标签
作者回顾了CHI 2026的四篇论文，特别是一篇探讨如何使用基于LLM建议的AI写作工具来减少招聘评估中的性别偏见，讨论了伦理含义和个人启示。
文章主张AI实验室应开始资助历史研究，展示前沿LLMs如GPT-6如何解决历史问题如密码学和文本追踪，可能导致历史知识的重大进展。
一条推文指出，VC正利用LLM分析推介内容，并建议创始人调整沟通策略，以影响这些AI模型。
本文探讨了在欧盟将LLM应用从想法转化为生产环境的关键挑战，涵盖法律合规、可追溯性、滥用预防和问责制，并寻求从业者的具体案例。
OpenAI通过推出ChatGPT Work扩展其AI代理能力，旨在为不同职业自动化任务，使AI超越软件工程师，但引发数据控制和采用的担忧。
本文解释了 DevOps、MLOps 和 LLMOps 之间的关键区别，突出了每种方法在软件开发、机器学习和 LLM 应用中如何应对独特的挑战，并重点关注 LLMOps 中的监控和优化。
该项目允许用户在基于物理的模拟中提示AI智能体进行一对一足球比赛，并评估提示在具身环境中转化为行动的效果。
SemaPLC是一个用于PLC代码生成的验证门控代理工具，通过外部编译和实时运行时执行，实现比基线方法更高的验证通过率。
本研究探讨了类别不平衡和批处理如何影响系统综述中基于LLM的筛选，揭示了批处理显著改变了决策行为，而流行率元数据的影响微乎其微。
Fence提出使用在高质量合成数据上训练的小语言模型作为LLM应用的专用护栏，展示了相对于基于提示的LLM护栏的性能提升。
关于任务复杂度（用指定任务所需的比特数衡量）如何为AI初创企业创造围绕前沿模型构建软件框架的机会的视角，尤其适用于高复杂度和难以验证的任务。
Manning Books 宣布推出一本新的抢先版书籍《Building LLM Applications with DSPy》，教授如何使用DSPy框架通过Python优化LLM提示。该书在6月3日前享受50%折扣。
这条推文推广了一个库，只需一行代码即可为基于LLM的应用提供全面可观测性和自动分析，声称可以免费获取大量有价值的信息。
一个团队利用具备连续时间感知能力的AI模型，在本地Trivia之夜中屡获胜利。
Modular 负责人 Tim Davis 分享了打造自主代码编写系统 Compound Loop 的经验。他指出，软件开发正从确定性范式向概率化系统演进，AI 智能体的介入催生了“全天候（24/7）员工”模式：人类操作者的角色从直接编码转向任务协调。与此同时，技术岗位的分工也在发生重构，逐渐分化为高杠杆价值的核心岗位与侧重 AI Agent 调度的基础性工作。