做教育 AI 产品的可以看看这个实验。Google 让 Gemini 3.1 Pro 驱动的队友故意提错误意见、跟学生吵架,结果这组写出的商业计划书比用普通 AI 工具的对照组高出 7 分。设计思路反常识但数据说得通。
AI in Education and Research
这所高中用 Wi-Fi 信号探测武器,结果把水瓶和活页夹全当成了枪,最后只能停用。想了解无摄像头安检方案真实落地有多难的,这篇的反面案例很典型,做安防或传感方向的人可以看看。
豆包这个面向办公场景的产品三个月做到 800 万日活和 20 亿元 ARR,还能自由切换 Kimi、DeepSeek 这些第三方模型。做企业服务或智能体产品的人都该看看它的计费和模型组合思路,对比飞书、钉钉的 AI 功能很有参考价值。
腾讯财报给了几个实打实的数字:WorkBuddy 日活破 1000 万、日均 Token 超 100 万亿,Hy4 flash 首日就调了 50 万亿次还登上 OpenRouter 榜首。做应用或选模型 API 的开发者可以看看这套 C 端带 B 端的打法,和豆包、DeepSeek 的路线不太一样。
印尼大学校长在 APEC 2026 上直接提醒各国:AI 的发展红利不能只落在少数经济体手里。对关注东南亚 AI 基建、政策走向的人来说,这条发言透露了区域内对算力和人才分配的真实焦虑。
Dash 又整了个狠活:32 KB 代码,不用 3D 引擎、不用多边形,浏览器里直接跑飞行场景。做前端的可以拆开看看它怎么压缩渲染逻辑的,对创意编码感兴趣的人点链接就能玩。
做微调的人可以看看这篇:它把预训练模型自己当噪声老师,只要求高温分布粗略对齐,数据少也能压住过拟合。比标准 SFT 平均相对提升最高 21%,介于 SFT 和蒸馏之间可调,适合数据不够多的后训练场景。
一篇面向科学生成建模的论文:MOSAIC 用随机掩码让分子结构和 UV/IR/Raman 光谱互为条件与目标,一个模型跑通 any-to-any 生成,QM9S 上结构恢复率 88.8%,比最强基线高 23.2%。做分子设计、光谱预测或数据稀缺场景生成建模的研究者值得看它的掩码训练思路。
做神经网络形式化验证的人可以看看这篇。它利用 Bernstein 多项式激活的数学性质做后向可达集分析,连 Half-Cheetah 控制器和 TinyBERT 蒸馏网络这种高维模型都能验证,而现有认证方法在这类规模上基本跑不动。
做教育类 AI 产品的同学可以看看这篇。它没有停在“拒答就完事”,而是按风险分级,灰色问题会转成教学引导再返回,输出还有一道审核。跟只靠对齐训练的方案比,这种外挂防护栏换模型也能用。
这篇评论把 AI 在科研里的价值说得很实在:不是要你变成 AI 专家,而是帮你省下翻文献、做重复分析的时间。做研究或管理研发团队的人可以看看怎么把 AI 塞进现有流程。
微软这次把编程模型的价格打下来了:Code 2 单次任务只要 $0.309,只有 Claude Opus 5.5 的 5%,Flash 还在 DeepSWE 1.1 等三项基准上超过了 GPT-6 Luna 和 Claude Haiku 5.5。已经在用 GitHub Copilot 的开发者和想压算力账单的企业可以直接试,按任务难度分流两个模型就行。
LangChain 团队亲自出镜讲清楚 Agent、Deep Agent 和 Managed Deep Agent 三个概念的差别,这是 Interrupt 工作坊里被问最多的问题。正在用 LangGraph 搭智能体的开发者可以直接对照自己的架构做选型,还能顺带向官方提交下一个想问的问题。
一家刚拿 5 亿美元融资的公司,思路挺特别:先造一只能贴近人手的机械手。你戴个传感器手套干一遍活,它就能学会,连按多用力都记下来。做制造业自动化的朋友可以看看,和 Figure 那些整机人形机器人走的不是一条路。
OpenAI 的 GPT-6.2 Astra 在 AA-3D 上拿了第一,152 次人评对比里赢了 139 次,专测模型做可交互 3D 场景的能力。做 WebGL、游戏原型或网页 3D 内容的开发者可以看看各模型的差距在哪。
Google 把 Antigravity 从写代码的智能体平台扩展到了机器人:接上机械臂,先在 MuJoCo 里仿真练习,再到真机上跑,全程靠对话完成。做具身智能或机器人开发的人可以直接试试这套流程,和以往写 RL 训练脚本的方式相比上手成本低不少。
每月 20 美元的 Plus 就能用上 OpenAI 旗舰模型,Claude Fable 5.2 和 Gemini 4 Carbon 都要更贵的套餐,这是三家里门槛最低的。Astra 干活花的 Token 只有对手的零头,API 还降了 20%,做幻灯片能照截图复刻排版。写代码的可以试试 Sol,分数接近旗舰但花费只有五分之一。
如果你在用 LangChain 做智能体开发,这 3 个概念经常被混着叫,这条视频把它们拆开讲清楚了,答案来自官方团队成员,比自己啃文档省时间。
搞材料科研的可以看看这个:MatOS 把筛材料、找配方、训练模型这些活儿打包成一套开源智能体框架,代码全开放。比起自己写脚本跑单点任务,它能直接编排整条工作流,做二次开发也方便。
阿里这次发的 Qwen4-Max 不拼跑分,直接给了冷却剂发现和药物分子优化两个真实实验室案例,能自己串起仿真和实验步骤。做材料、制药研发的团队可以直接去 Model Studio 调 API 试试。
Answer.AI 把自家团队用来学习新知识的工具 SolveIt 公开了,主打“陪你学”而不是“替你做”,和直接给答案的 ChatGPT 思路不一样。fast.ai 出品,教育基因靠谱,自学党可以试试。
阿里云在越南办了一场 Wan3.0 实操工作坊,教你怎么从提示词做到成片,还能现场产出一部 1.5–2 分钟的短片评选。想做 AI 视频又没摸过完整流程的创作者,这正好是个入门样本,也顺带能看到中国视频模型怎么在东南亚做本地化推广。
Stanford HAI 用自家 Hoffman-Yee 基金资助校内学者,把 AI 用到精准医疗和天文学这两个硬核领域。想看学术界在往哪个方向押注的,可以去官网翻一下项目列表。
OpenAI 这次和智利政府官方签约了,重点在培训公务员用 AI 和扶持本地创业公司。跟 Google、Meta 在拉美的布局不同,这种政府级合作会给当地开发者带来政策便利。关注拉美 AI 市场或想出海东南亚以外新兴市场的人可以看看。
Google 给 Gemini 加了 Guided Learning 模式,它不直接甩答案,而是分步骤引导你搞懂知识点。不用装 app,iPhone 上开浏览器就能用,适合想用手机自学或复习的学生党,和 ChatGPT 的 Study Mode 思路类似。
Stanford 把课程作业直接开源了,跟着做就能用不到 5 美元 API 额度写出一个 Claude Code 风格的 Agent。想搞懂编程助手底层怎么调度模型和工具的,比看博客文章扎实得多。
这份文件披露的做法挺有意思:用 GPT 这类美国模型的输出来蒸馏训练本土小模型。在芯片受限、算力紧张的情况下,这是很多团队实际在用的省钱路线。做模型训练或关注中美技术博弈的人都该看看。
37 位大学老师拿出了他们自信防得住 AI 的考题,结果最好的模型还是答对 83%。文章把老师们的出题套路总结成五种策略并逐一验证效果,想改考试设计的大学老师和学生都该看看,比一般空谈学术诚信的论文实在得多。
Safe AD 之前在五个安全 RL 基准上表现很差,这篇论文用两阶段预算感知教师加 A-Lag 测试时调整,把五个环境的成本全降下来了,回报在四个环境还更高。做安全强化学习或上下文学习的人值得对照原文看实验细节。
这篇论文做了件少见的事:给解释任务装上零误差验证器,看小模型到底学到了什么。结果反直觉——4B 模型在训练策略上 92% 精确,但换 3 个新策略就只剩 48% 最小性,RL 还把策略练反了。做可解释性或微调的人都该看看这组对照数据。