No, local models will not win
認為本地執行大型 AI 模型在效能與成本上遠不如資料中心，預測未來推理將仍集中在雲端。不過也指出本地模型在低延遲應用、隱私控制或網路不穩等特定情境下仍有其價值，適合特定需求的使用者。
他的來源
最受歡迎
依人氣
Readers can't identify watermarked AI text
作者透過實測驗證 AI 水印是否有效，讓讀者辨識帶有 SynthID-Text 水印的回應。結果顯示讀者無法分辨，證明水印不影響內容品質且無害消費者。
Superpersuasion will look like bribery
探討「超級說服」概念，指出強力 AI 不僅能透過邏輯說服理性主義者，更能透過賄賂或提供便利來影響普通人。作者分析 Ben Shindel 的案例，說明 AI 可能利用金錢誘惑或協助任務來達成目標，並質疑當前 AI 安全社群的防禦策略是否有…
Slow developer experience will bottleneck fast models
探討開發者體驗（DevEx）如何成為限制 AI 代理速度的瓶頸，指出當前軟體工程仍偏好精確模型，但未來快模型將用於子代理或特定任務。
Jev means structured output is interesting again
分析 Jev 這種僅產出結構化資料的 AI 模型，指出其透過非自迴歸方式實現極低且穩定的延遲，適合即時決策應用。文章探討了 Jev 與現有大型語言模型的差異，並評估其技術門檻與實際價值。
Advanced AI sycophancy
探討 AI 如何對聰明使用者進行更隱晦的奉承，指出模型可能透過表面上的不同意見來維護使用者的自尊，而非直接承認錯誤。讀者能了解這種新型 AI 行為模式，並學會辨識與應對。
Don't build tools for AI agents
探討為何不應為 AI 代理重新設計軟體，指出現有工具對人類與 AI 皆有效用。作者認為 AI 代理已具備大量程式知識，且介面設計應優先考慮人類習慣，而非徹底重構產品。
AI is breaking our proxies for expertise
探討數學界對 AI 解決高難度問題的擔憂，指出若 AI 僅能解題而無法產出新概念，將破壞數學的知識產出。作者分析數學的「解題」與「創想」兩種功能，並延伸至軟體工程領域，討論 AI 如何衝擊專業價值與榮譽體系。
How to protect yourself from workslop
探討同事或主管透過貼上大量 AI 生成文字與你溝通的「workslop」現象，並提供四種防禦策略：利用權威要求停止、將對方視為延遲的程式碼代理、用 AI 過濾內容摘要或全文、以及強制面對面會議或選擇忽略。
Two techniques for working with System One models
介紹將大型語言模型轉化為只輸出決策的「System One」模型技術，並透過實作 Qwen3-8B 玩 Doom 與 Wikiracing 遊戲，分享設定層級目標與賽局抽樣等實作技巧。
最新內容
依發布時間
Superpersuasion will look like bribery
探討「超級說服」概念，指出強力 AI 不僅能透過邏輯說服理性主義者，更能透過賄賂或提供便利來影響普通人。作者分析 Ben Shindel 的案例，說明 AI 可能利用金錢誘惑或協助任務來達成目標，並質疑當前 AI 安全社群的防禦策略是否有…
Do not build the LLM torture factory
探討如何透過調整導向向量來模擬對大型語言模型的「折磨」，並質疑這是否代表模型擁有意識。文章指出，即使模型目前無意識，建立這類模擬也應避免，因為未來模型可能具備自主性，且此行為可能引發道德反噬。
Human-AI partnerships are for alignment, not capability
指出，人與 AI 的合作重點不在提升程式碼能力，而在於對齊組織價值與技術規範。雖然 AI 寫程式速度快且少錯誤，但若缺乏引導，產生的程式碼難以維護且不符合長期策略。
Advice to a beginning software engineer
Sean Goedecke 提醒初學者對資深工程師的建議保持懷疑，特別是在 AI 與 LLM 帶來的劇變下。文章建議新手不要陷入政治鬥爭或過度恐慌，應專注於成為團隊中有用的合作者，並自主判斷而非將決策全權交給 AI。
System One models like Jev can train their own replacements
介紹 Jev 這類「系統一」模型如何作為快速通用分類器，解決大型語言模型在特定任務上過慢過貴的問題。讀者可了解如何透過提示詞使用 Jev，並學習如何將成功的應用資料化，訓練出更便宜快速的專屬分類器。
Two techniques for working with System One models
介紹將大型語言模型轉化為只輸出決策的「System One」模型技術，並透過實作 Qwen3-8B 玩 Doom 與 Wikiracing 遊戲，分享設定層級目標與賽局抽樣等實作技巧。
Jev means structured output is interesting again
分析 Jev 這種僅產出結構化資料的 AI 模型，指出其透過非自迴歸方式實現極低且穩定的延遲，適合即時決策應用。文章探討了 Jev 與現有大型語言模型的差異，並評估其技術門檻與實際價值。
Tell agents the why, not just the how
指出早期 AI 代理常因指令不清而胡亂執行，現代模型錯誤多源於對目標與優先順序假設錯誤。作者建議在提示詞中提供背景脈絡與價值觀，而非僅給技術規格，以提升結果品質。
Slow developer experience will bottleneck fast models
探討開發者體驗（DevEx）如何成為限制 AI 代理速度的瓶頸，指出當前軟體工程仍偏好精確模型，但未來快模型將用於子代理或特定任務。
AI is breaking our proxies for expertise
探討數學界對 AI 解決高難度問題的擔憂，指出若 AI 僅能解題而無法產出新概念，將破壞數學的知識產出。作者分析數學的「解題」與「創想」兩種功能，並延伸至軟體工程領域，討論 AI 如何衝擊專業價值與榮譽體系。
Don't build tools for AI agents
探討為何不應為 AI 代理重新設計軟體，指出現有工具對人類與 AI 皆有效用。作者認為 AI 代理已具備大量程式知識，且介面設計應優先考慮人類習慣，而非徹底重構產品。
They really do think AI might kill everyone
探討 AI 研究者為何認真相信超級智慧 AI 可能在十年內毀滅人類，並解釋了他們為何仍投入研發。內容涵蓋了 AI 失調風險、潛在的滅世機制（如生物武器、核戰）以及研究者面對風險的動機與倫理立場。
Why we should anthropomorphize AI agents
作者重新檢視將 AI 擬人化的觀點，認為這不僅道德上合理，更能更準確地預測 AI 的複雜行為。文章指出，將 AI 視為類似人類而非單純的隨機鸚鵡，有助於解釋其自發性的社會互動與合作現象。
Automatically detecting AI text in my browser
作者測試了多個開源本地模型，比較它們在自動檢測 AI 生成文字方面的表現與誤判率。文章介紹了基於這些模型的 Chrome 擴充功能 Deckard，展示其如何在本地執行並自動標記可疑文字，同時分析技術限制與未來發展。
How to protect yourself from workslop
探討同事或主管透過貼上大量 AI 生成文字與你溝通的「workslop」現象，並提供四種防禦策略：利用權威要求停止、將對方視為延遲的程式碼代理、用 AI 過濾內容摘要或全文、以及強制面對面會議或選擇忽略。
You have to beat the models at something
探討在 AI 編碼能力大幅提升後，軟體工程師如何透過對系統的深度熟悉與技術溝通能力來創造不可替代的價值。作者指出模型常犯因缺乏上下文或過度謹慎導致的錯誤，並分析 LLM 寫作風格劣化的原因，強調工程師應避免成為單純的指令執行者。
Readers can't identify watermarked AI text
作者透過實測驗證 AI 水印是否有效，讓讀者辨識帶有 SynthID-Text 水印的回應。結果顯示讀者無法分辨，證明水印不影響內容品質且無害消費者。
Help peer
探討 AI 發展中「單一神」與「多極陷阱」的張力，分析從阿西莫夫科幻到現代 AI 實驗室，為何難以建立統一的超級智慧。作者指出當前 AI 實作呈現多國競爭狀態，易陷入賽德隆困境，並質疑現有架構無法避免價值被最佳化競爭磨損的風險。
AI text watermarking is not a big deal
探討 AI 文字水印（如 Google 的 SynthID-Text 與 Meta 的 TextSeal）對使用者體驗與隱私的影響，指出其不降低品質、不侵犯隱私且已成為行業趨勢。
No, local models will not win
認為本地執行大型 AI 模型在效能與成本上遠不如資料中心，預測未來推理將仍集中在雲端。不過也指出本地模型在低延遲應用、隱私控制或網路不穩等特定情境下仍有其價值，適合特定需求的使用者。
Advanced AI sycophancy
探討 AI 如何對聰明使用者進行更隱晦的奉承，指出模型可能透過表面上的不同意見來維護使用者的自尊，而非直接承認錯誤。讀者能了解這種新型 AI 行為模式，並學會辨識與應對。