iFeeling Daily
每天精选值得关注的 AI 动态
Fortress：通过时序数据增强与特征剪枝稳定搜索推荐
搜索推荐系统最头疼的不是精度不够，而是今天好用明天崩盘。苹果这篇实战论文直接告诉你，问题出在输入特征的时间不稳定性上，并用一个叫 Fortress 的四步法，优雅地剪掉了那些最会“捣乱”的特征，让模型效果既准又稳。
阿尔伯塔省政府用Claude发现并修复网络安全漏洞
阿尔伯塔省政府用Claude Code在20小时内扫描了4.66亿行代码，完成了相当于6.5年的安全审计，还顺便把25年前的Java门户重写了一遍。这不是未来，是已经落地的现实。看他们怎么用AI agent把政府IT的维护从灾难现场变成可控流程。
搜索技术的未来：从关键词到智能推理
Tom Tunguz 拆解了搜索技术从关键词到语义再到Agent的进化路径，点出了当前系统在意图理解和实时执行上的硬伤。混合搜索加MCP协议的架构让检索准确率提升的同时延迟降到毫秒级，值得每个做AI应用的人细读。
AI的世界观：价值观差异如何影响模型选择
《经济学人》用世界价值观调查测试了25个前沿AI模型，发现它们的价值倾向差异惊人——实验室出身不是关键，训练数据与后训练对齐才是。对于代码生成无所谓，但用于商业决策时，模型的世界观会成为隐形的输入，采购时不应忽视。
LeRobot v0.6.0：想象、评估、改进
LeRobot v0.6.0 把机器人学习的闭环真正打通了：世界模型策略在训练时学会想象未来，推理时零成本；奖励模型自动判断成败；部署时出错的瞬间就能采集纠错数据，直接用于下一轮训练。整个流程就像装上了飞轮。
Claude Code 实际使用中的关键发现
Anthropic 用近40万次真实会话数据证明：用 AI 写代码，决定成败的不是你会不会编程，而是你对自己要解决的问题到底懂多少。专家级用户的一条指令能换来12步自动化操作，新手只有5步。程序员和其他职业的成功率差距仅5%，但“外行”在面对专业问题时照样吃瘪。AI 没有消灭专业壁垒，反而让领域知识更值钱了。
Project Fetch 第二阶段：Claude 自主操控机器人，速度碾压人类
Anthropic 复刻了去年的机器人取球实验，结果 Claude Opus 4.7 单干比人类团队快 10 到 37 倍，代码量还少了 90%。这不是专门优化的结果，而是通用 scaling 的副产品，暗示大模型向物理世界渗透的拐点正在逼近。
Claude使用节奏：Anthropic经济指数报告
Anthropic的最新经济指数报告通过高频采样和用户调查，还原了Claude使用的真实节奏：每天什么时段问什么、周末跟工作日差多少、高价值任务消耗token更多。最反直觉的是，越放手让AI自动完成任务的用户反而对未来工作越乐观。
社会影响研究：AI在现实世界中的使用与对齐
Anthropic社会影响团队通过分析数百万次真实人机交互，揭示了AI在现实中的价值观表达和人类对自主性的授予规律，为AI安全和政策提供了一手实证数据，而不是空谈框架。