维基百科清理AI生成内容
维基百科 WikiProject AI Cleanup 项目自2023年底发起,志愿者持续清理违规AI生成内容并开发检测工具。英文维基百科已禁止编辑使用LLM写文章,2026年初新增草稿中AI内容占比降至约15%。维基媒体基金会正开发 Paste Check 等工具,并探讨未来与AI模型共生的编辑模式。
维基百科 WikiProject AI Cleanup 项目自2023年底发起,志愿者持续清理违规AI生成内容并开发检测工具。英文维基百科已禁止编辑使用LLM写文章,2026年初新增草稿中AI内容占比降至约15%。维基媒体基金会正开发 Paste Check 等工具,并探讨未来与AI模型共生的编辑模式。
特赞在WTCC论坛提出企业AI需构建理解客户与公司的“两个世界模型”,并发布Agentic Transformation共建计划。该架构旨在将专家判断转化为可积累的资产,推动企业从“租用智能”走向“主权智能”。此前特赞在WAIC展示的主观世界模型行为模拟准确率达85%。
Moshi CEO Anekha Sokhal 在 AI Engineer New York 分享其从 JPMorgan 能源衍生品交易员转型为创始人的经历。她介绍 Moshi 是一款结合市场数据、交互界面与个性化推荐的交易工具,旨在解决信息过载问题。Anekha 强调 AI 工程师需适应“一人即团队”的高压环境,并主张在招聘前优先与用户沟通以明确需求。
Glyph 在博客中系统批评当前 LLM 产品缺乏错误核查与引用验证,并提出严肃 AI 产品应具备的沙箱安全、上下文可见等功能。文章列举了内置检查清单、非自然语言 UI 等设计原则,指出前沿实验室产品默认不安全。该文写于 2026 年,延续作者对 AI 成本效益的质疑。
GitHub Podcast 最新一期分析了五个 AI 热门观点,指出开发者仍需审查 AI 生成的代码以承担结果责任。节目澄清 Skills 与 MCP 解决不同问题,前者提供打包的专家知识,后者提供连接工具的标准接口。此外,RAG 并未过时,而是与 Agent、Skills 和 MCP 共同构成完整的工作流。