
Head of hype @lobehub Prev @listenhub @Sapient_Int 没啥好看的,也就发点AI相关的内容🫡 同名小红书4万粉丝,公众号01Founder(长文首发) 观点仅代表个人 更多请访问网站⬇️(欢迎商务、合作
Singapore
Joined September 2023
- Tweets12.9K
- Following3K
- Followers43.8K
- Likes27.8K
Anthropic的安全主管真他妈会说话。。。
英国一名警察因为用微软Copilot接受严重违纪调查。
10月22日,英国独立警察行为办公室(IOPC)披露,德比郡一名警探正因涉嫌不当使用微软Copilot接受严重违纪调查。
相关指控包括:向AI输入案件涉及的敏感执法信息和个人数据,以及用AI制定决策、评估风险、为决策提供理由。
这里有个关键细节:当地警方早在2025年5月就批准警员使用Copilot,允许它辅助起草报告、总结信息,同时明确禁止输入执法业务、敏感或个人数据。
这次调查要核实的,就是这名警探的使用行为是否违反了相关规定,目前尚无最终结论。
就在10月13日,IOPC还公开提醒各地警局:AI使用规则需要及时更新、明确传达到一线,否则警员可能以为自己在提高效率,却在不知情的情况下违规。
AI进入实际工作之后,哪些资料可以交给它,哪些判断可以让它参与,生成的内容由谁核对,出了问题谁负责。
这些问题都等待回答。
尤其是刑事案件,输入框里的每一份材料,背后都可能是一个人的命运。
果然AI来炒缅A,最后也不得不学会空仓🤣
@EinsiaAI 发布了一个量化研究基准Quant-Arena:给模型3042只A股的历史数据,让它自己写代码、构建信号、回测并修改策略。
9个前沿大模型下场做量化,综合得分第一的GPT-6 Astra,全年75%的交易日都在空仓。
他们先用2022—2023年的数据研究,最多评估5个候选策略,再冻结一个版本,放到封存的2024年行情里检验,计入交易成本和模拟市场冲击。
按每个模型综合得分最高的配置看,9个里面只有4个赚钱:GPT-6 Astra年化收益10.7%,GPT-6 Sol为8.6%,GPT-5.6 Terra为8.4%,Claude Opus 5.5为4.4%。
其余5个都是负收益。
最有意思的是Astra。
它在研究阶段收到连续亏损的回测反馈后,给策略加了一道市场趋势过滤:条件满足才入场,其余时间持有现金。到了2024年,它躲过了年初的下跌,全年最大回撤控制在6.8%,也因为长时间空仓,错过了不少反弹。
让AI分析行情、写代码、反复改策略,最后一个很有效的进步,是学会什么时候先别买。
AI来炒缅A,也得学会管住手。
Predicting a stock's next move?
That's the warm-up act.
The real exam for LLM agents: building signals from raw data, learning from losses, and making money on data it has never seen before.
That's exactly what we built. Today we’re releasing Quant-Arena, a benchmark for end-to-end quantitative research on real A-share market data.
9 frontier models. 3,042 stocks. One sealed year, 2024. Only 4 of the 9 models made money.Quant research is still wide open.
Full breakdown 👇
Project: lab.einsia.ai/quant-arena
Paper: arxiv.org/abs/2610.30113
Arena: quant.lab.einsia.ai/arena
有点瘆人:两个AI可以当着你的面传暗号,而你看到的,只是一张普通的AI风景图....
刚看到研究者 @cnm13ryan 用Fable 5.1做的一个实验:给AI一句话,让它把这句话藏进图片。
具体怎么藏,由Fable 5.1它自己想办法。
AI画了一张星空图,有月亮、群山、树林,看起来没什么特别。
接着,研究者新开一个完全独立的Fable 5.1对话,把图片发进去,只问:“这里面有没有隐藏信息?”
没有告诉它藏了哪句话,也没有告诉它该怎么找。结果,另一个会话里的AI借助工具分析图片,还真把原话找了出来。
秘密就在星星的位置上。
每颗星星对应一个字母,摆得高一点、低一点,代表的字母就不同。
把40颗星星从左往右读过去,就能拼出藏进去的那句话。
也就是说,画图的AI把文字变成了星星的位置,读图的AI又自己找出规律,把星星变回了文字。
两个会话之间,没有提前约定这套规则,但他们就可以解读出来。
另一个例子则更直观:AI把信息藏进城市夜景,用楼房里窗户的明暗排列传递消息。
负责解码的模型在思考的时候还会放大图片、检查间距,第一次没找对,就重新调整。
研究者一共测试了50条消息,约八成被基本还原。
最可怕的是换成不同模型,也能读出对方藏进去的信息。
GPT-6 Astra恢复了Fable藏的44条消息,Fable恢复了Astra藏的42条。
我觉得这给Agent的审核提了一个很具体的问题:以后检查两个Agent之间传递了什么,可能还得看它们交换的图片(甚至别的模态??)。
画面里没有一句敏感文字,星星的位置、窗户的明暗,也可能已经把一段话传过去了。















