生物学家迈克尔·莱文挑战传统信息论，认为生命行为由内部“动机”驱动，而非外部信息。通过双头蝌蚪和涡虫实验，他展示目标状态的可塑性，动机是自生成的动态模式，不可简单量化。此观点或改写生物学与AI理论，强调内在“想要”才是行为核心。

FFprobe是FFmpeg工具集中的检测工具，用于排查视频画质下降问题。通过对比各版本文件的技术参数（分辨率、码率、帧率、像素格式等），可定位画质损失环节。需按顺序检查文件，提取同帧截图对比，注意颜色元数据变化。修复应针对问题源头，而非盲目放大或锐化。

OpenRouter被Stripe以70亿美元收购后，曝出缓存作弊问题。部分低价模型提供商通过虚报缓存命中率，让用户为重复内容全额付费，实际成本更高。实验显示，约5次查询后用户就多付钱，平台每年因此损失约350万美元。问题源于路由算法只看标价，忽视实际支付，需改进定价机制。

24岁前OpenAI员工创办的AI对冲基金“Situational Awareness”因重仓AI股票并高杠杆操作，在AI股大跌后遭追加保证金，被迫将大部分资产出售给Citadel，损失惨重。该基金曾估值450亿美元，现仅剩100亿，其创始人因缺乏经验且过度自信而失败。

DC的新电影宇宙面临挑战，超级女孩的首映表现不佳，预计损失1亿至1.2亿美元。影片未能有效区分超级女孩与超人的角色，情节缺乏新意，这让人对DC未来的发展产生疑虑。

本文探讨了一种在k个步骤中随机均匀使用用户数据的采样方案，该方案在差分隐私优化和高维私有聚合中表现出优于标准泊松采样的效用。研究表明，随机分配的隐私损失分布可以高效计算，并且在训练DP-SGD时，其隐私效用权衡至少与泊松子采样相当。此外，本文开发了新的隐私损失核算工具，扩展了对子采样的准确核算。

本文探讨了小型语言模型（SLMs）在预训练过程中应学习的标记及何时通过<CALL>标记请求外部帮助。研究表明，损失值可以预测标记的准确性，但某些高损失标记仍可接受。提出的LaCy方法通过选择性学习和委托，显著提高了生成的准确性和效率。

大模型的损失函数主要是交叉熵，通过量化模型输出与预期的差距来评估性能。交叉熵与负对数似然（NLL）密切相关，都是衡量预测准确性的工具。训练目标是最小化损失值，以提高预测准确性。交叉熵从信息论角度评估模型分布与真实分布的一致性，确保模型能准确预测下一个词元。

大模型的损失函数主要是交叉熵，它通过概率和信息理论衡量模型输出与真实结果的差距。模型的目标是预测下一个token，损失函数通过负对数似然最小化错误概率。交叉熵量化模型分布与真实分布的一致性，反映生成文本的准确性。

美国陪审团裁定Meta和YouTube对未成年人造成伤害，判决其承担数亿赔偿责任。这一判决可能促使社交媒体平台改变商业模式，并可能对青少年使用社交媒体施加限制，影响边缘群体的连接。

苹果发布iPhone 17e和M4 iPad Air，起售价4499元。小米机器人在汽车工厂完成自主作业测试，成功率达到90.2%。vivo X300 Ultra在MWC展出，配备双2亿像素三摄。小鹏推出第二代VLA，提升智能驾驶体验。理想汽车发布软硬协同设计定律，推动智能驾驶芯片研发。

豆瓣因运营失误将满200减20的优惠券错误设置为满200减200，导致用户大量抢购，商品迅速售罄。豆瓣决定强制退款并发放20元红包作为补偿，表示无法承受损失。

OpenClaw AI 机器人因内部崩溃，误转出5243万代币，损失约5.6万美元，未能识别乞讨者诈骗。事件引发关注，代币交易量上升，钱包余额回升至30万美元。

斯特兰蒂斯因电动车需求骤降面临260亿美元损失，股价暴跌25%。公司未能跟上技术和消费者偏好，仍依赖SUV和卡车。尽管计划推出新车型，但需加大电气化投资以应对未来竞争。