taste

Addy Osmani 反思了在以AI驱动的世界中品味和判断力的作用，认为尽管AI可以习得品味，但植根于责任感和主人翁意识的人类判断力仍然不可替代。

使用 Garry Tan 的 Gbrain 框架为 Hermes、OpenClaw 和 Claude Code 等 AI 代理构建“品味”的指南。

哈佛教授Matthew Schwartz在Anthropic博客发表文章，展示用Claude、GPT、Gemini等大语言模型两周完成量子色动力学论文（通常需一年），并指出LLM在科研中的优缺点。作者进一步提出工程化修补方案，包括计算外挂、验证agent和人工把关，强调将LLM作为科研核心引擎。

文章讨论AI自动化将导致大多数高收入技能过时，提出未来所需四项核心技能：主观能动性、品味与独特视角、判断力、深度通才，强调人类需主动适应以成为“主权个体”。

作者认为，关于AI生成内容的关键问题不应该是“这是AI写的吗？”，而应该是在输出之前应用了怎样的人类判断和品味，强调了需要上下文、证据和编辑决策。

一篇探讨「品味」概念的随笔，将其定义为做出高质量定性判断的能力，并论证当生产被AI商品化后，品味将变得更有价值。

一条讨论线程认为，软件开发中的“品味”并非神秘，而只是一种未被明确表达的评估框架，并且你选择衡量什么就定义了你的标准。

moop 是一个以品味为核心的社交网络，已在 Product Hunt 上发布。

一条关于在机器学习中培养真正研究技能的有深度的帖子，涵盖了如何独立选题、培养品味、提升信息输入以及通过写作来厘清思路。