00:04Microsoft Research@MSFTResearch微软研究团队分析了500万次M365 Copilot对话,通过视频和报告展示了员工实际使用AI的方式。Scott Counts在视频中解读了关键发现,涵盖会议总结、文档起草、邮件撰写等高频场景。该分析基于真实工作数据,揭示了AI在提升生产力和协作效率中的具体作用。行业M365 Copilot微软工作场景AI使用分析研究推荐理由:微软用500万次真实对话告诉你,同事到底在拿AI干什么——不是炫技,全是写邮件、做会议纪要这些日常活。原文
14:15Jerry Liu@jerryjliu0Jerry Liu(LlamaIndex 创始人)和 Robert Yang(Fundamental 创始人)在 X 上分享了将研究与产品结合的巨大挑战。Jerry 指出,传统产品开发强调快速迭代、MVP 和客户反馈,而研究需要长期专注、忽略客户噪音以追求通用洞察。Robert 以自身经历为例,讲述了他们最初做 Minecraft 智能体时,误把研究当产品卖,导致低留存且未开源;后来做计算机使用代理时,又因产品过于接近研究而失败。两人一致认为,平衡客户需求与核心研究目标极其困难,但 LlamaIndex 等团队必须同时做好两者。行业创业产品化研究LlamaIndexFundamental1 个信源在谈推荐理由:做 AI 创业或技术产品化的人,这篇能帮你避开「把研究当产品卖」的坑——两位创始人用真金白银的教训告诉你,为什么论文里的 SOTA 和用户留存是两回事。原文
04:27Perplexity@perplexity_ai83°Perplexity AI与哈佛大学联合发布了一项关于从聊天界面转向自主Agent(如Computer)的研究。为期3个月的研究显示,使用Computer的工人完成任务的时间比仅使用搜索减少了87%,成本降低了94%,且满意度更高。该研究强调了自主Agent在提升工作效率和降低成本方面的巨大潜力,为AI应用从对话式向自主执行转变提供了实证支持。AI产品自主AgentPerplexity效率提升研究企业应用推荐理由:这项研究用数据证明了自主Agent比传统搜索效率高出一个量级,做AI产品设计或企业效率优化的团队值得关注,可以直接参考其方法论评估自己的Agent方案。原文
11:05berryxia@berryxia一位研究者(黄总)深入剖析了Claude Workflow的底层核心设计,指出其在实际应用中不仅需要大量人工打磨,还消耗大量Token。这项研究为希望在自己的项目中引入类似工作流的开发者提供了宝贵参考。作者强调,即使自己不精通,AI也能完成任务,体现了AI辅助开发的实用价值。AI产品Claude工作流Token消耗AI辅助开发研究推荐理由:如果你正在探索Claude Workflow的落地,黄总的研究能帮你避开费人费Token的坑,做AI工作流的开发者值得一看。原文
21:30The Rundown AI@therundownaiGoogle 的 AI 系统成功解决了九个长期未解的数学难题,标志着 AI 在数学推理领域取得重大突破。这些难题曾困扰数学家多年,AI 的解法可能为数学研究开辟新路径。该成果展示了 AI 在复杂逻辑和抽象推理方面的潜力,对数学、计算机科学等领域具有深远影响。AI模型GoogleAI 数学推理未解难题突破研究推荐理由:数学和 AI 研究者值得关注——Google AI 破解未解难题,可能改变数学研究范式,建议点开了解具体突破。原文