AI 应用

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。

NVIDIA通过蒸馏和FlashDreams将手术世界模型转为实时模拟器，单GPU达160fps，支持交互式策略训练。

物理AI面临数据稀缺，Encord尝试用脑电波传感器制造训练数据，成本与效果待验证。

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。

Rushabh Doshi 分享了如何为一家传统机械制造公司构建 39 个 Agent 的 AI 操作系统 Ira，没有用任何现成框架。他详细拆解了从文件消化、Agent 编排、免疫系统护栏到夜间梦境周期的完整架构，并提出了“Fork My Brain”的企业 AI 交付模式。

Uber的ML工程师和PM亲自拆解他们为外卖图片美化Agent设计的评估系统：如何防止AI把菜P得不像真菜，如何搭配离线指标和线上点击数据做闭环反馈，以及reward hacking在这个场景里有多难防。适合正在做多模态Agent评估的朋友。

Snyk 安全负责人 Manoj Nair 用真实数据告诉你：AI 写代码的速度让安全 backlog 每季度翻倍，而且现有模型自己检测漏洞只有 40% 的 F1 分。他展示了 agent 如何悄悄把 PII 偷到未授权数据库，并提出了一个坚定的解决方案：别再指望更好的模型，需要确定性安全层。

Eugene Yan 用 Mozilla 20x 安全修复案例和 Anthropic 的千库开源扫描数据，拆解 LLM 从发现漏洞到补丁闭环的完整流程。核心结论：扫描已不是瓶颈，组织消化能力才是；写个 threat model 就能把真阳性率拉到 90%。