Microsoft 研究员 Jennifer Neville 谈 AI 评测的意外失败与数据洞察
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出现有基准测试时出现的"意外失败"。她强调结果偏离预期时应仔细审视数据，并分享了使用当前 AI 系统的实用建议。
#Agent
Microsoft ResearchAI 评分2222
MIT Technology Review · AIAI 评分1212 从预测到自主决策：预测分析如何迈入智能体 AI 时代
企业 AI 的竞争前沿已从预测精度转向自主决策，核心挑战是让预测系统在自主行动时不偏离业务意图。深度学习和生成式 AI 驱动的智能分析支持实时训练，使 AI 持续演进而无需等待季度刷新，其数据来源也从结构化数值扩展到非结构化交互数据。Everest Group 合伙人 Vishal Gupta 认为，"分析"一词正让位于 AI。
GitHub Blog · AI & MLAI 评分3636 GitHub Copilot 为什么说聊天框是错的 UI：用 canvas 替代 chat
GitHub 认为 chat 并非与 LLM 交互的最佳界面，在 GitHub Copilot 应用中提出 canvas：一种运行在应用内、无浏览器外壳的全栈小应用，可与 Copilot 智能体双向通信，并能调用第三方 API 或在本地执行代码。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解五大 AI 热梗：该不该读 AI 代码、RAG 是否已死、Skills 是否取代 MCP
GitHub Podcast 最新一期拆解了五个 AI 开发热梗：AI 生成的代码仍需阅读和负责，但审查力度应按风险分级；Skills 与 MCP 解决不同问题，前者是打包的团队经验，后者是智能体连接工具与数据的标准，二者可组合使用。RAG 并未消亡，它通过检索外部知识减少 token 消耗并让回答更有依据，可与 Agent、Skills、MCP 共存于同一工作流。
Berkeley AI ResearchAI 评分3232 智能免费之后怎么办？面向智能体、由智能体构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不到 $1、部分厂商低于 $0.10，数据系统需应对三大新挑战：为智能体设计（Data Systems For Agents）、由智能体运行（Of Agents）、由智能体合成（By Agents）。