当行业开始为了管理邮件和日历为用户配一台云端电脑的时候
我感觉到有点泡沫的味道了

Opus 5.5 好评如潮，还大幅降价
GPT 6 Sol 明显输了
OpenAI 说下周要发一堆大的
看看有什么吧
@aigc1024

最难决策的事情不是做什么，而是不做什么
比如苹果不出18，小米也不出

这篇论文指向了一种新的 Agent 架构：
Generator → 多次尝试 → Verifier → 选择 → 继续执行
未来提高 Agent 性能，可能不需要每次都等待更大的基础模型。
让 AI 一次多做几个答案，再让另一个 AI 用更细的评分、多维度评分、多次评分，从里面挑出最靠谱的那个。
下一阶段提升 Agent 的关键，除了让 AI 更会做，还要让 AI 更会判断自己什么时候真的做对了。这可能会成为 Test Time Scaling 很重要的一条路线。

AI探索 | Hermes/OpenClaw｜优质资源｜优质信息

#频道互推

你不知道的内幕消息🅥
AI探索指南
互联网从业者充电站
书墨资源
出海🚢&自媒体运营秘籍
你不知道的冷知识
优质信息收藏夹
副业赚钱探索指南
两性知识
中年人生存报告
沙雕日常图鉴

────
💡 互推: @jxht_bot

Sam Altman 说，他职业生涯回报最高的一年，恰恰是“没工作”的那一年。
他读了几十本教材，学核工程、AI、生物、投资，到处找有趣的人聊天、顺手帮忙。
当时几乎都没什么用。
后来，核能、AI、投资这些看似散乱的种子，全串起来了。有些回报，几年后才看得见。

AI探索 | Hermes/OpenClaw｜优质资源｜优质信息

1:38

Media is too big

VIEW IN TELEGRAM

推荐一个开源项目 Fund Guy Skill，专门用 AI 深挖基金和基金经理，不只看收益率，还会分析：
基金经理历史业绩、择时能力、投资风格，以及是否存在抱团、搭便车、风格漂移、诚信风险等问，还会拉长周期验证业绩到底是实力还是运气。
股票分析工具一大堆，专门把基金经理本人扒一遍的确实少见。
适合买基金前做功课，但分析结果仅供参考，别直接拿 AI 结论当投资建议。
GitHub：https://github.com/wbh604/fund-guy-skill

AI探索 | Hermes/OpenClaw｜优质资源｜优质信息

特朗普准备给白宫设一个“AI 沙皇”，而财政部长贝森特成了热门人选。
更有意思的是，他刚刚还在和中国讨论建立 AI 风险沟通机制。AI 已经从科技公司的战争，正式走进大国博弈的核心战场。

AI探索 | Hermes/OpenClaw｜优质资源｜优质信息

逆向工程也被做成 Skill 了，很多安全老手几年踩坑攒下来的经验，现在直接喂给 AI，你听说了吗？
推荐 reverse-skill，装进 Codex、Cursor、Claude Code 后，碰到 APK、前端代码、固件等目标，它会自动判断分析路线、选择工具、规划下一步。
最狠的不是帮你跑几个命令，而是把逆向工程里的“路径感”直接打包了。
GitHub：https://github.com/zhaoxuya520/reverse-skill

AI探索 | Hermes/OpenClaw｜优质资源｜优质信息

GitHub 6.3W Star 的开源「AI 对冲基金」，直接把一群投资大佬塞进 AI 团队，你见过没？
项目叫 AI Hedge Fund，让不同投资风格的 Agent 一起分析股票：巴菲特、芒格、格雷厄姆、彼得·林奇、Michael Burry、Damodaran 等都有对应策略模型，再交给估值、基本面、技术面、情绪和风险模块综合判断。
现在还支持自己组建基金、选择策略、设置调仓周期，然后直接跑历史回测。官方定位是研究和教育项目，并非荐股或自动实盘交易。
以前是一个人研究股票，现在是拉一桌“投资大佬”给你开投委会。
GitHub： ⁠https://github.com/virattt/ai-hedge-fund

AI探索 | Hermes/OpenClaw｜优质资源｜优质信息

微软研究院做了个很有意思的实验：把机器人的大脑搬出机身。
AI 推理放到边缘或云端后，机器人成功率更高，还能跑更大的模型，续航甚至提升超 100%。
机器人以后可能不需要背着一块越来越大的 GPU 到处跑。
真正的挑战，只剩一个：网络延迟能不能稳得住。

AI探索 | Hermes/OpenClaw｜优质资源｜优质信息

如何评价人民网 2026/8/6 发表的《用 “Token”还是“词元”，事关科技语权》？
二逼意识形态化的产物。作者既不懂计算机，也不懂AI。

AI探索 | Hermes/OpenClaw｜优质资源｜优质信息

Jev 的创始人说，现在很多产品想摆脱 human-in-the-loop，让产品真正自动化，但这是不可能的。因为大模型的训练方式就是对齐人类偏好，只要大模型的目标还是让人类满意，那就不可能让人摆脱 human-in-the-loop。这个观点还挺有启发性的。
@aigc1024

最近的思考：
personal agent和上一轮agent我会委托给它的事情多了两类：
一类是高委托成本的小事
一类是长期跟踪的目标
有很多小事以前委托成本是大于执行成本的。
比如我要约一个会议，需要说清楚参会人和联系邮箱，我就懒得让codex搞，而是会选择自己用Google Calendar book，而在Today这样带着人际关系记忆的personal ai里，我的委托成本就迅速降低到一两句就行。
所以我经常让today帮我约会或者沟通。
长期跟踪的目标我也很难让codex或者GPT做。比如学语言，我需要主动的提醒，长程的记忆，持续的计划，便捷的渠道。而GPT还是围绕task设计的，一个session结束，那这个事情就结束了。
@aigc1024

Cornell已经把事情摆到桌面上了，人类所有大学正在陷入危机。
我反复强调，学生没有任何错，全部责任归于学校运营和全体教职。
在AI native时代，如果不能把课程大刀阔斧地完成自我改革，不能拥抱AI，不能用AI Agent一门一门课地改造课程，改造所有学术训练的根本逻辑和流程，
那么大学就会灭亡， 所有教授就会失业，这是最血淋淋的现实。
所有大学必须进入倒计时状态，如果一所高等教育机构（大学、研究院、学院）在倒计时24个月内无法完成这种转型，那么这所大学就永远无法完成这种转型，就会逐渐走向没落和衰亡。

AI探索 | Hermes/OpenClaw｜优质资源｜优质信息

太恶心了，真的太恶心了，离职当天被前司提灯定损，不知道是不是穷疯了，以后对这公司不会有任何好脸