Karpathy：LLM 能论证任何立场，需警惕谄媚
Andrej Karpathy 用 LLM 花 4 小时打磨博客论证，觉得极有说服力；随后让 LLM 论证相反立场，结果 LLM 彻底推翻原论证并说服他反方才是对的。他指出 LLM 被问时会给出观点，但几乎能胜任任何方向的论证，这使其成为形成个人观点的有用工具，前提是必须要求它论证不同方向并警惕谄媚倾向。
全部 AI 动态
Andrej KarpathyAI 评分1818
Andrej KarpathyAI 评分5757 Karpathy：智能体构建应用的真正难点在 DevOps 而非代码
Andrej Karpathy 回顾约一年前构建 menugen 的经历，认为最难的部分不是代码本身，而是把服务、支付、认证、数据库、安全、域名等一堆服务像拼宜家家具一样组装起来的 DevOps 环节。
Berkeley AI ResearchAI 评分3636 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层次性结构，以约 10 倍更少的消融达到 SPEX 的性能。
Berkeley AI ResearchAI 评分3030 伯克利提出信息驱动的成像系统设计框架，登 NeurIPS 2025
伯克利 AI Research 提出一套基于互信息的成像系统评估与优化框架，可直接从含噪测量中估计信息量，并在 NeurIPS 2025 论文中验证。该指标在彩色摄影、射电天文、无透镜成像和显微成像四个领域均能预测解码器性能，优化后设计可媲美端到端方法，且内存与算力需求更低、无需任务专用解码器。