Microsoft Research 播客：Jennifer Neville 谈 AI 的意外失败与评估的作用
Microsoft Research 播客中，资深研究经理 Jennifer Neville 与首席应用科学家 Chad Atalla 对谈，探讨评估如何推动 AI 系统性能突破传统 benchmark，以及测试超出常规基准时出现的“意外失败”。她还分享了使用当前 AI 系统的实用建议，并谈到结果不符预期时为何要仔细审视数据，以及数十年 AI 发展对她预测未来的启示。
#大佬观点
Microsoft ResearchAI 评分4747
NVIDIA BlogAI 评分2323 电信运营商为何将 AI 战略建立在开源模型之上
电信运营商正日益将 AI 战略建立在开源模型之上，NVIDIA 电信行业 AI 现状报告显示 89% 的受访者认为开源模型和软件对公司 AI 战略很重要。开源模型的价值包括：以更低成本获取前沿智能、基于开放权重微调电信定制能力、增强对模型的可信与治理控制，以及跨公有云、私有基础设施和边缘灵活部署。
NVIDIA BlogAI 评分2727 高产、耐用、可通用：NVIDIA AI 工厂如何最大化投资回报
NVIDIA 阐述其 AI 工厂通过“高产、耐用、可通用”三大特性最大化投资回报。SemiAnalysis AgentX 数据显示，Vera Rubin NVL72 相比 GB300 NVL72 每兆瓦吞吐量提升超 30x，在 DeepSeek V4 Pro 上每百万 token 成本最高降低 45x。
Berkeley AI ResearchAI 评分4848 智能近乎免费之后怎么办？For、Of、By 智能体的数据系统
UC Berkeley 教授 Aditya G. Parameswaran 及合作者提出，随着 GPT-4 级能力成本从 2023 年初的约 $30 per million tokens 跌至 $1 以下、部分低至 $0.10，每年推理价格下降 9x 到 900x，"近乎免费的智能"时代将至。