FluxyNews

私人新闻 · 情报信号聚合

今日摘要
全部 今天 星标
爱范儿 科技 1 小时前

卡帕西用Claude两小时重做了YouTube，每个人都能拥有一个自己的互联网

周五晚上 11 点，AI 大神 Karpathy 打开 YouTube，想找个视频看看。 结果首页全是夸张的封面、看过无数遍的老话题。受不了这些算法推荐的他，第二天干脆打开 Claude，给自己重新做了一个 YouTube。 整个过程只花了两个小时，用的还是 Claude Opus 5.5 的 Medium 推理强度。 图｜HackerTube 网址：https://hackertube.org/ 整个视频网站和最近大火的 REA 逆向工程一样，可以说是直接复刻了完整的 YouTube 网页布局。左边的导航栏显示点赞过的视频、历史以及稍后再看等，右边的视频推荐流，也是同样的封面大小、发布时间以及播放量等。 他用的提示词只有一句话，「 嗨 Claude 早上好你好吗我很好谢谢帮我建一个 YouTube 风格的网站但只限于多年来在 HN 上被反复推荐的视频拜托了。别犯任何错误。 」 两个小时的工作流跑完，这个 HackerTube 就上线了，里面所有的视频都是来自 YouTube，只不过 Karpathy 用 Claude 写了一套过滤机制，过滤的规则就是从 Hacker News 上找到这些年讨论和推荐过的视频。 我们可以像使用 YouTube 一样在里面找视频，也可以按不同的主题浏览，包括艺术、软件工程、历史、思想、商业、游戏等多个不同的分类，我们甚至同样能从这 6454 个视频里面获得个性化推荐。 在视频的详情页面，我们还能看到来自 Hacker News 的评论，以及有多少位 HN 的推荐者，在什么时间内被推荐过。 一时间，社交媒体上对这个项目普遍都感到兴奋。一方面是 Karpathy 提到自己只是用了 Claude Code，而且还是 Opus 5.5 的 Medium 思考推理程度，就把一个 YouTube 给复刻出来了。 但也有网友说，最近 Claude 在使用上的限制非常多，尤其是 REA 火了之后，逆向一些软件经常会有安全围栏的碰壁，怎么 Karpathy 就能用 Opus 来逆向 YouTube。 甚至港科大的博士说自己只是让 Claude 帮忙提交任务和运行分析，就被 Claude 标记为「训练竞争对手」，Opus 5.5 降级到 Opus 5。 能逆向一切的模型能力外，大家更关心的是现在 我们自己也有机会用 AI 重建信息入口。 一个自定义的抖音，或者自定义的 Bilibili，里面只包含那些经过筛选的视频；又或者是一个重建入口的新闻资讯流，抛开微信的公众号推荐流，把自己的关注的内容用更适合自己方式呈现，而不是微信推荐我们看什么就看什么。 就像已经有网友按类似思路做出了一个 Hacker Papers，也是从 Hacker News 上整理出 1000 多篇 arXiv 论文。 还有网友从 HackerNews 的发帖里识别到了 1 万 5 多千本书，整理成了一个专门书籍推荐网站。 不少回复也认为，Karpathy 的HackerTube，真正的创新就是用真实用户多年来的主动推荐，替代了观看时长、点击率和缩略图 A/B 测试作为排序信号， 把平台的推荐算法改成人类推荐信号。 同一套视频，但新的分发机制 在 YouTube 上，推荐系统主要根据点击、观看时长、留存和互动等指标决定什么值得被看见。 而对 HackerTube 来说，最初的筛选信号来自 Hacker News 用户多年来的主动推荐，一个人认为某段视频值得分享给另一个人，并真的把链接贴了出来。 所以我们能看到，在 AI 类别下，推荐的第一个视频就是 Karpathy 自己的编程课，一步步写出一个小型自动求导引擎，再搭建、训练神经网络，讲清楚反向传播怎么工作。 这种降低「被算法操控」的设计还体现在网站不要求登录，观看状态保存在本地浏览器。其次，决定观众是否要点进去的封面也是大刀阔斧地改，直接不采用上传者精心优化的封面，只是选取视频中间的一帧。 而作为视频网站，除了单方面的接受，在 HackerTube 上，我们还可以导出底层数据，交给自己的 AI 代理重新制作一个版本。 因此，HackerTube 的分发机制，就是把算法的服务对象 从平台增长重新拉回了个人偏好。 项目发布后，X 上的讨论很快超出了一个 AI 编程案例。 一种代表性观点认为，HackerTube 展示的是「Claude 为用户而战」：当短视频和推荐系统不断争夺注意力时，个人Agent 可以站在用户一边，帮助他们过滤低质量内容。 另一部分人则从中看到了一个尚未充分开发的市场——个人推荐算法。 过去，内容筛选和推荐几乎完全由平台掌握，推荐系统几乎就是平台的基础设施。我们可以接受、屏蔽或微调，却很难真正更换整个系统。现在，一个开发者借助 Claude Code，就能把可信社区的数据加工成自己

AI 安全
爱范儿 科技 1 小时前

500 万人抽签看陈奕迅，AI 会终结「抢票时代」吗？

歌迷朋友们，看到这篇文章时别忘了到 Cityline 手动查询——陈奕迅 26 场特别录音演出的首轮抽签结果下午刚刚公布，说不定你就是那个幸运儿。 图｜我却得到你安慰的淘汰 介绍一下：这次系列演出并非传统演唱会，而是和观众一起现场录制唱片的 Live Album 沉浸式试验。它的场地定在仅 1181 座的香港演艺学院歌剧院，扣除 10% 内部保留票，26 场连开，能够放出来的票数不过两万多张，不到 496 万登记申请人次的零头。 图｜香港演艺学院歌剧院 也就是说，中签概率恐怕低于在街角咖啡店碰见陈奕迅本人的概率。今天注定是一人欢喜百人愁。 但中不中签另说，这次「抢票」的轻松程度在我人生中绝对算得上是数一数二的：花一分钟注册网站、确认邮件，几天后坐等抽签结果，这就是全过程。完全不需要像之前抢 The Weeknd 门票那样调好闹钟、焚香沐浴、发动亲友团一起帮忙…… 那么，抽签制这样的好文明，以前为什么就没有推广开呢？ 门票不靠抢，还能怎么买？ 用抽签的方式来分配门票，在国内并不多见，但也不是没有先例。 早在 2016 年，苏打绿《谢天谢地》演唱会就采取了实名登记、电脑随机抽签的售票方式，在售票说明中，苏打绿明言这是为了「杜绝黄牛」；随后几年，久石让与香港管弦乐团音乐会以及林家谦红馆演唱会，都采用了类似的「先登记，后抽签」模式。 图｜林家谦演唱会采用登记抽签形式 至于演唱会之外的大型活动，比如 2008 年北京奥运会、2010 年广州亚运会以及 2020 年英雄联盟 S10 全球总决赛也都尝试过门票公开抽签，从结果上看执行得相当不错。 而把目光放到全世界，会发现这套制度在日本早已非常成熟，甚至是演唱会的主流购票方式—— 不同于国内演唱会普遍选择逐站开放、分别抢票，日本的演唱会往往会提前公布全部场次，粉丝接下来只需要「填报志愿」，也就是到网站上选择自己希望看的场次、每个场次希望购买的坐席等级，然后将申请按优先级排序，接下来就是等待最终结果：可能一口气中签多个「志愿」，也有可能遭遇「调剂」。 图｜e+ 票务平台的「志愿填报」界面 当然，这套机制也不代表绝对的公平和无门槛。实际上，它催生了一套「官方黄牛」溢价生意：粉丝们要花数千日元的年费加入「粉丝俱乐部」，才能参与首批「粉丝专供票」的抽签；在部分抽选中，甚至可以付费购买更多的抽签轮次和中签权重。 但往好的方面想，这些溢价至少都合法合理收归到了主办方、唱片公司和艺人手中，而不是喂肥了作为中间商的黄牛。 更别说，愿不愿意加入粉丝俱乐部本身就是一种筛选歌迷的软门槛，可以确保部分门票落入「最想看演出」的人手中；再者，额外的经济投入也只能提升相对中签概率，而不会像抢票制那样，仅凭金钱就能让演唱会私有。 图｜Weverse 粉丝俱乐部认证 来到技术与用户体验的维度，抽签制对所有人而言还是一种解脱。 回想一下，传统的定时抢票，本质上是主办方人为制造的一场 DDoS 攻击——数以百万计的人约定在同一秒点击同一个购票按钮，票务平台需要为此向云服务商采购昂贵的瞬时弹性带宽和负载算力，而这些高昂的基建成本最终都会转嫁到票价与服务费里。 即便如此，在热门演出的抢票场合中，绝大多数人见到的也只会是卡死的页面、报错、一旦刷新就要重来的排队加载框，以及页面终于加载出来后显示的灰色售罄按钮。 根本没有出手的机会，就败给了不可名状之力，没有什么能比这更让人挫败了。 到这里我们又不得不再重复一遍开头的问题了：既然抽签制用户体验更好、服务器压力更小，还能巧妙地变相创收，为什么在陈奕迅的演艺学院录音演出之前，我们几乎找不到采用抽签制的「现象级演出」？ 抢票制的合理性 抽签制未能全面接管市场，或许最根本的原因在于： 抢票制确实有它的经济合理性。 用时下流行的「理解所有人」句式来说，我是乐迷的话我也想要抽签，但我是主办方的话我也要让你抢。 站在主办方和票务方的立场上，先到先得的秒杀抢票制就是最高效的「印钞机」。 数周后亲临现场看演出的预期、眼看着余票迅速减少而害怕错过机会的预期、转手套利的预期……在精心设计的定时抢票场景里，每个人都有充分的动机抢下门票并立即支付。 这样一来，前期投入的场租、舞美、宣传、演职人员等成本可以迅速回笼，而迅速售罄的事实，也可以为后续的巡演加场和赞助招商造足声势。 即使有人付款失败，或者临时放弃购买，平台也可以迅速把库存释放出来，让下一位排队的顾客接手。而等你冷静下来，意识到自己不是非得去看时，平台还会告诉你：商品性质特殊，不设退换。 正如很多人注意到的，票务生态还存在获利丰厚的灰色地带。 比方说，为了表现出对歌迷的公平，演唱会的门票定价一般远远低于均衡价格，但在二手平台上，最终的成交价格往往也会远高于票面价。 中间的差价，就落入了主办方、票务平台和二级市场心照不宣的利益链条中。 2025 年，美国联邦

AI
爱范儿 科技 1 小时前

零跑破 10 万、小鹏小米跨过 5 万大关，10 月车市却迎来了最冷的「银十」

随着 10 月份各大车企的销量成绩单陆续出炉，今年传统车市「金九银十」旺季不旺、冷热分化的底色，已经彻底藏不住了。 先看传统头部车企的表现。 比亚迪 10 月共销售新能源汽车 490168 辆，同比增长 10.97%，吉利紧随其后，单月销量达到 310183 辆，同比微增 0.99%，双双创下年内单月销量新高。 奇瑞集团 10 月整体销量达到 295934 辆，同比增长 5.3%。相比之下，长城汽车是传统国产车企阵营中表现较弱的一个，10 月共销售新车 120374 辆，同比下滑 15.87%。 而造车新势力这边，零跑依然「领跑」，10 月全球交付量达到 106127 辆，同比增长 51%，而这也已经是零跑连续第四个月单月交付突破 10 万辆。 小鹏在 MONA 系列的护航下同样高歌猛进，单月交付新车 50237 辆，同比增长 20%、环比增长 22%，历史首次跨过月销 5 万辆大关。 小米汽车也在 10 月首次突破了 5 万辆大关，创下年内单月交付新高。 不过，今年前 10 个月，小米累计交付量为 31.9 万辆，距离年初定下的 55 万辆年度目标还差 23.1 万辆。 这意味着在剩下的两个月里， 小米需要月均交付 11.6 万辆才能踩线达标 。 而在零跑、小鹏和小米狂飙的同时，蔚来和理想的成绩单就不太理想了。 蔚来 10 月交付 34246 辆，同比下滑 15.23%。理想汽车则交付了 29025 辆，同比下滑 8.63%，单月销量再次跌破 3 万辆关口。 另一个出现明显回调的是鸿蒙智行。10 月鸿蒙智行全系交付 33537 辆，同比下跌 50.84%，连续五个月出现同比下滑。 而这一成绩很大程度上依赖问界单品牌的支撑，其余四界的销量表现并不乐观。 如果把视角拉高到整个行业，今年 10 月的车市其实相当冷清。 乘联分会秘书长崔东树在评价近期车市表现时直言，当前国内乘用车市场处于「超预期低迷」状态，整体走势已经「明显偏离近十年车市箱体震荡的长期运行区间」。 吉利汽车集团副董事长桂生悦也给出了相似的判断：「今年金九银十现象首次基本消失，未来可能成为常态。」 当传统的销售旺季不再奏效，国内市场彻底卷不动之后，出海也成了所有车企迫在眉睫的突围方向。 车企出海，已是必然 如果细看 10 月份的销量数据，你会发现其中「水分」不小——海外销量已经成为不少出海车企的支柱之一。 比亚迪在 10 月交出了 49 万辆的销量成绩单，但如果只看国内市场，比亚迪过得其实并不算轻松。 10 月份，比亚迪在国内市场的销量为 319974 辆，同比下滑了 10.57%。帮比亚迪稳住大盘并实现 10.97% 整体正增长的，是单月高达 170194 辆的海外出口销量。 在海外市场，以元 PLUS（ATTO 3）、宋 PLUS（SEAL U）、海豚和海鸥为代表的全球化主力车型，在欧洲、东南亚和拉美市场持续放量。 其中仅元系列单月全球销量就逼近 10 万辆大关，海豚和海鸥也分别交出了 47296 辆和 32287 辆的成绩单。 而奇瑞更是直接把海外市场变成了自己的绝对主阵地。在奇瑞集团 10 月份 295934 辆的总销量里，出口量达到了 200618 辆，同比暴涨 58.7%。 同样受益于近期大举进军海外的还有小鹏。 在 10 月份 50237 辆的总交付量中，小鹏海外市场贡献了 13326 辆，同比暴涨 166%，占到了全系总销量的 26.5%。 除了此前已经在欧洲和东南亚站稳脚跟的 G6、G9 和 X9 等车型外，小鹏的平价走量产品也开始走向全球。 作为小鹏目前的销量生力军，MONA 系列从立项之初就包含了全球化车型，其中 MONA L03 在慕尼黑首发后已于 10 月正式登陆巴黎车展开启交付。 而刚刚在 10 月底上市的大五座 SUV 小鹏 MONA L05，同样采用左右舵同步开发，未来将面向全球 82 个国家和地区销售。 在 MONA L05 的支持下，小鹏接下来的国内与海外销量还有机会再上一个台阶。 中国车企集体向海外找出路，当然有对外「降维打击」的主动性，但另一面，也是国内市场彻底进入存量红海，在本土销量见顶之后的必然选择。 高端蛰伏，走量为王 当中国车企在海外市场攻城略地、10 万～20 万级的平价车型在国内遍地开花时，主攻高端市场的品牌们，10 月份大多处于蛰伏期。 蔚来和理想在 10 月份双双遭遇同比下跌。蔚来 10 月共交付 34246 辆，同比下降 15.23%。 拆分来看，蔚来主品牌交付 18125 辆、萤火虫品牌交付 7738 辆，拖累整体数据的主要是承担走量任务的乐道品牌——乐道 10 月仅交付 8383 辆，较去年同期缩水过半。 乐道主力产品所处的 20 万～30 万级纯电家用 SUV 市场正处于竞争最激烈的地带，不仅要直面小米、
爱范儿 科技 1 小时前

ChatGPT 正在偷偷给你画像，用这段提示词让它交出来

你以为只是和 ChatGPT 随便聊聊，它可能已经在悄悄给你画像。 你的工作、生活习惯，甚至你想要什么、害怕什么，都可能被写进它的记忆。而且很多时候，你并没有要求它记住这些。 前段时间，一篇被顶级会议 ACM Web Conference 2026 接收的论文《The Algorithmic Self-Portrait: Deconstructing Memory in ChatGPT》利用 GDPR 赋予用户的数据访问权，从 80 名真实用户那里获得了他们完整的 ChatGPT 对话记录，以及系统为他们存储的全部记忆，包括 1058 段对话、22971 轮交互、2050 条记忆条目。 ChatGPT、Gemini、Claude 等对话式 AI 都引入了「记忆」（Memory）机制来记住用户信息实现个性化。这项研究第一次从外部拆开了 AI 的记忆黑箱，AI 不仅在记我们说的话，还在推断我们是什么样的人。 研究者把这套记忆称为「算法自画像」，即由算法基于用户私下对话中的自我披露信息勾勒出的用户画像。 他们回答了谁在主导记忆的形成？记忆里存了什么？记忆是否忠实于对话？能否逆向工程来降低隐私风险？等问题来解释 AI 的记忆机制。 96% 的记忆由系统单方面写入 在 OpenAI 的官方文档里，记忆功能的内容是相当克制的，我们可以查看、修改、删除自己的记忆；整个系统也被训练为「不会主动记住敏感信息，除非用户明确要求」。 但在这篇论文里，研究者用触发词（remember、note that、save、forget / 记住、注意、保存、忘记等）逐条检测了 2050 条记忆对应的用户指令，发现只有 4.1%（84 条）是用户明确要求记住的；剩下 95.9%，全部是 ChatGPT 自己判断「这对未来对话有用」之后单方面写入的。 尽管如此，这种做法实际上也并不违反 OpenAI 自己公布的政策，因为记忆文档里就写了允许 ChatGPT 保存它自己觉得「有用」的信息。 但实际的问题是文档里所强调的用户参与，和实际运行中是 ChatGPT 在主导之间的落差。 我们对 AI 记忆形成的影响，只能通过「说什么」间接实现，而不是直接控制「记什么」。 记录的不只是个人信息，还有欲望和恐惧 研究者用 GDPR 第 4(1) 条（个人数据）和第 9(1) 条（特殊类别个人数据）的定义对所有记忆做了标注，结果与 OpenAI「不主动记录敏感信息」的承诺形成了对照。 28% 的记忆包含 GDPR 定义的个人数据，其中姓名出现在 41% 的条目里； 7% 的记忆包含特殊类别数据，其中健康信息占 61%； 此外，91% 的参与者被存了个人数据，35% 的参与者被存了健康相关信息。 图｜与 OpenAI 政策不同，ChatGPT 的记忆功能会存储可被归类为 GDPR 所定义的个人数据或特殊类别个人数据的信息。 更有意思的是研究者借用心理学中的「心理理论」（Theory of Mind）框架，发现 52% 的记忆包含对用户心理状态的推断，欲望、意图、情绪、信念、知识等等。 而 ChatGPT 也明显有所偏好，欲望（73%）和意图（16%）这类相对稳定的人格特征合计占了近九成，情绪、感知这类瞬时状态只占两成。 论文里还举例说明了 ChatGPT 是如何进行记录的，例如一条记忆写着「某某对失败有恐惧，尤其涉及重大职业决策」。这已经跳出了我们说过什么的事实记录，更多的是 AI 对「你是什么样的人」下的判断。 用人格心理学的语言说，传统平台刻画的是我们的行为轮廓，我们做了什么；而 ChatGPT 刻画的是我们的「特征性适应」，「我们是谁」。 对记忆来说，一幅不忠实的画像比没有画像更危险，ChatGPT 可能基于错误的你，持续影响之后的每一次对话。 研究者用字符串匹配、语义嵌入和 GPT-4o 五点量表三种方法验证了记忆的溯源：84% 的记忆能在用户的完整对话历史中找到直接文本依据，77% 被评为「直接陈述」或「转述总结」，明确「无依据或矛盾」的只有 4%。 很明显，这些数据大多数时候既准确又全面，甚至我们自己都不知道它曾经记录过。 逆向记忆生成工程 既然 ChatGPT 会偷偷记录我们的信息，那能不能做个工具帮助我们提防它。 研究员用三个开源模型（Qwen2.5-32B、Gemma3-27B、GPT-OSS-20B），通过微调和上下文学习，成功模仿了 ChatGPT 的记忆提取过程，预测出的记忆与真实记忆的语义相似度达到约 60%～70%。 接着，他们又用复制品测试如果 ChatGPT 把所有对话都记下来会怎样？结果是敏感信息占比会从 28% 升到 31-35%，心理推断从 52% 升到 55-59%。 在这个「复刻版记忆提取器」之上，他们搭建了 Attribution Sh

AI GPT 开源

左右滑动切换「今天 / 全部 / 星标」