human-AI collaboration · AI news

Products BuildersMulti-source01:35

Chinese contentCursor 更新支持多人多 AI 协同：跨用户 Agent 可直接通信协作

Cursor 这次更新的核心是跨用户 Agent 直接通信：你的 AI 能直接跟同事的 AI 谈接口需求，不用人来回传话。对比之前各家主打的单人 Agent 工作流，这是把协作网扩展到多人多 AI。做多人协作开发的团队值得看。

#Cursor #MultiAgent #coding assistants #human-AI collaboration

Event

AIGCLINK@aigclinkSource

Papers12:02

Chinese content研究提出在无 ground truth 场景下度量人机互补性的新方法

做医疗 AI 评测或人机协作研究的人可以看看这篇。它绕开了“必须有标准答案才能算互补性”的限制，用多准则决策分析给无 ground truth 的任务打标签，方法讲得很细，可以直接借鉴到自己的评估设计里。

#human-AI collaboration #medical AI #papers

arXiv cs.AI@Andrea Ferrario et al. (3)Source

Papers Builders10:51

Chinese content研究提出人机分类决策模型：相关性忽视与信任如何影响AI辅助效果

这篇论文解释了为什么更聪明的 AI 有时反而帮倒忙：人会重复计算重叠证据。还用 ChatBench 数据拆出了两种损失各占多少，量化很扎实。

#GPT-4o #Llama-3.1-8b #ChatBench #AI safety

arXiv cs.AI@Dingwen Kong et al. (6)Source

Papers Builders03:00

Chinese content研究探讨智能体与人类专家协作优化系统性能

这篇论文有点意思：智能体加专家协作优化系统，居然发现人类的直觉反过来成了天花板，做系统调优的值得看看

#agents #human-AI collaboration #Dylan Patel

Dylan Patel (SemiAnalysis)@dylan522pSource

How-to Builders00:42

Chinese contentGPT-6 与 Claude 协作破解 1988 年混沌网络难题全流程拆解

看完你会知道 GPT-6 和 Claude 在数学研究里各自能干什么，误差放大利雅普诺夫谱都讲得清楚，适合想做 AI 辅助研究的人。

#GPT-6 #Claude #human-AI collaboration

王树义@wshuyiSource

Papers13:26

Chinese contentAutoAnalysis：自动更新的人机协作元分析上线

arXiv 上一个自动元分析系统，已经汇总了 420 篇人机协作论文，结论挺反直觉：人机搭配打得过人类单干，却打不过 AI 单干。

#human-AI collaboration #AutoAnalysis

arXiv cs.AI@Michelle Vaccaro et al. (3)Source

How-to Builders00:23

Chinese contentJudit Polgár 的国际象棋教训：过度信任 AI 计算而放弃直觉，导致输棋

女子世界第一棋手亲述：信了电脑算法反而输棋。她怎么平衡直觉和 AI，对日常用 AI 做决策很有参考。

#Judit Polgár #human-AI collaboration

Techsauce@ Techsauce Team Source

Papers Builders06:44

Chinese content研究：专家使用 AI 智能体时判断会被其立场左右

做研究或决策的朋友注意：专家用了 AI 智能体后判断会悄悄被带偏，哪怕自以为独立。想保住自己判断的，先看这篇再决定流程里啥时候用 AI。

#AI safety #agents #human-AI collaboration

Ethan Mollick@emollickSource

Papers Builders18:25

Chinese content研究显示医生专业水平影响人机协作诊断中的自动化偏倚

医学生和做医疗 AI 的都该看看：这篇 npj Digital Medicine 论文用新生儿气腹诊断做实验，发现资历不同的医生被 AI 带偏的程度不一样。

#medical AI #human-AI collaboration #npj Digital Medicine

npj Digital Medicine@Hee Mang YoonSource

Papers BuildersMulti-source11:57

Chinese contentClaude Opus 5.5 找到环 Petri 网活性问题的 coNP 完全性证明

几个计算复杂度的公开问题被 Claude Opus 5.5 找到了归约证明，人只负责验证和修改，这篇论文本身就成了人机协作做数学的案例。

#Claude Opus 5.5 #chip-firing #human-AI collaboration

Event

arXiv: Anthropic@Eike Best et al. (4)Source

Papers Builders15:50

Chinese content临床医生与AI判断分歧事件的价值如何被记录和利用

医生和AI意见不合时，现在的系统只存结果不存过程。这篇 npj Digital Medicine 的文章提出把分歧记录下来，对做医疗AI的人来说思路很新鲜。

#human-AI collaboration #npj Digital Medicine

npj Digital Medicine@Charles E. BinkleySource

Papers Builders09:37

Chinese contentRLHF 用于人机协作的首篇综述：20 篇文献梳理与 VR 反馈时机实验

机器人版 RLHF 怎么做？这篇综述梳理了 20 篇文献，还用 VR 实验证明让用户主动给反馈比系统定时收集更靠谱。

#RLHF #human-AI collaboration #PRISMA

arXiv cs.AI@Alexandra Coroiu et al. (6)Source

Products Builders00:37

Chinese contentDestro AI让机器人和人类协作

Destro AI不把自己定位为机器人公司，而是专注于人机协作，这种独特视角值得关注。

#Destro AI #robots #human-AI collaboration #agents

techcrunch@Tim FernholzSource

Industry Builders19:32

Chinese contentAI开始提出自己的科学问题

Amy Marcus探讨AI自主提问对科学研究的颠覆性影响，重新定义人机协作模式。

#AI #human-AI collaboration

The Information@theinformationSource

Papers BuildersSelected11:15

RACER Framework Routes Queries Between AI Models and Human Experts

Compared with L2D-Pop and IFD, RACER captures instance-level expert specialization without class-identity shortcuts, a practical design for medical AI triage systems that must route chest X-rays between models and radiologists.

#RACER #learning to defer #human-AI collaboration

arXiv cs.LG@Joshua Strong et al. (6)Source

Industry04:44

Chinese contentAI在旅游行业的局限与人类价值

Klook解释了为什么AI越强大，人类导游的价值反而越重要，旅游体验需要情感连接。

#Klook #AI applications #human-AI collaboration

GenkSource

Papers07:38

Chinese contentSALT Lab研究人机协作

SALT Lab研究发现人机协作中超过一半的任务影响深远，想了解具体研究吗？

#SALT Lab #human-AI collaboration

Official accountAnthropic@AnthropicAISource

Papers10:55

Chinese content系统工程师提出人机协作模型优化方案

系统工程师讲了怎么优化大语言模型操作，能解决错误留存难题，和普通工具用法不一样。

#LLM #human-AI collaboration

arXiv cs.AI@George AndrikopoulosSource

PapersMulti-source11:40

Chinese content生成式AI治理：人类指导与工作导向研究

Anthropic这篇研究揭示了人类如何指导AI任务，工作导向与指定委托的关系，以及不同使用模式的差异。

#Anthropic #Claude #AI governance #human-AI collaboration

Event

arXiv: Anthropic@Jorge FábregaSource

Industry09:25

Chinese contentNEC成立全AI员工部门，验证人机协作新模式

NEC搞了个全AI员工部门，从主管到员工全是AI，真人只管质量。AI还能自己开会提意见，核心操作快7倍。想看看人机协作怎么玩，这篇值得看。

#NEC #enterprise AI #human-AI collaboration

IT之家Source

How-to Builders01:45

Chinese content恐惧与好奇都会被AI放大工程师全交agent后工作量没减

推文把用AI的心态讲透了，恐惧和好奇都会被放大。一个工程师把活全交给agent后，工作量没减难度反升，现实。

#Tesla #agents #coding assistants #human-AI collaboration

向阳乔木@vista8Source

Papers11:31

Chinese contentSWE-Touch：当用户改动代码时，编码代理的基准测试

编码代理平时跑分很强，但用户中途改代码就露馅。SWE-Touch实测9个模型，成功率平均掉7.7个百分点，原因挺有意思。

#SWE-Touch #SWE-bench Verified #Counter-Edits #coding agents

arXiv cs.AI@Yuqiao Tan et al. (7)Source

Papers11:20

Chinese contentAI队友的社会成本：小团队决策中人类沟通的转变

这篇论文用实验证明了跟AI组队会让人类队友之间沟通变少、归属感下降。别光看AI多能说，它抢了你的存在感。

#AI teammate #human-AI collaboration

arXiv cs.AI@Nia Nixon et al. (7)Source

Papers11:19

Chinese contentCE-CM: 面向临时团队合作中任务无关适应的合作伙伴能力估计方法

研究团队提出了CE-CM和CE-CM-Div两种能力估计方法，能让AI在未知合作伙伴能力时快速适应，还考虑了人类行为多样性，看模拟和真人实验结果都挺有说服力的。

#CE-CM #Ad-hoc Teamwork #human-AI collaboration

arXiv cs.AI@Peter Tisnikar et al. (5)Source

Papers Builders10:54

Chinese content评估电子表格智能体的计划模式：用户研究表明减少调整并提升协作感知

这篇论文告诉你，在电子表格里用计划模式（Plan Mode）能少改几遍代码，协作感还能变好。不是玄学，是有24人验证过的。

#Plan Mode #Spreadsheet Agents #human-AI collaboration #coding assistants

arXiv cs.AI@Aayush Kumar et al. (6)Source

IndustryOfficial18:33

Chinese contentOpenAI研究：AI如何扩展员工工作内容

OpenAI出了份真实用户数据研究，讲ChatGPT怎么让员工跨岗干活的，挺开脑洞。

#OpenAI #ChatGPT #human-AI collaboration

Event

Primary sourceOpenAI BlogSource

Papers11:26

Chinese content自动化的边界：人类持续参与的理论

这篇论文从哲学和理论层面分析了为什么有些事AI再强也替代不了人，不是技术不行，而是目标本身就得人参与才能定义。看完会重新理解自动化的真正边界。

#automation #human-AI collaboration

arXiv cs.AI@Fares Fourati et al. (4)Source

Papers09:33

Chinese content检测人机协作文本中LLM生成的Token

这篇论文给了一个新方法，能精确找出LLM写的片段，不用提前标注，比现有文档级检测更细。

#LLM #human-AI collaboration

arXiv cs.AI@Yangjun Lu et al. (6)Source

Papers09:35

Chinese content人、机器与杰作：AI时代的艺术所有权

这篇论文提出了一个叫ArtSplit的讨论工具，帮你理解AI协作创作时所有权到底该归谁，跟艺术家们聊了聊，发现简单量化行不通。

#ArtSplit #human-AI collaboration

arXiv cs.AI@Sofi Gjing Jovanovska et al. (5)Source

IndustryMulti-source17:18

Chinese content亚马逊仓库自动化遇阻：管理层无视AI排班建议

亚马逊想用AI排班省几亿美元，但仓库经理不买账，直接关系统。内部矛盾挺有意思，看看机器和人的博弈。

#Amazon #human-AI collaboration

Event

IT之家Source

Papers Builders09:53

Chinese contentGitHub项目对代理编码工具的早期采用研究

这篇论文用两千多个仓库的真实数据告诉你，小项目反而更爱用AI写代码，但整体上大家用得还不多。想了解实际项目怎么管AI贡献的可以看看。

#GitHub #Agentic Coding Tools #human-AI collaboration #PR

arXiv cs.AI@Maliha Noushin Raida, Daqing HouSource

Papers09:57

Chinese contentLOGOS：一种让AI智能体团队与人类共同进化的活逻辑

这篇论文提出了LOGOS，一个让AI团队自我进化同时受人类控制的框架。它不替换现有系统，而是增加了治理层，确保问责。

#LOGOS #human-AI collaboration #multi-agent systems

arXiv cs.AI@Yuma Ichikawa et al. (5)Source

How-to Builders23:25

Chinese content当模型足够强，瓶颈是人的表达能力

这条推文点透了：别再只追新模型了，提升自己提需求的能力才是正经事。

#prompt engineering #human-AI collaboration

向阳乔木@vista8Source

Papers11:34

Chinese content人力资本而非模型基准决定人机协作预测表现

别总盯着模型分数，人怎么用AI才是关键。这篇论文发现，能跟AI互补的人靠的是好奇心而非高智商。

#Polymarket #human-AI collaboration #papers

arXiv cs.AI@Vivienne MingSource

Papers09:38

Chinese content人机团队有哪些类型？53篇论文归类5种团队形态

这篇论文帮你理清了人机团队到底有几种类型，看了53篇文献给你分了5类，读完就知道不同研究到底在聊什么、结论能不能通用。

#papers #human-AI collaboration

arXiv cs.AI@Nathan Hughes, Ibrahim HabliSource

Industry01:37

Chinese content持续学习是AI大规模采用的最大障碍

这篇讨论点出了很多AI产品落地卡在哪：模型学不会新东西，每次都要人来教。想避开跟风炒作，先看懂这个根本问题。

#continual learning #recursive self-improvement #human-AI collaboration

Ethan Mollick@emollickSource

Papers10:02

Chinese content通过视觉分析理解人类如何向机器学习工作流注入知识

这篇论文梳理了200多篇VIS4ML论文，告诉你人在机器学习中怎么用可视化注入知识。想了解人机协作的路径和原理，这篇综述是很好的起点。

#VIS4ML #human-AI collaboration #IEEE VIS

arXiv cs.LG@Yiwen Xing et al. (9)Source

Industry72°10:43

Chinese contentKarpathy：Claude新交互范式是LLM UI/UX第三次重大重新设计

Karpathy发了条推，说Claude现在可以像团队同事一样跟你干活，比当网站或App好用多了，建议看看他的新思路。

#Claude #Andrej Karpathy #agents #human-AI collaboration

AI Will@FinanceYF5Source

Papers10:52

Chinese contentHi-Seg：人机协作实现肺结节分割，Dice近85%

这篇论文用SAM加人工迭代的方法做肺结节分割，Dice近85%，比13种SAM变体都强，非医学人员培训后也能干医学标注的活。

#SAM #Hi-Seg #human-AI collaboration #medical imaging

arXiv cs.AI@Hongqiao Dong et al. (12)Source

How-to Builders03:03

Chinese contentLangChain：团队大规模构建智能体需要可重复的生产流程

LangChain总结了团队构建多个智能体的核心痛点：成本、权限、版本控制、监控等，全是实战干货，适合正在做 Agent 上线的团队参考。

#LangChain #agents #MCP and tools #human-AI collaboration

Event

Official accountLangChain@LangChainAISource