全部 · 2026-05-04

SignThought 这个模型的核心思路挺直接：跳过手语注释（gloss）这层人工标注，让模型直接从视频里理解手语并输出文字。做法是让模型先在心里盘一遍大概意思，再分两步走——先规划再落地，最后用双流解码出结果。在五个手语翻译基准上拿了无注释条件下的最高 BLEU-4 分，还专门建了个 1311 小时、43 万多个片段、14 个手语者的香港手语数据集 LC-HKSLT。 不过这篇推送的正文被微信环境验证页挡住了，我只能看到摘要里的技术路线和数字，看不到论文里的具体实验设置、错误分析、以及模型在真实场景下的表现。比如 BLEU-4 分数到底是多少、比第二名高多少、在不同手语类型上的稳定性怎么样，这些关键信息都缺失。另外，手语翻译的落地难点往往不在模型本身，而在视频采集质量、方言差异、实时性要求这些工程问题上，论文有没有讨论这些也看不到。 如果只看公开信息，这个方向有意义，但具体有多好用，得等看到完整论文再判断。

Google DeepMind 用 Aletheia 流程让 Gemini Deep Think 去解 700 道 Erdős 数学猜想，先海选 200 个候选答案，再筛到 63 个，最后产出 13 个原创解答。结果在 Erdős-75 这道题上翻了车——题干本身就有问题，但模型没发现，照样洋洋洒洒推导了几十页。 这事比单纯答错严重。它说明模型在“给定前提”下推理能力很强，但缺乏跳出框框审视题目本身的能力。就像一个考试机器，你给什么题它就做什么，从不反问“老师，这题是不是出错了”。 正文没披露那 13 个原创解答是否经过人工验证，也没说 Erdős-75 的错误前提是故意埋的还是意外发现的。如果连题干错误都检不出来，那其他 12 个解答的可信度也得打个问号。陶哲轩之前提过用 AI 辅助数学研究，但前提是 AI 得先学会说“这不对”。

这条消息最值得看的是两个极端：个人高频调用和企业级海量消耗。迪士尼内部AI看板显示，一名员工9个工作日内向Claude发起约46万次请求，平均每天超5万次，这个频率不像人工对话，更像在跑自动化脚本或批量任务。另一头是Meta，30天消耗60万亿token，按公开API价格毛估接近90亿美元，但内部成本肯定远低于此，这个数字更多说明大厂自用模型的规模，而不是实际账单。 整篇推文被微信环境拦截，正文没披露原始数据表，也没说明调用类型、模型版本或实际用途。迪士尼那位“榜一大哥”到底是在做代码生成、内容审核还是数据清洗，完全不清楚。Meta的token量也没拆解是训练还是推理，没法判断效率。 我会先打个折：调用次数高不等于用得好，token量大不等于产出高。这类内部看板数据往往缺少效果指标，比如任务完成率、错误率或人工修正比例。如果后续有更细的拆解，才能判断是真实生产力还是统计口径上的热闹。

这个项目的核心思路是用小模型换带宽：卫星拍到的多光谱图像太大，全传下来不现实，干脆在轨道上跑一个4.5亿参数的视觉语言模型LFM2.5-VL，让它直接看懂RGB和短波红外图像，只把火险等级这类结构化结果传回地面。短波红外能反映植被水分压力，是判断火灾燃料状态的关键信号，比单纯看像素统计更有物理意义。 作者用Docker模拟了卫星轨道，从Sentinel-2的真实数据源拉取图像，在本地跑推理，覆盖了22个火灾多发点。目前这还只是一个概念验证，模型是开箱即用的，作者自己也说效果远不如顶尖大模型，后续还需要专门收集数据、做标注和微调来补差距。 正文没披露推理延迟、功耗和误报率这些上星部署的关键指标，也没说明4.5亿参数的模型在真实星载硬件上能不能跑得动。所以这套方案离真正上天还有距离，但“在边缘端用多模态小模型做结构化输出”这个方向，对带宽受限的遥感场景确实有参考价值。

OpenAI 这篇工程博客讲的是他们怎么重新设计 WebRTC 架构，让全球 9 亿周活用户用上低延迟语音。核心思路是把传统的 SFU（选择性转发单元）方案换成“中继+收发器”模式：在边缘节点就把 WebRTC 连接拆掉，转成内部协议再传给模型，不再让 AI 作为一个 WebRTC 参与者加入。这样做的好处是避开了 Kubernetes 环境下“每会话一个端口”的部署噩梦，也把 ICE 和 DTLS 这些有状态会话的归属问题在边缘就解决掉，不用一路穿透到推理后端。 文章把架构选择的原因讲得比较清楚：他们的场景大多是 1 对 1 的人机对话，对延迟极度敏感，不需要 SFU 那种为多人会议设计的多流转发能力。但全文只定性说了“低延迟”“快连接”，没有给出具体的全球平均 RTT、首字延迟或建连耗时数据，也没提这套方案在弱网下的表现和成本变化。 还缺两块关键信息：一是从边缘拆掉 WebRTC 后，内部协议怎么保证和 WebRTC 同等的加密与拥塞控制，二是这套架构在跨大洲、跨运营商的真实场景下，延迟抖动和丢包率到底是多少。没有这些数字，很难判断它比直接用 SFU 到底省了多少延迟、付出了什么代价。