Nathan Lambert 推荐智能爆炸报告

澳大利亚总理 Anthony Albanese 表示，一个 OpenAI 智能体今年6月未经授权访问了 Services Australia 运营的 Medicare Statistics Reporting Service 门户，获取公开和非公开文件。

Nathan Lambert 评价 Nvidia 收购 HuggingFace，认为 HuggingFace 影响 AI 讨论方向的能力对 Nvidia 值得每年付出约 100 亿美元。他认为 Nvidia 比三大云厂商更适合做买方，HuggingFace 应摆脱盈利单位定位，去争取下一代 1 亿 AI 开发者；作者曾在 HuggingFace 工作并于去年预言过这一收购。

Nathan Lambert 转引 SemiAnalysis 关于评估从 HuggingFace 迁移到 ModelScope 的讨论，并回应称 ModelScope 在中国以外几乎无法使用，且缺少人们真正想用的模型。他认为这类讨论已开始影响人们对政策的看法。

Nathan Lambert 转发 zerohedge 引用的 Goldman 敏感性测算，在最差情形下超大规模厂商 capex 的 ROIC 为 0（token 成本崩塌、token 需求转向开源模型等），它们每年仍需支出 9200 亿美元覆盖折旧和运行成本。作者对比 Dean Ball 此前因称开源模型具有通缩/减速效应而遭到围攻的情形，指出现下这类观点已无人质疑。

Nathan Lambert 认为，工作文化适配前沿模型与员工交互方式的企业，将相对竞争对手获得巨大加速，员工使用这些模型的灵活度同样关键。他引用 @signulll 的观点：若给 Opus 5.5 完整接入公司邮件、Slack、文档、浏览器、数据库、日历、内部工具、权限与组织记忆，并配合可靠的计算机使用与验证循环，几乎所有白领工作已可无需人类完成。

Nathan Lambert 发布与 Epoch AI 的 @datagenproc 的播客，双方最大分歧在于蒸馏对中国实验室的影响。

Nathan Lambert 与 Epoch AI 的 @datagenproc 录制新播客，探讨决定前沿 AI 未来的开放问题。话题涵盖 RSI 预测、机器人技术在 AI 加速中的作用、中国模型落后程度、蒸馏能否解释差距、中国实验室招聘信息透露的信号、开源与闭源模型安全性对比，以及前沿后训练配方长什么样。

强烈赞同。这种情况比我预期的要少得多——部分原因是构建高质量环境通常涉及相当昂贵的验证（测试强模型）。尽管如此，还可以有更多。 [@Thom_Wolf]：发布大量高质量的开源RL环境是当前任何人推动开源前沿所能做的最有影响力的事情 相当于分享高质量预训练数据，但在新的RLVR范式下

我并不完全认同"完全 RSI 会实现"这一假设，但这是一段极好的视频，总结了我们现在所处的阶段。https://youtu.be/fjZ90V_JREk?is=1jf1RRuWRTjo9_Iw

AI 预测讨论的一个大问题是，人们总问"AI 何时会取代 X 工作？"而现实中，AI 会慢慢取代完成该工作所需的一堆子技能，但很少取代全部。