今日 AI 速览

给智能体积累技能，不一定让它真正学会复用经验

ContinualSkillBench 用五个领域、每个领域 100 个逐步变难的任务，测试智能体能否把早先经验整理成以后还能用的技能。按顺序做任务通常会提高成绩，但明确维护技能库与只保留前文和反馈的效果平均相近。

论文认为，当前不少提升来自模型适应先前上下文，而不是形成了稳定、可迁移的技能。明确技能仍会帮助需要重复步骤或精确格式的任务；能力较弱的模型则更容易堆出大量零散、只适用于单个任务的技能。

点评：做智能体记忆或技能市场的团队，不能用“技能数量增加”证明系统在学习。评测必须把旧经验拿到新任务上复用，并与单纯延长上下文做对照。

长上下文模型可能因小数精度太低，看不见远处的文字

研究者发现，ALiBi 这种位置编码会让距离偏置随文字间隔线性变大。当数值小到浮点格式无法表示时，大量注意力权重会直接变成零，让部分注意力头对远处 Token 失去感知。

这个问题会明显损害从长文本中找回指定信息的能力，却可能只轻微影响常见基准，因此容易被普通测试漏掉。研究在 1.48 亿参数模型上比较四种训练修复方法，按对数缩放距离的结果最稳定，并在现有 ALiBi 模型中也观察到该现象。

Box CEO Aaron Levie 观察到，企业采用 AI 的方式远比早期云计算更分散。十位 IT 负责人可能给出五种编程智能体方案；有的统一使用 ChatGPT 或 Claude，有的允许多选，还有团队自建模型调度层。数据访问同样从“智能体继承用户身份”到“给智能体独立身份”不等，因此市场格局还远未定型。

Meta AI 的 Madhu Guru 建议团队先用能力最强的前沿模型验证产品体验，暂时忽略成本；等流程被用户证明有价值后，再用开放权重模型、小模型、路由和微调降低价格与延迟。他认为，太早从最便宜的模型开始，会让团队在还没找到正确体验前就被能力上限困住。

Zara Zhang 认为，新技术传播首先是社会过程，不是效率计算。人们更容易因为身边相似的人用了新工具并得到好结果，或担心自己被群体落下而采用它。因此推广 AI 时，真实同伴案例往往比“效率提升十倍”的口号更有说服力。

Chai Discovery 想把找药从碰运气变成可反复验证的工程

Chai Discovery 联合创始人 Josh Meier 与 Matt McPartlon 解释，他们希望让模型按目标性质直接设计分子，而不只是从数百万个候选中筛选一个。实验室不会因此消失，反而可能因为每次测试更有价值而做更多验证。

团队采用“苦涩的教训”路线，重点扩大数据、模型和算力，同时尽量简化模型结构。节目也强调，药物设计有可测量的结合能力、制造难度和实验结果，进步必须经过真实实验验证，不能只看模型分数。

为什么一些业余编程社区强烈反对用 LLM 完成作品

Fogus 观察到，国际象棋引擎、操作系统开发等业余社区越来越排斥 LLM。原因不只是模型会出错，而是这些社区把亲手理解问题、试错和学习当作活动本身；若直接让模型完成作品，就像跳过了大家共同珍惜的过程。

作者认为 LLM 最适合放大人的能力，而不是替代人的思考。文章也承认，早期使用者缺少对社区规范的理解，以及部分成员把所有 LLM 使用都视作作弊，让双方更难对话。文章 8 月 4 日发布，随后在 Hacker News 获得 102 分。