Three-day tech news from public RSS/API sources — summaries and original links only
211 items — filter by tag below
就在今天，这个新闻上了各大热搜。 哈佛附属的马萨诸塞州总医院百瀚癌症研究所，在《柳叶刀·数字健康》上发布了一项突破性研究。 他们训练出了一个全球首创的AI模型——FAHR-Face。 只需输入一张普通的脸部照片，这个AI不仅能看穿你的「生物学真实年龄」，甚至能直接预测癌症患者的存活几率！ 最高风险组的患者，有超过一半在拍照后90天内离世。 简直是科幻成真了。这个「看脸知生死」的AI，底层到底藏着什么技术？ 链接：https://www.thelancet.com/journals/landig/article/PIIS2589-7500(26)00079-8/fulltext 喂给AI 4000万张人脸， 它练就了「火眼金睛」 在日常生活中，我们经常会夸某人「长得显年轻」，或者觉得某人「最近老得很快」。其实，在医学院里，医生们也受过类似的训练。 该研究的通讯作者、放射肿瘤学家Raymond Mak坦言：「我们在医学院接受的训练是，走进病房，看一眼病人，在心里评估一下他们有多健康、多虚弱或病得多重。」 这种医生的「望诊」，往往决定了患者接下来是接受高强度的手术、放化疗，还是保守治疗。 但问题是，人类医生的判断非常主观，且在预测临终预期寿命时，往往不够准确。 为了打破这种主观性，哈佛团队祭出了大招。 他们构建了一个名为FAHR-Face的基础AI模型。 研究团队使用了庞大的WebFace42M公共数据集，在没有任何特定提示的情况下，简单粗暴地给这个AI「喂」了超过4000万张各种各样、跨越人类整个生命周期（0-116岁）的无标签人脸照片。 在这个过程，让AI自己去「领悟」人脸的奥秘。 在吸收了这4000万张人脸的数据后，研究团队基于这个强大的基础模型，微调出了两个互补的「杀手锏」级工具。 FAHR-FaceAge ：专门用来精准估算一个人的「生物学年龄」（你身体的真实衰老程度，而不是身份证上的数字）。 FAHR-FaceSurvival ：这个全球首创的模型，使用了34363张癌症患者的照片进行专项训练。直接通过一张面部照片，预测癌症患者的生存风险。 AI如何「预判生死」？ 你可能会问，仅凭一张照片预测癌症患者还能活多久，这靠谱吗？ 数据给出了惊人的答案。 首先，在高风险组，90天内死亡超半数。 在对3820名癌症患者的测试子集中，AI给所有人打出了生存风险评分。 结果显示，在得分处于最高区间（0.9-1.0）的122名极高危患者中， 有64人（高达52.5%）在拍摄照片后的短短90天内就不幸离世！ 相比之下，在得分最低（0.0-0.1）的975名患者中，90天内的死亡率仅为2.1%。 在整体数据中，最高风险四分位组的死亡率，是最低风险组的3倍以上（调整后危险比HR 3.23）。 甚至时间线拉长到5年、10年，AI的预判依然准得可怕。 在5年生存率方面，被 FA
时间进入下半年，AI剧的商业价值正在被重新评估。品牌投放清单里，这个品类出现得越来越频繁，围绕它能不能成为长期营销资产的讨论也多了起来。 海蓝之谜就是一个典型样本。AI剧《惊！我和死对头有个孩子第二季》中，男主角祁宥成为海蓝之谜“推广大使”，品牌完全融入角色生活，并在剧内埋好了一键跳转的购买锚点，剧外，祁宥走入海蓝之谜直播间，“第一次约会送什么不踩雷”“老婆生日到底该送礼盒还是香水”等台词设计，更是让剧中人物关系成为了卖货的叙事主线。 除了品牌加速入场，AI短剧漫剧也开始玩转IP衍生。十月，《予你深情侵入余生》上线官方周边角色卡牌、角色同款手链，其中限量卡牌售价49.9元，共卖出了12000盒，销售额近60万元。 据DataEye口径，2026年前五个月国内AI剧漫剧市场规模突破220亿元，机构预计全年有望超过400亿元。但热闹的另一面并不温和，上半年仅抖音端新增的AI剧漫剧就超过22万部，播放破亿的只有1055部，以业内5000万播放为回本线，仅1.3%的新剧达标，按这一口径，超过98%的项目无法在上线半年内收回成本。 一边是真金白银的品牌进场和观众付费，一边是绝大多数制作方的亏损账本。继续争论这个品类“热不热”已经没有意义，真正值得拆解的是钱以什么名义进来，又沉淀在哪一环，这套被讲了大半年的“资产化”商业故事，究竟走到了哪一步。 海蓝之谜买的不是曝光位 而是一段可复用的角色关系 理解品牌为什么把预算挪进AI剧，先要看传统内容植入长期没解决的商业难题。 品牌出现在一部作品里越来越容易，被消费者记住却越来越难。一支TVC、一次口播、一个道具特写，停留不过几秒；内容播完，品牌与观众之间那点连接也随之散掉。每一轮营销从零开始，重复策划、制作、投放，预算花出去，很难留下属于自己的东西，这就是品牌内容反复被提及的“次抛”困境。 海蓝之谜与祁宥的合作，正是冲着这个困境去的。它没有只买一次剧内露出，而是把同一个角色关系放到剧内和剧外两个场景里复用。 第一层发生在剧内，产品被嵌入到了男女主关系发展的关键节点上，观众先通过人物故事认识产品，再顺着剧情兴趣进入同款购买链路，剧内直接埋好一键跳转电商的锚点。它和硬广的区别在于，营销语言被翻译成了人物关系和情绪节点，品牌信息不是剧情之外插进来的话，而是推动情节的一部分。 更能说明问题的是第二层，也就是剧外。祁宥走出剧情，空降海蓝之谜直播间，用剧情人设跟观众进行互动，以“从冤家到挚爱”的角色关系作为叙事主线，把人物情感成长和产品卖点绑在了一起，礼盒讲解自然融入，甚至用“男主替你送礼”的玩法，把送礼这个消费场景重新包装成角色互动，用类似“剧情售后”的玩法削弱了直播带货的生硬感。 值得注意的是，品牌并没有为直播重新拍摄一支广告，它调用的是剧集已经积累下来的人物认知和粉丝关系，以剧情共创同时满足剧粉和消费者的需求。 海蓝之谜的选择之所以有
这个双11，大模型表现得更为积极，先后直接上场。 赶在双11前夕，千问办公上线了电商版；10月15日，抖音电商宣布，今年双11将在豆包、今日头条等产品端分批次发放消费券，促销活动延伸至抖音App之外。此外，豆包还专设“双十一问豆包”导航栏。 消费者一端，变化也是直观的。 诸如，用户可以选择不打开搜索框，而是打开对话框，问一句“我想买个XX，有什么推荐”。 面对满减、全网最低价、现货，这些平台话术犹豫不决时，用户也会打开大模型问一问，进行甄别。 这届双11，或许又是一个分水岭。 01 双11，当“买什么”开始问AI 北京的李然今年双11的购物路径和往年不太一样。 李然发现，最近，豆包新增了双11“买前问豆包”对话框入口。点进去，显示“豆包惊喜补贴待领取”，功能包括“双11买什么”“商品对比”“按预算挑”等等。 豆包的介绍是，“买前查一查，避坑省钱”、“购物不决问豆包”。 抱着好奇的心，李然打开了App，“我想给爸妈买个按摩仪，预算800元左右，要操作简单的，最好能热敷。”随后，豆包给出了几个品牌的具体型号对比，末尾还附上了抖音商城的商品链接。 李然表示，这种AI体验，其实以前在传统电商平台也试过，“但豆包这么醒目的入口，是最近才发现的事情。以前，我喜欢在社交平台看测评，也会比价、查避坑指南，现在，也会听听对话框的意见。” 图：豆包双11专属福利对话框 来源：豆包APP《听筒Tech》截图 这不是个例。 在社交平台，今年双11，“问大模型买什么”的帖子也开始出现。有网友晒出用DeepSeek比较同一款吹风机在三个平台的价格。也有人让Kimi，根据自己秋冬敏感肌的描述生成护肤品清单，作为下单的参考。 “主要是，选择太多，犹豫不决。各家平台都在强调性价比，我有点迷惑。或许，可以请AI来帮甄别。” 当然，李然也尝试了淘宝站内AI电商功能。 双11期间，李然打开淘宝，直接向APP右上角的“AI助手”提出需求，“帮我列一份护肤清单，预算1500元，要适合敏感肌的抗老产品。” 很快，页面跳转至内嵌的“千问”，千问给出了一份包含成分分析、价格对比和优惠券时效的清单弹出，李然看了一眼，很快就下了单。 “淘宝AI助手的特殊和便捷之处是，它有我之前的消费轨迹和记录，推送就更加符合我的消费喜好。”李然坦言，“以前做攻略要两小时，现在感觉，AI比我还懂我。” 目前，李然的手机里，还有一份购物清单，包括便携咖啡机、降噪耳机、户外冲锋衣，每一项，李然都会标注“性价比最优”或“新品推荐”的标签。 “以前，直接感受到AI电商的，是一键换装和客服功能。现在AI能快速出购买方案，并且推得东西还算靠谱，也算一种进步。”李然表示。 不过，李然也坦言，自己并非依赖大模型电商购物形式，“有的商品之前消费过，我直接锁定购买就行了，不需要推荐。而参考大模型，也是犹豫不决，或者想要跳出推荐，想看到不一样的东西。
传了这么多年，苹果终于要给MacBook用上触摸屏了。 10月28日，苹果将在美国洛杉矶举行新一轮新品发布活动。根据目前曝光的信息， 这次活动的主角很可能是全新设计的MacBook Pro，除此之外，苹果还有望带来新款iPad mini、搭载M6芯片的14英寸MacBook Pro以及iMac等产品。 （图片来源：苹果官方） 不过相比常规的处理器升级，雷科技（ID：leitech）更感兴趣的还是那台传闻已久的触屏MacBook Pro。 按照彭博社记者Mark Gurman的爆料，新款MacBook Pro将采用OLED触摸屏，使用了五年的刘海屏设计也将更换成灵动岛，外观模具也可能会迎来改变。如果这个爆料属实，那这就是MacBook产品线近年来最大的一次设计调整。 但有意思的是， 早在十几年前，乔布斯就公开质疑过笔记本触摸屏的实用性，认为长时间抬手操作屏幕并不符合人体工学。 苹果后续也一直在强调MacBook和iPad有不同的交互逻辑。哪怕后来Windows阵营的触屏笔记本已经遍地开花，苹果依然没有改变自己的想法。 那么问题来了，为什么苹果偏偏选择在2026年改变主意？ 坚持了十几年，苹果终于向触摸屏妥协？ 其实对于笔记本电脑来说，触摸屏早就算不上什么新鲜技术。 早在十多年前，Windows阵营就开始大规模推广触屏笔记本。微软甚至专门围绕触摸操作调整了Windows 8的界面设计，希望通过一套操作系统同时覆盖传统PC和平板电脑。 随后，各大PC厂商也陆续推出了支持触摸、翻转甚至拆卸键盘的笔记本产品。 （图片来源：联想官方） 但实际效果如何，相信不少用过Windows触屏笔记本的朋友都深有体会。 触摸屏确实方便，比如浏览网页时直接用手滑动、查看照片时双指缩放，或者在屏幕上签个名，都比在触控板上滑来滑去要精准得多。 但一旦进入Excel、Photoshop这类需要大量鼠标和组合键操作的专业软件，触摸屏的优势就瞬间消失得一干二净。 毕竟传统PC的操作逻辑一开始就是围绕鼠标和键盘设计的，软件上的菜单、功能和工具栏也都为了可读性设计得非常紧密，用手指操作不但容易误触，而且长时间抬手触控屏幕也挺累的。 （图片来源：华为官方） 更重要的是，绝大多数笔记本用户根本没有形成触摸屏的使用习惯。 小雷自己用过不少支持触摸的Windows笔记本，刚拿到手时确实会觉得新鲜，但用不了多久，还是回到了键盘和触控板上。 这也是苹果此前一直拒绝给MacBook加入触摸屏的原因之一。不过根据目前的爆料，苹果正在针对触摸操作调整macOS的部分界面，例如当用户使用手指点击菜单时，系统可能自动放大对应的操作区域，方便用户选择；当用户切换回触控板时，界面又会恢复成传统的桌面布局。 如果这套方案真的能落地，那苹果至少解决了触摸屏笔记本电脑最难的一个问题：如何让触控操作和鼠标键盘共存。但问题还是那个问题
“你想得太好了，从7月开始准备到现在，我一个Offer也没有。”被问及今年的秋招结果，双211高校应届生西木有点沮丧地回答。 他在头部半导体公司、互联网公司都有过实习，实习岗位也大多跟大模型推理和训练框架优化有关。Agent拿不到面试，为了提升秋招时的竞争力，他索性放弃了门槛更低的Agent开发，转向技术门槛更高、需要实际接触GPU集群的训练Infra。 有一次他差点拿到字节的Offer，面试到第四轮，然后就没有结果了。到了9月，他发现情况更糟，面试机会都少了。 他不是唯一一个遇到这种情况的人。去年，他所在的研究生实验室几乎没有人拿到大厂实习，但毕业时大家最终各有去处。今年，实验室里人人都有实习，有人甚至攒了三段。可到10月，按照西木的观察，还没有人拿到正式Offer。 一位华五本科、Top2直博，有基模实习经历的学生，参加了Seed、腾讯混元、阿里等模型团队的面试，却迟迟没有等来明确结果。 另一位拥有五篇A类论文、一作或共同一作经历、累计论文引用超过600次的硕士生，7月开始投递各家大模型人才计划。绝大多数流程停留在一面，便杳杳无音了。 模型公司过去两年都爱争夺的年轻人，突然在2026年的秋招面前不香了。 一位长期服务AI native公司的猎头告诉我们，去年许多模型公司还在建设团队，抢的是能够把一个方向先做起来的人。今年团队已经建立，他们需要的就不再是相似能力的应届生，换言之，他们希望新加入的人，能解决现有团队尚未解决的问题。 字节招聘结构颇有代表性。集团2026年春季ByteIntern招聘计划超过7000人，其中研发类超过4800人。同时，4月1日Seed单独启动约100人的全球人才专项，2027届Seed招人不再单独设立Top Seed计划，其他前沿人才招聘也不再单独设立筋斗云人才计划。 风起了，身在其中的应届生没有迎来一个“暖冬”。 01 大模型公司，不缺同一种人 井景就读于复旦大学。2025年底，从事后训练算法研究的他，同时拥有三份不错的实习机会，既有互联网大厂和基模头部厂商的Agent工程师岗位，也有一家互联网大厂的基模研发岗位。 三选一，并不难。在大模型行业内部，长期存在一条不成文的技术岗位排序：预训练最接近模型能力的源头，后训练次之，再往下是应用和工程开发。 虽然这种排序未必反映实际技术贡献，但对于希望进入前沿研发的学生来说，能够进入基模团队，往往意味着更好的资源、更大的训练规模，以及更广的职业选择。 他义无反顾的选择了基模研发岗位。但入职后，实际经历与想象有很大差距。 入职最初一周，他的主要任务是熟悉文档、配置环境，之后很长一段时间，只有代码维护、测试和调研工作。将近三个月过去，他没有积累多少实际产出。直到4月，他才正式接触预训练和后训练相关工作，被分配资源，搭建训练工作流。但工作流搭建完成后，他的任务又变成了维持系统稳定运行。 直到8
一种微妙的变化，可能正在一些习惯于持续学习的人身上发生，我们获得知识越来越容易，却不一定像过去那样快乐了。 读一本书，偶然发现一个精妙的观点，会兴奋很久；思考一个复杂问题，经过反复推敲，终于想明白其中的道理，会产生强烈的成就感。哪怕是下棋、弹琴或者学习一项新技能，在持续练习中看到自己的进步，也是一件令人愉悦的事情。 AI的出现，让获得这些体验的方式发生了变化。一个原本需要查阅大量资料、思考几个小时的问题，AI可能几分钟就能给出结构完整、颇有洞察力的答案。人们依然会惊叹于答案的精彩，但这种快乐，与自己苦思冥想后突然想明白的兴奋，似乎并不相同。 更微妙的是，AI可以源源不断地提供新知识、新观点和新框架。我们每天都在接触精彩的内容，也确实能够理解其中的道理，但没过多久，可能就已经忘记了大半。接触的知识越来越多，真正感觉属于自己的东西，却未必同步增长。 于是，一个有趣的悖论出现了，我们明明拥有了历史上最强大的学习工具，为什么学习反而可能没有以前那么有意思了？ 一个值得关注的解释是： AI改变的不仅是学习效率，也在改变学习的奖励机制。 一、学习的快乐，很大一部分来自“我变强了” 学习为什么能让人快乐？当然有知识本身的吸引力，但除此之外，学习还提供了一套非常直接的心理奖励。 一个原本不会的知识点，现在学会了；一个解决不了的问题，经过努力终于解决了；一项技能经过长时间练习，逐渐变得熟练。这些经历都会带来一种清晰的感受，自己正在变得更有能力。 而能力增长往往意味着某种稀缺性。掌握别人不具备的知识，拥有别人没有的认知，能够解决别人解决不了的问题，不仅让人获得成就感，也可能带来竞争优势和社会认可。很多人愿意花费大量时间读书、钻研和练习，并不只是因为过程有趣，也因为这种不断变强的感觉令人着迷。 因此，学习背后其实存在一条非常稳定的奖励链条： 努力学习带来能力增长，能力增长形成稀缺优势，稀缺优势进一步带来成就感和回报。 但AI正在让这条链条发生松动。 知识可以随时查询，复杂任务可以交给AI辅助完成，甚至过去需要长时间思考才能形成的洞察，也开始能够被快速、大量地生成。学习当然仍然能够让一个人变强，但这种增长未必像以前一样带来明显的竞争���势，因为其他人也可以借助同样的工具，迅速获得相近的结果。 一个人花费数年掌握的知识，可能已经成为人人都能调用的能力；自己苦思冥想形成的精彩观点，AI可能在几分钟内给出好几个版本。 这并不意味着个人能力已经不重要了，而是 能力的增长与个人优势之间，不再总有过去那样直接的联系。 二、从生产者到消费者：学习过程中的另一种变化 相比竞争优势的变化，AI还在改变一件更隐蔽的事情，我们在学习过程中扮演的角色。 试想这样两个场景。一个人花费几个小时，反复思考一道数学题，终于找到了解题方法；另一个人向AI提出同样的问题，几秒钟就获得了正确答案，并且完全理解了其中的
Hacker News usually provides an outbound discussion, not an original image.
Original source: abcnews.com
by andsoitis · 18 points · 3 comments, no article summary provided
Hacker News usually provides an outbound discussion, not an original image.
Original source: twitter.com
by koolba · 28 points · 15 comments, no article summary provided
Hacker News usually provides an outbound discussion, not an original image.
Original source: reuters.com
by throwa356262 · 125 points · 57 comments, no article summary provided
Hacker News usually provides an outbound discussion, not an original image.
Original source: bolkunov.com
by dbolkunov · 81 points · 57 comments, no article summary provided
Hacker News usually provides an outbound discussion, not an original image.
Original source: anthropic.com
by artninja1988 · 100 points · 64 comments, no article summary provided
Hacker News usually provides an outbound discussion, not an original image.
Original source: openai.com
by sumnole · 51 points · 65 comments, no article summary provided
Hacker News usually provides an outbound discussion, not an original image.
Original source: research.poh.org
by mdahardy · 36 points · 2 comments, no article summary provided
Hacker News usually provides an outbound discussion, not an original image.
Original source: blog.google
by ulrischa · 19 points · 6 comments, no article summary provided
