effort

eieio.games的这篇文章探讨了LLMs如何削弱了在创造性和技术性工作中衡量人类努力的能力，影响了我们评估质量的方式，并给开源和在线项目带来了新的挑战。

一位软件工程师讨论了与队友分享AI生成内容时的礼仪，提出了一个原则：当你请求他人关注时，应通过添加自己的评论来证明你付出了努力。

本文测试了改变推理时的推理努力是否会影响大推理模型思维链长度与人类反应时间之间的对齐。结果表明，对齐对于努力扰动具有不变性，表明这是一种训练时实现的成就。

本文针对智能导学系统引入了参与度预测，利用425名中学生的交互日志，预测每周练习分钟数和掌握的新技能数量。基于特征的模型相比启发式基线将误差降低了22-33%，为导学-学习者目标设定提供了可解释的模式。

Andrej Karpathy 探讨了伪装成教育的娱乐与真正学习之间的区别，认为真正的学习需要像锻炼一样付出努力，而不是像吃短小有趣的零食那样轻松。