OpenAI 员工 Ted Sanders 分享 GPT 模型选型经验法则
OpenAI 的 Ted Sanders 解释了 GPT-6.1 Terra 的定位以及公司为模型命名的方式。他表示模型表现是多维度的，数学强不等于讲笑话强，多数性能差距仍取决于模型规模，但规模不能解释一切，更新更小的模型可凭更好的训练数据或架构超越旧的更大模型。
原文：2026/10/27
#大佬观点
按收录时间排列 · 卡片保留原文日期，往期好文也会新收录
The DecoderAI 评分5858
Alignment ForumAI 评分3838 计算智能体理论与 ASI 对齐系列文章前言
作者宣布将撰写「计算智能体理论与 ASI 对齐」系列文章，介绍其 2018 年提出的学习理论 AI 对齐研究议程（LTA）及今年在组合学习理论上的突破，称已能看到其命名的「计算智能体理论」的整体框架。
原文：2026/10/15
MIT Technology Review · AIAI 评分5757 Goodfire 研究员称 LLM 或比此前认为更易理解引发争议
Goodfire 研究员 Nick Cammarata 发布一篇 26,000 字博客，主张大语言网络可能比此前认为更易理解、监控和控制，他称自己过去一年每天花约 10 小时观察神经元，并重新审视 Inception v1 中同时响应猫和车的神经元，认为其共同点是 V 形图案。
原文：2026/10/20