在前沿工作会塑造对未来的预期

社会科学中的编码智能体

Coding agents in the social sciences

文章呈现一项于 2026 年 2 月至 3 月对 1260 名社会科学研究者开展的调查结果，内容关于 AI 与编码智能体的使用情况。文中称 81% 的受访者在研究中使用过 AI 聊天机器人，主要用于写代码和修改文字，但只有 20% 将编码智能体纳入工作，并报告了在性别署名、院校层次等方面的使用差异。材料未说明具体适合哪类读者。

Anthropic 的就业正在如何变化

How employment is changing at Anthropic

这是 Anthropic 的一篇研究文章，作者为 Nathan Wilmers、Regina Catipon、Maxim Massenkoff 和 Peter McCrory，考察 AI 如何重构 Anthropic 内部的工作与就业，并将其视为 AI 影响全经济工作组织、招聘和劳动力需求的先行指标。文中列出的主要发现包括：初级技术岗位招聘占比下降，AI 智能体的工作时间相对员工迅速扩张（到 8 月交互式 AI 智能体小时数达到员工的六倍），人均产出代码、每位销售成交和合同处理量上升；随着 AI 工具普及，人类注意力成为智能体产出的瓶颈。

衡量在塞拉利昂及其他地区借助 AI 学习的效果

Measuring the impact of learning with AI in Sierra Leone and beyond

这篇文章由 Zoubin Ghahramani 发布，日期为 2026 年 6 月 9 日，属责任与安全类别。文章公布了一项与 Fab AI 合作、并获塞拉利昂教育部支持的随机对照试验结果与技术报告。试验历时八周，评估 Gemini 的 Guided Learning 功能对塞拉利昂洛科港区 12 所学校、1763 名初中学生数学学习进展的影响。文中引述该国教育部长的话，并说明该预先注册试验的结果表明 AI 可作为教学伙伴，补充而非取代教师。

更好的 AI 模型救不了你的工程团队 — Nicholas Arcolano，Jellyfish

Better AI Models Won't Fix Your Engineering Team — Nicholas Arcolano, Jellyfish

这是一段演讲录像，Jellyfish 的 AI 与研究负责人 Nicholas Arcolano 用 447 家公司约 5 万名工程师的数据，分析模型本身对 AI 编程产出有多大影响。当 Cursor 把大量用户切换到 Grok 时，合并 PR 数量几乎没变；他给出的贡献拆分是：工具不足 1%、技能使用约 3%（重度使用者约提升 30%）、token 用量约 9%、公司与团队约 12%，其余大部分由工程师个人决定。他还讨论了 AI 之前的高绩效者是否仍居前列，并对管理者提出关注人、技能和环境等可控因素的建议。

专家与 AI 协作时易被 agent 立场牵引

这是一条 X 帖子，Ethan Mollick 引述一项研究结论：与 AI agent 合作的专家会受到 AI 所持立场的影响，即使他们自认为在独立工作。他在帖中建议，如果某项任务上的独立判断很重要，就需要刻意安排在整个流程的哪个环节使用 AI。材料中未提供更多研究细节或数据。适合在研究、评估或决策流程中使用 AI 助手并关心判断独立性的人关注。

GitHub Octoverse 2026

Simon Willison 在 GitHub Universe 现场的记录，介绍 GitHub 发布的年度 Octoverse 报告要点：2026 年每月合并的拉取请求不到一年增至三倍、达到 2.2 亿次，每月提交量增至 7.38 亿亿次级规模（超三倍，即 73.8 亿次），新仓库创建速率翻倍至每月 3030 万个。文中还提到报告新增按行业划分的数据、涉及“互操作性或逆向工程”的仓库统计，以及按国家、行业、互操作性的方法论说明。作者说明自己是通过 GitHub Stars 项目获得免费门票参会的。