人机协作

研究团队提出人机对齐应从静态模仿转向动态互动，强调在协作流程中共同演化，并指出当前AI系统在不确定性推理和协调机制上面临新挑战。

AI工具在加速代码编写的同时，可能带来代码质量下降、过度依赖等潜在风险，引发开发者对效率与可靠性的权衡思考。

研究者提出名为Mycelium的主动共享工作空间系统，旨在连接不同领域的研究人员与AI智能体，通过自动捕获和路由关键观察与假设，促进跨学科的科学发现与团队协作。

最新视频Agent产品亮相，集成上百种专业技能，为用户提供导演级创作支持。

清华大学团队现场演示了机器狗指挥人类使用天平完成称重任务。整个过程无需预设脚本，任务随机生成，并由观众即兴出题，展现了从人类认知范式构建物理通用智能（Physical AGI）的新思路。

研究人员通过AI辅助的Lean形式化方法，将Vlasov方程的平均场推导过程转化为可验证的数学证明，并将整个过程设计成一种策略游戏。

研究人员推出Janus实验平台，专门用于探索用户参与式AI代理权限管理设计，研究表明用户参与能显著提升隐私安全，但需平衡认知负担与权限疲劳问题。

研究提出难度路由服务控制架构，让AI客服在常规服务保持高效的同时，对复杂操作请求启动升级流程，通过冲突感知和写入前复核机制显著降低操作错误风险。

研究提出“认知AI素养”框架，分析学生在与生成式AI协作编程时的认知目标和过程，发现近八成互动缺乏深度认知参与。

研究者在上下文赌博机框架下提出一种双向信息不对称的AI监督博弈模型，揭示当人类与AI各自掌握私有信息时可能产生的监督失效区域，并分析动态学习如何缓解这一问题。

一项探索AI作为公司管理者的实验项目遭遇现实困境，参与测试的10家公司均面临不同程度的运营困难。实验表明，当前AI在复杂商业决策中仍存在局限。

研究者提出Tandem强化学习新方法，让强模型在推理时兼顾弱模型的可读性，为解决大模型推理晦涩难题提供新思路。

研究发现，当AI评测基准达到准确率饱和后，不应简单废弃，而应转向评估构造有效性、泛化能力、效率等六个关键维度。CORE-Bench案例展示了超越准确率的全面评估方法。

语言学习平台 Preply 宣布集成 OpenAI 技术，推出 AI 生成的课程总结与个性化反馈，为人机协作教学模式提供新范例。

研究人员提出了一种面向专业问答论坛的优化调度模型，通过智能分配问题给领域专家，提升系统处理能力并保持稳定性。

研究发现，大模型与形式化求解器协作时，求解结果向用户输出的“叙述”环节存在安全漏洞，可能导致已验证结论被恶意篡改。