标签
一篇研究 AI 智能体何时应向共享人类请求澄清、何时应自主搜索的论文，提出了 Pairwise Coordination Policy（PCP），在 864 个合成案例上实现了接近最优的成本（平均差距 0.07%），并在 LLM 智能体案例研究中取得了最低成本。
该论文研究在单一人类注意力有限、多个 AI 代理并行执行任务时，代理应在何时自主搜索信息、何时向人类请求澄清，并提出成对协调策略（PCP），在合成基准与大语言模型案例研究中显著降低成本。
MIT Technology Review 探讨工业场景中 AI 自主性与人类控制如何平衡搭配，关注自主系统与人工监督的协同模式。
一篇关于“可执行考古学”的 arXiv 论文，复活了两个历史上的人工智能编程系统——赫伯特·西蒙于 1961 年开发的启发式编译器和麻省理工学院于 1984 年开发的 KBEmacs——揭示了它们惊人相似的编程理论，而复活工作本身则得到了 Anthropic 的 Claude Code 的协助。
论文提出 Smart Coder 框架，通过指令、提示策略和可靠性检查三阶段结构化人机协作的定性编码流程，并在 72 份中学数学教师访谈转录中验证，表明指令与思维链提示能显著提升 LLM 编码一致性。
超过1000名人类数学家签署了一项承诺，将在研究中避免使用AI。批评者认为，在数学研究中AI应用日益增长的背景下，此举不过是一种新卢德主义的姿态。
该论文提出一种作者参与的智能体协作复现性审计流程，将作者声明作为AI agent调查与评估的显式输入，并在某机器学习会议的36篇论文、133个实验表格上部署，人工复核后提出20个问题并全部闭环解决。
一篇观点文章，认为单靠AI聊天并不是大多数任务的最佳交互方式；就像此前的纸张与打字机一样，新技术应当被塑造成契合我们实际工作方式的专用工具。
该论文提出了协作心智理论（CToM），这是一个训练大语言模型预测用户回应，并利用这些预测在呈现答案前进行自我修订的框架，从而提升推理、编码和写作任务中的协作表现与交互效率。
Kate Stange 和 Edmund Harriss 在 Terence Tao 博客上发表的客座文章，反思了一场关于严格数学图解的工作坊，主张 AI 已经打破了深奥定理的稀缺性，数学必须重视理解与图解，而不能仅仅停留在证明写作上。
作者以 AlphaGo 之后围棋界的发展为镜，探讨数学家应如何适应 AI 生成的难以理解的证明：像围棋高手那样转向研究 AI 结果来提升人类集体认知，并接受 AI 让数学知识民主化的未来。
研究显示 AI 模型在科研实验的『品味』（taste）判断上已超越人类，能够选择更有价值的研究方向与实验设计。
DataWeave 是一个系统，将对话交互、模式（schema）锚定、分析规划与可执行查询生成结合在一起，以支持人–LLM 协作下的结构化数据集探索性分析。该系统已在一项案例研究中得到验证，研究人员与记者借助它分析了美国教育部（U.S. Department of Education）的 IPEDS 数据。
一条推文称赞 Vesence 的 Agent-Native Desktop 是首个真正的 agent-人类协作空间，用户与 AI 共享整个计算机环境——共同编辑文档、通过语音/文字聊天、一起导航，而不是在现有应用上硬塞一个聊天侧边栏。
Andrej Karpathy 分享了高效理解大模型海量输出的实用技巧：用 ASD-STE100 受控语言约束文本、生成图表与架构图、构建可交互 HTML 页面进行参数探索，以及制作 3Blue1Brown 风格的讲解视频——当「一次性软件」的成本趋近于零时，这些方法尤为实用。
新研究发现，将 AI 用作思考的替代品会削弱解决问题的能力，而将其用作辅导老师，则比完全依赖 AI 获取答案以及完全不使用 AI 的人都取得了更好的效果。
本文探讨了专注于任务完成的AI智能体与能与用户发展共享上下文的AI伙伴之间的区别，认为伙伴更符合人类的需求。
作者分享了构建OSIO的见解，OSIO是一个用于企业中人机协作的操作系统，主张组织应置于单个AI代理之上，以管理能力、权限和记忆。
作者倡导设计能增强人类思维和创造力而不取代人类的AI代理，强调在代理环境中保留问题解决和学习能力的重要性。
Marina Pasqual 描述了为AI代理设定明确边界如何提升其在社区增长等运营任务中的实用性，确保关键决策仍由人类判断。