头条
Anthropic：Interviewer
https://www.anthropic.com/news/anthropic-interviewer
Anthropic Interviewer 是一款利用人工智能开展并分析大规模访谈的工具，旨在研究人工智能在不同职业工作中的作用。对1250名专业人士的初步调查结果显示，他们对人工智能提高生产力持乐观态度，同时也强调了创意和科学领域对岗位替代和安全问题的担忧。Anthropic 计划利用这些数据改进人工智能模型并影响政策制定，还会与艺术家、科学家和教育工作者合作，使人工智能的发展符合用户需求。
谷歌与 Replit 合作，推动协同编码
https://www.cnbc.com/2025/12/04/google-replit-ai-vibe-coding-anthropic-cursor.html
谷歌云与人工智能编码初创公司 Replit 合作，利用谷歌模型提升企业实时协作编码体验。Replit 将借助谷歌云服务扩展其平台，为企业客户提供人工智能编码支持。此次合作旨在推动谷歌云的应用，让人工智能的影响范围超越传统工程师群体。
Gemini 3 Deep Think 现已在 Gemini 应用程序中推出
https://blog.google/products/gemini/gemini-3-deep-think/
Gemini 3 Deep Think 基于在国际数学奥林匹克竞赛中获金牌的 Gemini 2.5 Deep Think 变体，采用并行推理，能同时探索多个假设。
深度分析
人工智能现状
https://openrouter.ai/state-of-ai
今年是大语言模型实际应用的转折点。该领域从单次模式生成转向多步审慎推理。这种转变太快，我们对这些模型实际应用情况的了解都落后了。这项研究利用OpenRouter平台，分析了超100万亿个真实世界AI交互的token，以了解这项技术在现实中的应用情况。开发者和终端用户与AI的互动方式复杂且多样。研究显示，基于数据了解使用情况有助于更好地进行设计和部署。
我们让Claude微调了一个开源大语言模型（LLM）
https://huggingface.co/blog/hf-skills-training
Hugging Face Skills 让 Claude 能微调语言模型。它可以向云端 GPU 提交任务、监控进度，还能把完成的模型推送到 Hugging Face Hub。这个教程会教读者它的工作原理和使用方法。该工具能让用户训练参数从 0.5B 到 70B 的模型，将它们转换为 GGUF 格式进行本地部署，还能运行结合不同技术的多阶段流程。
GPT-5.1-CODEX-MAX 提示
https://cookbook.openai.com/examples/gpt-5/gpt-5-1-codex-max_prompting_guide
OpenAI 介绍了如何从 GPT - 5.1 - Codex - Max 获得最佳效果，强调它的 token 处理效率更高、能长时间自主运行，且在拓展推理时的压缩性能有所提升。
工程
用Cursor构建
https://cursorai.notion.site/Building-with-Cursor-public-273da74ef0458051bf22e86a1a0a5c7d
这是Cursor内部入职指南的公开版本。它介绍了如何从零开始创建并部署一个项目。内容涵盖如何设置和使用Cursor、如何构建和定制项目，以及如何使用Vercel进行部署。
人工智能代理的上下文工程
https://www.philschmid.de/context-engineering-part-2
上下文工程领域发展迅速。不过，如今最大的性能提升来自于去除复杂性。随着模型能力增强，我们应少干预模型。上下文工程关注的是下一步所需的最小有效上下文，而非添加更多上下文。
为生产构建高效的上下文感知多智能体框架
人工智能代理开发领域变化迅速。如今，各机构正在部署复杂的自主代理来处理长期任务。然而，上下文问题成了实现这一目标的瓶颈。谷歌代理开发工具包中的上下文栈就是为支持上下文工程而开发的。这个开源的多代理原生框架，旨在让实际系统实现主动上下文工程。
其他
数学传奇人物离开学术界，投身一家由24岁年轻人创办的人工智能初创公司
https://www.wsj.com/tech/ai/math-ken-ono-carina-hong-axiom-startup-649bc417
肯·小野是世界上最杰出的数学家之一。他最近加入了Axiom Math，想用人工智能给数学领域带来变革。这家公司是他以前的一个学生创办的。他加入是因为他无法抗拒在黑板之外留下自己印记的机会。
威力惊人
https://eastwind.substack.com/p/power-overwhelming
人工智能资本支出正在推动美国GDP增长，但与投入资金相比，人工智能收入缺口达1.5万亿美元，情况堪忧。OpenAI的基础设施支出，以及新兴人工智能应用的收入（比如ChatGPT到2025年预计达200亿美元），都显示出预期收益和证明当前投资合理性所需收益之间存在差距。人工智能云业务模式不明朗，硬件更新换代快，这意味着要防止即将到来的人工智能泡沫和市场过度建设，还得高度依赖“七巨头”的内部业务。
高性能计算平台对未来创新至关重要
https://blogs.nvidia.com/blog/aws-partnership-expansion-reinvent/
英伟达和亚马逊云科技（AWS）扩大合作，将英伟达的NVLink Fusion与亚马逊云科技的Trainium4、Graviton CPU和Nitro系统集成，提升云级人工智能能力。
职场用AI，从小事做起
https://read.technically.dev/p/for-ai-at-work-start-with-something
AI工具很擅长自动处理“杂乱中间层”中那些重复又耗时的任务，比如总结笔记或者给反馈分类。
首篇主要观点来自人工智能的理论物理学研究论文
https://links.tldrnewsletter.com/zwrdWc
该论文推导出了叶状结构独立性所需的新算子可积性条件。
