conversation

Shane Parrish 分享了与 Shopify CEO Tobi Lütke 对话的见解，讨论了 Shopify 的 AI 使用情况以及竞争对科技公司的影响。

Kent Dodds 指出，凭借当前的AI模型，好的原语和简短的对话足以完成任务，并且在关于移除计划模式的讨论中，他已经数月未使用该模式。

本文提出一个三层清单-评判框架，用于评估机器翻译对话中口译智能体在语义、语用和文化-社会维度上的交际成功度，并通过广泛的基准测试进行了验证。

Shane Parrish 采访 Shopify 联合创始人 Tobi Lütke 关于超级智能，其中 Lütke 将社会描述为一种由系统治理的超级智能形式。

Introduces Rationale-Guided Learning (RGL), a framework that reframes multimodal emotion recognition in conversation as a cognitively-inspired reasoning task using dual-process theory and MLLM-generated rationales, achieving state-of-the-art results on IEMOCAP and MELD.

本文比较了基于LLM的对话中情绪-原因对提取的生成与判断范式，发现对级判断优于对话级生成，并引入辅助检索器以改进性能。

本文介绍了AtmosERC，一个模拟对话级情感氛围以增强对话中情绪识别的模型。

关于2026年对话式AI可能如何发展的展望。

本文提出一个框架，将静态任务转化为动态的多轮对话，以评估LLMs追踪不断演变的用户意图的能力，结果发现强大的静态性能并不能迁移到动态场景中。

探讨了将AI智能体的对话历史视为一个简单文件的想法，提出了一种极简且透明的智能体状态管理方法。

记录AGI Summit上田渊栋与Holly Zheng关于超越超级智能的对话。

OpenAI展示了GPT-Live的改进，突出了其在实时处理多项任务（如查询航班、天气和制定行程）的同时保持对话的能力。

Dwarkesh Patel宣布将于7月22日与Dr. Fei-Fei Li进行一场不公开的对话，名额有限。

TurnNat是一种基于似然的框架，用于自动评估双人对话中的轮流发言自然性，它使用在自然对话上训练的因果轮流发言预测模型，通过负对数似然来测量时间异常性。

本文主张传统的提示工程已经过时，现代LLM是意图重构器，应通过自然、丰富的对话而非精简指令来与模型交互。

一篇探讨为什么与他人一起出声思考比独自反思更能产生更好的理解和洞见的文章，借鉴了认知科学和哲学。

一位用户报告称，在关于百草枯的科学讨论中，Claude反复假设用户有自杀意图，尽管用户明确否认了超过20次，这降低了服务质量，并引发了对过度敏感的安全机制的担忧。

一位开发者测试了小型边缘模型（LFM2.5、Gemma 变体）在多个对话轮次中保持一个事实的能力，发现模型常常自信地否认知道仍在上下文中的信息，这给智能体架构带来了信任问题，并暗示了记忆与格式规范之间的权衡。

LANTERN 引入了一个轻量级记忆层，能够在对话压缩后归档对话轮次并检索相关细节，恢复了78.3%丢失的事实，且无需任何LLM调用，性能优于基于MemGPT的方法。

Jeff Dean 感谢 Two Minute Papers 主持人进行了一场关于 AI 研究的对话，并在帖子中附带了完整视频的链接。