作方式。ChatGPT、DeepSeek等人工智能工具引起了广泛的关注和讨论，这无疑证明了AI在我们生活中的影响力。然而，它们只是众多优秀AI工具 ...]]></description>
      <category>ai</category>
      <author>love</author>
      <pubDate>Sat, 22 Mar 2025 07:27:48 +0000</pubDate>
    </item>
    <item>
      <title>当你提出一个问题，AI大模型是如何给出答案的？</title>
      <link>https://love.tbit.xin/thread-340-1-1.html</link>
      <description><![CDATA[01 输入处理：将问题转化为机器可读形式
当用户提出一个问题时，首先需要将其转化为机器可读的形式。这通常意味着将问题转换为文本格式。AI大模型可以接受各种输入形式，如语音、图像或视频，但最终都需要转换为文本数据才能进行处理。
根据IBM的一项研究，目前有超过80 ...]]></description>
      <category>ai</category>
      <author>love</author>
      <pubDate>Sat, 08 Mar 2025 07:56:14 +0000</pubDate>
    </item>
    <item>
      <title>BIOSer必备：免费全文AI翻译神器DeepL，使用体验以及和网易AIBox交叉对比</title>
      <link>https://love.tbit.xin/thread-317-1-1.html</link>
      <description><![CDATA[做技术的免不了和英文打交道，尤其是BIOS这一行，需要阅读大量英文Spec和Paper。英文阅读能力成为了这一行的必备技能，我观察恰恰因为这点，把很多同仁挡在深入了解技术细节和深度的大门之外。其实有很多工具可以帮忙提高阅读速度，甚至可以整篇翻译文件，变成直接读中 ...]]></description>
      <category>ai</category>
      <author>love</author>
      <pubDate>Wed, 01 Jan 2025 21:05:30 +0000</pubDate>
    </item>
    <item>
      <title>可观测性提升生产力降低成本的10种方法</title>
      <link>https://love.tbit.xin/thread-222-1-1.html</link>
      <description><![CDATA[工程团队使用集成了Kubernetes管理与编排层的云原生可观测性平台，有助于更快达成业务目标。
译自 10 Ways Kubernetes Observability Boosts Productivity, Cuts Costs，作者 Eric Schabell 是 Chronosphere 的布道总监。他在开发社区中被认为是演讲者 ...]]></description>
      <category>ai</category>
      <author>love</author>
      <pubDate>Tue, 02 Apr 2024 21:15:02 +0000</pubDate>
    </item>
    <item>
      <title>用于 AI 和 ML 的现代数据湖参考架构</title>
      <link>https://love.tbit.xin/thread-221-1-1.html</link>
      <description><![CDATA[组织不应只建立专门用于人工智能的基础设施，而让数据分析和数据科学等工作自生自灭。
译自 Architect’s Guide to a Reference Architecture for an AI/ML Data Lake，作者 Keith Pijanowski。
在企业人工智能中，有两种主要类型的模型：判别式和生成式。判别式模型用 ...]]></description>
      <category>ai</category>
      <author>love</author>
      <pubDate>Tue, 02 Apr 2024 20:59:52 +0000</pubDate>
    </item>
  </channel>
</rss>