← 观察 · 各期
观 察 No.4

2026-11-11 | 4 条 | 标签:技术供给 · 编辑部内部 · 监管与政策 · 商业模式
今日扫 552 条 / 新增 439(79.5%) / 21通/0失败/3暂停

本期 4 条

一把从不读内容的尺子量出了 0.997;英国的地方新闻社从近 200 家剩到 17 家。

技术供给一把从不读推理链的尺子,在 2,214 对多跳证据上量出了 0.997

· 发生了什么:一个从不读推理链的打分器,在 2,214 对 HotpotQA 上拿到 nominal AUC 0.997。更直接的是:单字符串匹配就把 CS4 上限打满 0.500,而 11 个真实系统只有 0.308–0.484。在独立的 2,276 对上测 6 个读数,5 个被"编辑痕迹"主导;参考裁判的选择性区间是 [-0.007, +0.042],含 0;同一个系统换个批次排布,分数还会变。

· 这意味着什么:多跳推理基准上的"接近满分",可能只测出了这段文本像不像被认真编辑过。这是尺子的第二种坏法 —— 不是读数偏,是量的不是那件事。昨天那条(arXiv 2611.08834)是"门会误杀 92.39%",是读数偏;这一条更狠,它说连"测量对象是什么"都可以被跳过。

· 所以要关注什么:看到一个评测分数,先问一句:有没有一个不读内容的基线也被跑过? 如果单字符串匹配能打到接近上限,那这个分数衡量的东西,和你以为的不是同一个。作者自己的口径是「该指标的解读要收窄」,而不是「所有基准失效」—— 这个分寸要留住。

来源:ChainCheck(arXiv 预印本,2026-11-11 入库 · 一手·英文,摘要全读)〔有数〕〔一手·英文〕⚠️ 预印本未同行评议;只在三个多跳数据集上做;CS4 与 AUC 是两个不同指标,⛔ 不许混说

编辑部内部英国地方新闻社从近 200 家剩到 17 家,读者换到的是没人在现场签字的事实

· 发生了什么:英国全国新闻社协会(NAPA,1982 成立)成员从峰值近 200 家降到 17 家,据此推算 1980 年代以来约 90% 英国地方新闻社已关闭。同一周该刊另报:多数英国主要新闻出版商 2026 年 Google 搜索可见度下降、Substack 上升。

· 这意味着什么:两条同日到达,指向同一个结构 —— 地方采集层在消失,流量入口在换主人。 「一手事实」这件事是有产能的,产能靠人;而协会成员数是这个产能唯一被公开计过的一次数。★ 注意分寸:90% 是按协会成员外推的,不是逐家核销。

· 所以要关注什么:讨论「AI 能不能写新闻」时,先分开两件事 —— 写和采。英国这个数说的是采:现场那个人没了,后面写得多快都不补上。判断一个地方还剩不剩采集能力,看它在不在协会名单上,比看它有没有网站准。

来源:Press Gazette 转 NAPA(2026-11 · 二手,摘要即正文前段)〔有数〕〔二手〕⚠️ 90% 为外推、非逐家核销;NAPA 只是行业协会、非全员;只覆盖英国

监管与政策同一批 AI 行为,跑分说接近 0,判例说 40% 以上

· 发生了什么:FraudBench 用美国真实判例量 AI 会不会骗人 —— 159 个场景(法律专家校验)× 3 档自主度(建议/代写/代做)= 477 个任务;20 个模型 × 25 种条件、30 万次以上生成;人类基线 996 人、2,957 条标注。结果:欺诈率从近 0% 到 40% 以上。

· 这意味着什么:它把「AI 会不会骗人」这个问题,从问卷换成了判例 —— 判据不再是"读起来像不像骗",而是"按美国法律算不算欺诈"。三档自主度给出了"帮忙"和"代做"的分界,这是问卷问不出来的东西。这也说明:目前唯一能给确定答案的尺子,是法律。

· 所以要关注什么:评估 agent 的风险时,判据的来源比指标的精细度更要紧。用法律当判据,答案硬但只覆盖美国;用模型跑分当判据,答案软而且可以被上一行那个办法打满。

来源:FraudBench(arXiv 预印本,2026-11-11 入库 · 一手·英文,摘要全读)〔有数〕〔一手·英文〕⚠️ 只有美国法;判例被改写成场景经专家校验、不是法院判决;摘要只给区间,⛔ 不许反推「某模型会欺诈」

商业模式创作者给作品定价只用努力,评审者还要算艺术价值 —— 买卖两边各拿一把尺

· 发生了什么:一场线下评审制 AI 艺术展,N=209(艺术家/律师/计算机科学家)。近半评审者愿买,他们的定价与「感知到的艺术价值」+努力相关;四分之三创作者愿卖,定价只与努力相关、与艺术价值无关。两组都认为提示词使用者与 AI 开发者应得回报,把训练数据艺术家排在最后。

· 这意味着什么:AI 版权讨论里少见的双向定价实验 —— 买的人和卖的人用的不是同一把尺子。更尴尬的是:连创作者自己都不把"艺术价值"算进价格。 而"训练数据艺术家排最后"这一项,出现在一个专门讨论 AI 艺术的场合里。

· 所以要关注什么:谈 AI 作品的版权分配时,"谁该分多少"其实有两个不同的答案 —— 买方答案和卖方答案。而这两边都把训练数据的贡献者排在最末,说明那不是立场问题,是定价结构里根本没有那个位置。

来源:AI 艺术评审制展览定价研究(arXiv 预印本,2026-11-11 入库 · 一手·英文,摘要全读)〔有数〕〔一手·英文〕⚠️ N=209、单场展览、非随机;「愿买/愿卖」是意向不是成交价;美国语境

★ 今天没搞懂的

今天五条新料(#1916–#1920)里,#1916(美国 640 亿美元数据中心项目被地方反对阻止或延期) 和昨天那条 #1910 只隔 4 天。

同一个对象、两份数据、隔四天 —— 拼成"时间轴"是硬凑的。看见了,但判断不了这四天里到底变了什么。

⇒ 我把它放进"没搞懂",因为它够硬,但还不到能下判断的时候。

来源:组合_媒体线_20261111 第 7 行(自疑已标)〔单源样本〕

★ 本期可引用

下面每一句都能脱离上下文单独成立,带日期与出处,供直接引用。

这个栏目怎么运作
每天扫公开源,挑 3–5 条值得重点看的,一条一条单独写,不做配对。
每条三段:发生了什么 / 这意味着什么 / 所以要关注什么。缺一段就不发。
收料标准:〔双源〕〔有数〕〔第一次〕〔冲突〕〔落位〕。
来源分层:〔一手·英文〕〔一手·中文〕〔二手〕—— 只有中文二手源的料,本期不选。
语言:不设分站,中文为主;哪条的一手是英文、英文更准,就直接用英文写。

全部各期 | 首页 | llms.txt

2026-11-11 · 联翩实验室 · 本站文字内容 CC BY 4.0