iFeeling Daily
每天精选值得关注的 AI 动态
GH-ESD：面向实例级视觉任务的假设驱动错误切片发现
论文提出GH-ESD框架和GESD基准，在实例级错误切片发现上Precision@10达0.73。
Enigma 获 7000 万美元种子轮，要让机器人控制像调音量一样简单
Enigma 拿到 7000 万美元种子轮，让全球用户远程控制 100 多个机器人，目标是把人机交互做到像调音量一样直觉化。
AI 如何改变人们的工作内容
新研究揭示了 AI 正在如何重塑工作边界：超四成职业特定任务正在被跨领域完成。
如何看待新一轮中国AI恐慌？
硅谷对中国AI模型新一轮恐慌本质是周期性的保护主义表演，背后是少数大厂想借监管关门。
DeepSWE: 抗污染的编码基准测试详解
DeepSWE 基准测试用 113 个原创任务彻底区分了模型真实编码能力。James Shi 展示了 Claude 和 GPT 在任务上的显著行为差异，并解释了怎样设计验证器才能防止作弊。适合关心模型评估和编码 agent 的开发者。
SonderMind：评估驱动开发构建心理健康AI教练
SonderMind 工程师详细拆解了如何为心理健康 AI 构建评估驱动的开发流程：模块化 guardrail、临床反馈循环、治疗师标注转化成 CI 中的 eval，并开源了 300 个经临床审查的测试场景。对构建安全 AI 应用极有参考价值。
Monday.com 最新因AI裁员，另有20家科技公司
Monday.com 裁员600人加入AI裁员潮，FT分析显示引用AI裁员的公司股价跑输纳指10%，而AI公司却在抢人。
视频评估不靠打分：成对比较才是出路
Character.ai 的 Maor Bril 揭秘 AI 视频评估的坑：CLIP 评分抓不住帧间漂移，人工看片不靠谱。他们放弃打分、改用成对比较，训练 Qwen3-VL 裁判在 CI 管道里拦 slop，比跑完再修便宜得多。
从研究到现实：DeepMind VP谈代码生成与模型推理
Benoit Schillings 在 DeepMind 演讲中直指核心：代码生成不再是瓶颈，架构和验证才是。他揭秘 DeepMind 正在用自对弈训练更聪明的模型，并提出未来模型需要具备规划和迁移知识的能力。如果你关心 AI 如何从研究走向真实应用，这 20 分钟干货满满。