标签
在面临方法论批评后，作者对LLM简历筛选研究进行了广泛的实验，揭示了初始偏差测量很大程度上源于噪声，并且提示设计、包装器选择等因素显著影响评分。
介绍Extreme Programming，这是一种敏捷软件开发方法论，强调通过简单规则和价值观来实现客户满意度、团队合作和迭代开发。
Ethan Mollick建议，AI生成的分析应伴随着多宇宙式报告和完整披露提示词，以增强科学的可重复性。
This perspective paper from arXiv articulates a four-stage inferential framework for evaluating foundation models as cognitive and developmental models, emphasizing that behavioral alignment alone is insufficient and must be embedded within theoretical commitments and contrastive evaluation.
丁肇中在AI加速科研的会议上分享了他的四条方法论，强调重新做大家认为已完成的事。
本文提出了一种将知识图谱集成到基于ROS 2的机器人系统中的方法，以提升搜索与救援等任务中的自主性和决策能力，并通过Aerostack2框架进行了演示。
本文介绍了论文内声明验证框架，该框架利用大型语言模型评估论文中的创新声明是否得到方法学证据的支持，填补了现有自动化同行评审系统的空白。人工评估表明，该框架与人类评审员的关注点显著一致，特别是在创新相关问题上。
本文提出了一种系统性的地理聚类方法，用于在语言类型学中识别语言区域和大区域，解决了缺乏正式方法定义潜在语言接触区域的问题。
Skill-from-masters 是一个开源工具，它在生成 AI 代理技能之前，搜索本地数据库和网络以找出专家最佳实践，帮助用户融入领域专家的成熟方法论。
Anthropic 概述了使用 Claude Code 进行大规模代码迁移的六步流程，重点包括创建规则手册、依赖关系映射以及通过强大的评审模型进行迭代验证。
本文分析了在社会科学中使用LLMs作为测量工具的验证实践，识别了认知威胁，并提出了稳健验证的新兴规范。
SAAG（简化、自动化、智能体化、防护）是一种实用方法论，用于决定AI在业务中的适用位置，强调在自动化和智能体化之前先进行简化，并设置防护措施以降低风险。
Cognition 发布了 FrontierCode 1.1，这是一个用于评估代码质量的更新基准，改进了公平互联网使用和评分标准的指南，同时提供了 Sonnet 5 和 Fable 5 的新模型评分。
本文提出了一种在临床领域开发NLP系统的分步方法，应用系统开发生命周期（SDLC）方法，并讨论了使用大型语言模型从电子病历中提取信息所面临的挑战。
推荐金观涛的《控制论与科学方法论》一书，认为其能根本重塑想法，提升个人工作与学习上限。
这条推文认为，规范驱动开发对AI智能体无效，并将其与软件开发生涯中瀑布模型的失败相类比。它提倡“意图工程”——向智能体传达上下文、策略和约束，以应对未知的未知因素。
本文批判性地审视了声称能衡量品牌在生成式AI回复中曝光度的AI可见性工具，指出由于非确定性、个性化和抓取偏差，这些工具提供了虚假精度。文章呼吁方法透明，并警告不要将不透明的仪表盘视为稳定真相。
本文认为，自然语言处理（NLP）中的文化研究是一种物质-话语实践，语言模型参与构建文化现实，而非被动记录，借鉴了Barad的“能动切割”概念。
推荐两个神级Skill，其中主要介绍obra/superpowers，一个为编码代理设计的完整软件开发方法论，支持自动化子代理驱动开发和TDD流程。