用 Codex 构建可自我改进的税务智能体

如何测量与缓解位置偏差

How to Measure and Mitigate Position Bias

这篇博客文章说明位置偏差：排位靠前的物品更容易被看到和点击，与相关性无关，例如 Google 搜索首位点击量约为第十位的 10 倍。文中还讨论了展示偏差、点击首个相关结果后忽略其余等原因，以及偏差通过历史数据自我强化的反馈回路，并给出测量与缓解方式的笔记。适合做推荐系统、关注排序与评估偏差的人阅读。

智能体时代下的科学计算

Scientific computing in the age of agentic AI

OpenAI 于 2026 年 7 月 28 日发布的一篇研究出版物，是一份探索性实地报告。报告介绍科学家如何使用编码智能体来更新科学计算软件，以加快基因组学及其他数据密集型领域的软件开发与研究进程；页面附有论文 PDF 链接。适合对科研工作流与 AI 智能体应用感兴趣的读者。

SymptomAI：面向日常症状评估的对话式 AI 智能体

SymptomAI: Towards a conversational AI agent for everyday symptom assessment

这是 Google Research 发布的一篇研究介绍，作者为研究实习生 Joseph Breda 与研究科学家 Jake Sunshine，日期为 2026 年 7 月 22 日。文章介绍了一项全国规模的研究，内容是用 AI 进行鉴别诊断和症状自查。文中指出，大量临床诊断可仅凭语言访谈得出，而现有语言模型评估多依赖精心编写、有时是合成的病例描述，不能反映日常患者描述症状时医疗知识水平不一、信息不完整等真实情况。

lvzuojing/mcd-wrapped

这是麦当劳 1024 程序员节创意开发大赛的参赛项目，基于麦当劳 MCP 开放接口做四个模块：探测 35 个 tool（其中已跑通 27 个）、生成个人年度消费年报、输出 158 个餐品的营养与营销等公共数据全景报告、以及用蒙特卡洛模拟计算抽奖期望值。项目还提供粤语等方言语音播报，并在文档里记录了对接 MCP 时遇到的三处返回格式问题（返回体为 Markdown、部分数据为逗号分隔表格、无数据时返回中文文案）。

面向财富 2000 强的 AI：Tenex 如何构建 AI 原生软件开发生命周期——Alex Lieberman 与 CJ Hess

AI for the Fortune 2000: How Tenex Builds an AI-Native SDLC — Alex Lieberman & CJ Hess

这是 AIE New York 的对谈，Alex Lieberman 与 CJ Hess 讲述 Tenex 按交付成果而非工作时间向 AI 工程师付酬的做法，以及把这一思路扩展到工程组织后遇到的情况。内容涉及仍以故事点作为工程报酬重要组成部分、担心估点虚高或为凑点交付劣质代码为何未成为主要问题、AI 策略师对客户留存与增长负责的激励机制，以及如何奖励理解客户问题、设计架构、判断该建什么这类难以写进工单的工作。文中还提到 Latent Space 的 Kill My SaaS 实验。

分享用独立对抗审查Agent做发现工作的方法

fofr 在 X 上列出一套做“发现类”工作的流程要点：让流水线能在盲测条件下复现已知结果，同时能拒绝已知的冒牌案例与仪器故障；不轻信自身结果，反复启动带有非诱导性提示的独立 Agent 做对抗式审查，并要求审查者从原始数据重新验证；每当审查发现问题，就尝试提炼成通用的技能或流程。适合用 AI Agent 做实验、数据探测或自动化研究工作的人关注。