iFeeling Daily

每天精选值得关注的 AI 动态

每天精选值得关注的 AI 动态

AI 快讯

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。

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 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 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 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。

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。

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。

Erik Meijer（Haskell/LINQ/Rx 之父）说现在的 AI agent 就像没系安全带的跑车。他正在用形式化证明给 agent 加装刹车——Automind 框架要求 agent 在执行任何操作前提交机器可验证的证明，从根源杜绝删库、乱报价、装木马。硬核但极度务实。

Theo Browne 在 AI Engineer World's Fair 闭幕 keynote 里喊话：模型都能编排了，你还搁那折腾 Git 和终端？他拿 iOS 拟物化转型做对比，提出新分层法——小需求用 Markdown+cron 搞定，大项目直接对标 AWS。不换思路就别玩了。