AI大模型训练分为预训练和后训练，后训练包括SFT（监督微调）和OPD（偏好纠正）。SFT直接提供标准答案，效率高但易导致灾难性遗忘和虚假对齐；OPD通过试错优化，效率较低。工业界通常先进行SFT再进行OPD。然而，真正的突破性智能需要自学，并依赖真实世界锚点，否则可能崩溃。未来超级智能可能无需教师，人类将变为见证者。

Codex技术经理蒂博承诺周一重置订阅用户额度，实际于8月11日早8点执行，引发美国用户抱怨重置太晚，因他们已提前清空额度等待。用户需在2天内用完本次额度，并在8月13日重置卡到期前激活，用量安排紧张。

菲尔兹奖首次授予中国籍数学家，王虹与邓煜双双获奖，创造历史。王虹证明三维挂谷猜想，邓煜解决希尔伯特第六问相关难题。两人均出自北大，经历各异，但都凭纯粹热爱与坚持取得突破，激励后学。

2026年菲尔兹奖揭晓，四位40岁以下数学家获奖：邓煜推导玻尔兹曼方程，帕登证明MNOP猜想，齐默尔曼推进霍奇猜想，王虹解决三维卡茨亚针问题。另有多个数学奖项颁发。文章强调数学突破靠年轻天才，华人数学家表现突出。

教育专家提倡用“进阶学习者”替代“天才”标签，强调教育应关注学生需求而非标签。研究表明，天赋概念缺乏科学依据，评估标准混乱，导致孩子身份认同困扰。新框架强调动态匹配，关注教育服务的匹配性，推动教育认知革命。

诺姆·沙泽尔因在Transformer论文中的重要贡献而受到关注，离开谷歌转投OpenAI，反映出大公司难以留住顶尖人才的问题。他追求创新与自由，OpenAI提供了更大的发展空间和挑战，此事件引发了对AI行业人才流动及公司文化的思考。

Tin Can是一款新型座机，旨在帮助儿童建立社交联系，避免智能手机带来的焦虑。它通过简单的语音通话和无屏幕设计，鼓励孩子们专注交流。家长可设置接听白名单，确保安全。Tin Can在北美迅速流行，成为一种新的社交工具。

Tin Can是一款复古座机，旨在帮助孩子们在没有智能设备的情况下进行社交。它仅支持拨打电话，家长可设定白名单以避免骚扰。该产品受到中产家庭的欢迎，反映了对屏幕时代的反思，促进孩子们学习社交技能和真实的人际互动。

文章讨论了语言模型（LM）在复杂推理任务中的表现，特别是LongCoT基准测试。尽管最新模型（如GPT-5.2）在某些任务上表现不佳，但通过改进提示和训练，模型性能显著提升。研究表明，模型在处理图结构依赖时存在困难，提示设计对模型表现影响巨大。整体来看，模型能力的理解仍需深入。

Alec Radford因其DCGAN论文获得ICLR 2026时间检验奖，该论文在机器学习领域具有深远影响，奠定了图像生成研究的基础。三位作者均非博士生，来自不同背景。DCGAN推动了生成对抗网络的发展，至今仍具重要意义。

现有语言模型在任务解决上表现优异，但在长时间推理方面存在局限。文章提出“管理不善的天才”假设，认为通过优化任务分解和自我管理，可以更有效提升模型能力。未来应关注如何改善模型自我管理，以应对更复杂的问题。

Medvi创始人Matthew Gallagher利用AI工具创建的远程医疗公司因伪造800个医生账号和收到FDA警告信而崩溃，揭示了医疗行业的监管缺失与伦理危机。

DigClaw（北京孤勇众行科技有限公司）近日完成天使轮融资，旨在利用AI技术监测全球顶尖人才和早期创业信号，填补科创生态中的早期发现空白。其核心资产为人才数据库，实时捕捉商业意图，帮助投资者识别潜在机会。

人工智能并未导致大规模裁员，反而使初级岗位招聘停滞。公司更倾向于雇佣经验丰富的员工，而非年轻毕业生。尽管AI能高效完成任务，但缺乏人际协调能力，无法替代老员工的隐性知识。初级岗位对年轻人学习职场技能至关重要，AI的普及可能导致未来人才短缺。

OpenAI前联合创始人Karpathy总结了2025年大语言模型的发展，提出软件3.0时代的概念，强调AI的智能形态与人类不同，并在某些领域展现极端能力。他指出AI训练方法的变化，RLVR的引入使AI能够自我验证和进化。Karpathy认为未来AI将更深入地融入各行业，成为强大工具。