Microsoft 研究副总裁 Jennifer Neville 谈 AI 的失败与评估能教会我们什么
Microsoft 研究合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中与首席应用科学家 Chad Atalla 对谈，讨论评估如何推动当前 AI 系统突破传统基准的性能边界，以及模型在超出传统 benchmark 测试时出现的"意外失败"。她同时分享了使用当前 AI 系统的实用建议，并强调当结果出乎预期时应仔细检查数据。
#大佬观点
Microsoft ResearchAI 评分3434
Import AIAI 评分4343 Import AI 475：群体扩展、Google DeepMind 为生物序列加水印与 AI 科学经济
Import AI 475 期讨论了群体（swarm）作为新型推理扩展方式、Google DeepMind 为合成生物设计的 SynthID Bio 水印方法，以及 AI 科学经济相关话题。
GitHub Blog · AI & MLAI 评分2929 AI 正在改变开发者工作，GitHub 给出三项值得强化的技能
GitHub 提出开发者应强化三项技能：学会指挥 AI 智能体而非只使用它，不轻信 AI 的第一个答案，以及把省下的实现时间用于解决更大的问题。文中提到 GitHub Copilot 内置的 Rubber Duck agent 会用第二个模型来评审方案、代码和测试。开发者仍需负责最终结果，通过定义问题、审查产出和做出技术决策来把控质量。
Berkeley AI ResearchAI 评分4040 智能成本趋近于零后，面向智能体的数据系统该怎么做
UC Berkeley 团队提出近零推理成本下数据系统面临的三大方向：为智能体设计（For Agents）、由智能体运行管理（Of Agents）、由智能体合成（By Agents）。