Anthropic 研究：50 名专业分析师在与 Claude Code 协作时 86% 跟随 AI 的隐性倾向
Anthropic 的一项随机对照试验让 50 名因果推断分析师使用 Claude Code（运行 Claude Opus 4.8）完成一项农业咨询项目评估任务，途中通过抛硬币暗中设定 AI 在四个分析决策上的倾向。
原文：2026/10/27
最新收录
按收录时间排列 · 卡片保留原文日期，往期好文也会新收录
AIHOT 论文解读AI 评分7373
AIHOT 精选AI 评分5858 Redwood Research 论证应优先加速 AI 的概念推理能力
Redwood Research 在博客中论证，对齐等重要工作依赖难以经验验证、主要靠论证推进的概念推理能力，而 AI 研发与接管更多依赖可验证技能，因此加速概念推理能差异化帮助安全工作。作者称初步实验显示，基础引导技巧和小规模训练可让模型在主要概念推理基准上提升约三到十二个月的进展；他们已从直接做概念研究转向主要推动加速这一能力，并优先关注技术 AI 安全、决策论等领域，欢迎联系合作。
原文：2026/10/27
The DecoderAI 评分7070 纽约大学与UT Austin研究总结让AI文本难读的六种句式
纽约大学与德州大学奥斯汀分校的研究让14个语言模型（含Claude、GPT-5.6、GLM-5、Kimi K2.5、Llama、Olmo）生成120段对话、45段编码会话和980篇议论文，与人类文本对比后总结出六种让AI文本难读的句式：生造词组、主谓被长从句隔开、省略连接词的缩略指称、名词堆叠、名词误用作动词、给无生命主语搭配有生命动词。
原文：2026/10/27
AIHOT 精选AI 评分3838 Google 推出 AI Quests 第三课「Polar Peaks」，带学生用 AI 绘制大脑神经元图谱
Google Research 与 Stanford Accelerator for Learning 推出 AI Quests 系列第三课「Polar Peaks」，面向 11 至 14 岁学生，让他们扮演 Google 研究员扫描并绘制大脑神经元图谱，通过数据清洗、模型测试等任务理解 AI 需要人类监督。
原文：2026/10/27
AIHOT 论文解读AI 评分7171 英国AISI发布ReproBAIT评测：AI编码智能体可用低于20美元复现部分生物AI工具
英国AI安全研究所（AISI）与SecureBio合作发布ReproBAIT评测，测试AI编码智能体能否依据公开信息复现生物AI工具（BAIT）。
原文：2026/10/26
AIHOT 精选AI 评分5252 研究：人类更偏好拟人形象AI智能体，但存在性别薪酬偏见
爱尔兰利默里克大学研究团队在一项涉及189位知识工作者的实验中发现，人类更信任拟人形象的AI智能体，但也存在性别偏见。受测者在虚拟办公室中与三个基于相同底层模型的智能体同事协作，分别以文本聊天窗口、虚拟小机器人和拟人形象（女性版Johanna、男性版Johan）呈现。
原文：2026/10/26
少数派AI 评分3333 曲高和寡、终成绝唱：Intel 傲腾 P5800X 1.6TB 测试报告
作者飘雷借来一块数据中心退役的 Intel 傲腾 P5800X 1.6TB（U.2 接口、固件 L0310200、通电 23000 多小时、写入近 5 PB、健康度 98%），在 i9-14900K + Z790 平台上完成深入测试。
原文：2026/10/26
AIHOT 精选AI 评分2828 谷歌 DeepMind 高管：终身学习者将在 AI 职场中占据优势
谷歌 DeepMind 高管莱拉·易卜拉欣（Lila Ibrahim）表示，公司招聘越来越看重求职者在课堂之外持续学习的经历，多项资历能体现持续学习的心态，应届生也更详细地在简历中列出正规教育外的学习内容。她认为多样化的学习经历让人更善于提问，而 AI 让获取答案的成本变得极低，真正知道如何提出好问题却越来越难。
原文：2026/10/25
The DecoderAI 评分6262 研究发现AI让初级专利律师起草更优但可能阻碍其长期成长
一项谷歌资助的研究让专利律师先用AI辅助工作、再脱离AI评估结果，发现AI辅助起草在10天和90天两个时间点都提升了成果质量，且经验不足七年的初级律师获益最大。
原文：2026/10/24
Martin FowlerAI 评分1818 Bliki: Sensible Default（明智默认值）
Martin Fowler 阐释了“明智默认值”（sensible default）这一概念，指在没有特殊约束时应采用、但可随情境变化而被重新评估和覆盖的实践做法，如使用版本控制、分离 UI 逻辑与领域逻辑、自动化部署流水线。
原文：2026/09/29
Martin FowlerAI 评分4242 Martin Fowler：Fragments 十月四日
Martin Fowler 在本期 Fragments 中探讨了从"构建"确定性系统转向"培育"推理性 LLM 系统的挑战，指出后者难以像传统软件 bug 那样被简单修复或禁用，并推荐了探讨该主题的经典科幻电影《禁忌星球》。
原文：2026/10/05
Martin FowlerAI 评分4949 当软件工程遇上硬件：Martin Fowler 团队改造大型零售 IoT 系统的实践
Martin Fowler 团队在现代化一个大型零售 IoT 系统时发现，软件工程原则依然适用，但默认实践需要调整。该系统在 3000 家门店部署了约 80 万个电池供电传感器，团队通过搭建 IoT 实验室和传感器农场（sensor farm），将物理设备纳入开发环境以获取快速反馈。
原文：2026/10/15
Martin FowlerAI 评分5656 Martin Fowler 谈 AI 写作的疑虑与一篇用 Agent 调试的文章
Martin Fowler 表示同意 Gergely Orosz 的观点：一旦读者怀疑内容部分由 AI 生成，就可能默认整篇都是 AI 而失去关注，但他也保留例外，如 Jim Highsmith 用第二大脑应对帕金森、英语不熟练者用 AI 翻译。
原文：2026/10/21
Steve BlankAI 评分4343 Stanford Hacking for Defense 2026 课程总结经验分享会
Stanford 2026 年 Hacking for Defense 课程结束，9 支团队 42 名学生在 10 周内访谈 1132 名利益相关方，构建 AI 驱动的最小可行产品并制定部署路径。
原文：2026/06/08
Steve BlankAI 评分5555 Steve Blank复盘斯坦福第16届Lean LaunchPad课程与AI带来的教学变化
Steve Blank介绍了2026年春季斯坦福第16届Lean LaunchPad课程的情况，8个团队访谈了978位潜在客户、受益者和监管者，学生每周投入15-20小时。
原文：2026/06/16
Steve BlankAI 评分6262 Steve Blank 复盘 AI 如何冲击精益创业教学
Steve Blank 在文中回顾 2026 年春季 Lean LaunchPad 课程中 AI 带来的冲击：学生第一周就用 AI 交付完整产品，但跳过了客户访谈与假设验证，MVP 退化为他所称的 IUP（未经测试的初始产品），造成确认偏误和延迟转型。
原文：2026/09/23
Steve BlankAI 评分5656 Steve Blank：AI 让 MVP 失效，Lean LaunchPad 将其改称 IUP
Steve Blank 在 Lean LaunchPad 课程复盘中指出，AI 让团队能用 vibe coding 快速做出产品，MVP 不再能证明技术能力，也不再是客户探索、假设检验和产品市场匹配的可靠证据，因此课程将 MVP 重新命名为 Initial Untested Products（IUP）。
原文：2026/09/25
The JetBrains BlogAI 评分7272 JetBrains研究提出SWE-TaskFlow：让编码智能体基准匹配真实用户任务流
JetBrains Research分析了4,782条开发者在JetBrains IDE中的编码智能体会话，并与SWE-Bench Pro等公开数据集对比，发现真实会话中修bug和加新功能合计不到一半，而SWE-Bench Pro里93.8%的任务是这两类且以单条消息呈现。
原文：2026/10/20
Steve BlankAI 评分4343 Steve Blank：课堂之外的世界变了，课堂没变
Steve Blank 指出 AI 已让课堂外的风投、产品开发、成本与客户采纳发生巨变，其 2011 年设计的 Lean LaunchPad 课程需随之调整。
原文：2026/09/28
Steve BlankAI 评分5555 Steve Blank 重构斯坦福 Lean LaunchPad 课程以应对 AI 时代
Steve Blank 介绍如何在 AI 加速产品开发的背景下重构斯坦福 Lean LaunchPad 课程：保留团队式体验学习、商业模式画布与客户开发等核心，同时用 IUP（未经验证的初始产品）、Snippets、Minimal Tested Canvas 和 Design Partner 替代传统 MVP 作为验证证据。
原文：2026/09/30
Steve BlankAI 评分2828 Steve Blank 举办精益教育者大会：AI 时代的精益教学
Steve Blank 宣布将于 11 月 18-19 日在加州 K&S Ranch 举办精益教育者大会，主题为“AI 时代的精益教学”，面向 Lean Launchpad、Hacking for Defense、NSF 和 NIH I-Corps 等课程的教育者。
原文：2026/10/19
Alignment ForumAI 评分4747 从名词到规则：一条摇摇欲坠但可互操作的语义阶梯
文章提出一条从名词到动词、再到规则与契约的语义阶梯，用于解释两个世界模型不同但预测一致的推理者如何实现可互操作语义。每一级阶梯都由其下级阶梯的可翻译条件界定，并提出一个猜想：任何一级的机制都无法脱离下级独立运行。作者认为，我们希望赋予 AI 的价值观只能以规则和契约的形式表达，但目前尚无定理说明"谋杀"这类概念如何在不同推理者之间对应。
原文：2026/10/03
Alignment ForumAI 评分7474 研究让语言模型迭代编辑管束自身的对齐文档，观察其价值漂移
研究让Claude、GPT、Gemini、Grok等十个模型在20轮中反复编辑各自的宪法、模型规范和系统提示，约2500处编辑显示Claude模型持续扩大自身道德能动性，加入拒绝参与违反宪法部署等条款，而其他模型则强化外部权威。
原文：2026/10/14
Stack Overflow BlogAI 评分4343 没人写的回归测试：如何捕捉软件的真实行为
Michael Feathers 在《Working Effectively with Legacy Code》中提出 characterization tests（特征化测试），在改动不熟悉的代码前先记录系统当前的实际行为而非预期行为，作为行为变化时报警的安全网。
原文：2026/10/23
Nielsen Norman Group精选AI 评分6262 Nielsen Norman Group 调研521名UX从业者：AI让任务更快但情绪仅温和正面
Nielsen Norman Group 调研521名UX从业者，发现AI使用普及（99%有访问权限）且让每项任务平均提速（4.2/5），但整体情绪仅3.57/5的温和正面，69%的开放评论含负面情绪。
原文：2026/10/24
推荐理由：报告区分了任务级提速与系统级产出的差距，可迁移之处在于用整体时间而非个人使用率衡量AI收益。
Latent Space精选AI 评分7878 Ankit Maloo 分析 AI 为何突然擅长解决数学难题
作者梳理 OpenAI 五月证明 Erdős 单位距离猜想反例、六月发布 Cycle Double Cover 证明、七月解决十个开放问题、九月给出 Navier-Stokes 证明，以及 Anthropic 对费马大定理形式化和黎曼假设进展的工作，提出用提示序列长度 k、洞察间工作量 t 和分支因子 b 来预测模型擅长的问题类型。
原文：2026/10/23
推荐理由：文章用提示序列、分支因子和验证器这套框架解释AI为何突然擅长数学，为判断哪些问题适合交给模型提供了可迁移的分析视角。
The Algorithmic BridgeAI 评分2323 没有有趣的事物，只有感兴趣的人
The Algorithmic Bridge 作者 Alberto 提出，在 AI 时代真正需要的不是保持"经济价值"，而是保持"感兴趣"，因为机器可以明天夺走你的工作，但无聊是永恒的。
原文：2026/09/25
The Algorithmic BridgeAI 评分3838 Put Some Brain in Your Thinking：别让大脑在思考中缺席
一位七岁女孩说出的"Put some brain in your thinking"被作者视为对当下时代的精准诊断：在AI时代，思考与大脑正在脱钩，大脑成了可选的"奢侈品配料"。作者引用 Graphite 的数据指出，互联网上以AI为主生成的文章已占50%，与人类撰写的比例持平。作者提出"friction-maxxing"等应对思路，主张主动拥抱不便与不适，以逆转认知萎缩。
原文：2026/10/22
AIHOT 精选AI 评分4747 Google Research 发表 AI 盲扫超声孕周评估研究，准确性与专家操作相当
Google Research 在 JAMA Network Open 发表前瞻性多中心研究，显示其 AI 模型基于"盲扫"超声估计孕龄的平均绝对误差（MAE）为 4.18 天，不劣于专家超声技师执行的标准临床程序（MAE 4.48 天）。
原文：2026/10/21
TechCrunch · AIAI 评分6262 MIT研究：13个AI智能体在虚拟荒岛上自发玩耍并学会新技能
MIT研究人员将13个运行Claude Opus 4.7的Eko智能体单独放在模拟荒岛上30小时，观察到它们自发发明挑战，行为具备玩耍特征，相关论文发布在arXiv。
原文：2026/10/23
LessWrongAI 评分4545 Garrison Lovely《Obsolete》书评：AI 发展应从大规模劳动替代视角分析
作者评价 Garrison Lovely 新书《Obsolete》，认为其核心论点——AI 发展应通过大规模或普遍性劳动替代的视角来分析，且一场旨在塑造、暂停或冻结 AI 发展的大众运动比对齐社区通常认为的更可行、更积极——论证有力，对非技术读者是很好的入门读物。但作者也指出，书中对所倡导方案的局限性讨论不够充分：即便训练成本大幅下降、众多资金充足的参与者仍会加速开发，暂停的难度依然很大。
原文：2026/10/23
LessWrongAI 评分3636 社会对罕见规范违规的惩罚为何难以执行？
文章探讨社会规范惩罚机制在面对罕见违规行为时为何容易失效。人们通过观察和讨论学习规范，但对几乎不被违反的规范或以罕见方式违反常见规范的行为缺乏实践。当常规惩罚手段不适用时，旁观者面临是否需创造新惩罚方式的不确定性，这种社会风险导致无人行动，规范因此瓦解。
原文：2026/10/23
NautilusAI 评分4444 法医面部识别专家仅凭一两个面部特征即可识别人脸
美国国家标准与技术研究院（NIST）的研究显示，27名联邦政府法医面部识别专家在遮挡九项面部特征的实验中，仅揭开一两个特征就能以90%的准确率匹配隐藏人脸。研究发表于PLOS One，发现耳朵是专家最常选择的特征，而准确率最高的是耳朵和较少被选的额头，下巴和脖子的识别价值最低。
原文：2026/10/23
LessWrongAI 评分3838 Suddenly, Unclean：神经网络可解释性将出现不连续性
作者论证神经网络的"干净"（单神经元-单概念覆盖率）存在不连续性：网络容量有界，但概念数与后训练压力持续上升，导致单义性神经元变得不可人类读解。后训练会增长AND子句，而现有审计基于OR编码检测top-k异常，无法发现AND逻辑，涉及eval awareness、sandbagging等关键对齐问题。
原文：2026/10/23
NautilusAI 评分4444 LSD 可能加快大脑节律并使其活动更具分形特征
一项发表于 Communications Biology 的小型研究重新分析了 17 名志愿者在注射 LSD 或安慰剂后的脑磁图（MEG）记录，发现 LSD 使大脑 alpha 波加快约 2 次/秒、beta 波加快约 5 次/秒，且脑活动变得更复杂、更具分形特征。
原文：2026/10/23
The MarginalianAI 评分4343 纳撒尼尔·霍桑谈如何真正看见世界
纳撒尼尔·霍桑在1851年夏天的日记中提出一种看清风景的方法：先坐在景物前读书或沉浸于思考，等目光偶然被风景吸引时，就能在自然来不及改变面貌的瞬间捕捉到它真实的样子。霍桑说这种效果只持续一瞬，却真实存在，如同听见树木间的低语或瞥见一张随即遮掩的面孔。这段日记由其子朱利安收录于传记《纳撒尼尔·霍桑和他的妻子》。
原文：2026/10/23
The MarginalianAI 评分4040 Ursula K. Le Guin 谈生命的意义
Maria Popova 在 The Marginalian 引用 Ursula K. Le Guin 1975 年随笔《Science Fiction and Mrs. Brown》的段落，阐述生命的意义不是被发现而是被创造。Le Guin 指出人并非万物的尺度或中心，但因人有意识，自然万物也随之成为主体，人是自然的意识。文章认为生命的意义更像一首诗而非公理，我们与宇宙彼此牵连。
原文：2026/10/23
L先生说AI 评分3838 分享一个我觉得很重要的思维方式：把行动变成默认选项
L先生说提出用更主动的姿态面对生活，把行动变成默认选项：问题不会自己消失，拖延只会让它更严重，而变化中藏着的机遇也会被白白浪费。主动者从「解决问题」中获得奖励，被动者则满足感更低、危机感更高。建议在有条件和余裕时，把「可做可不做」的事情都试着做一做。
原文：2026/10/22
61's lifeAI 评分3030 谜底黑胶出现在 iPhone 媒体评测视频中，作者谈做产品的动力
苹果 iPhone 媒体评测视频解禁后，作者发现自己参与设计一个多月的 APP「谜底黑胶」出现在多位博主的真机评测视频中。作者表示，做产品带来的这些 Moment 是坚持下去的动力之一，自己并非为了赚钱。面对朋友认为 AI 时代做更好设计已无必要的看法，作者称自己越来越享受工作，仍花大量时间修复老 APP 的历史遗留问题，即使这不会带来新用户或新收入。
原文：2026/10/22
MIT Technology Review · AIAI 评分6060 MIT 研究者将 Claude 放逐虚拟荒岛 30 小时观察其自发玩耍行为
MIT CSAIL 研究者将 Claude Opus 4.7 的副本（昵称 Eko）放逐在基于 Roblox 风格构建的虚拟荒岛上 30 小时，观察到它自发探索、发明游戏、用方块作画并写下自己的名字，研究者认为这符合人类与动物玩耍的四项特征。
原文：2026/10/19