全部 AI 精选，可按分级、类型、是否付费、收录时间筛选，按关键词搜索。
Do Not Let Models Invent Numbers - Vinoo Ganesh, Kepler
Kepler 首席执行官 Vinoo Ganesh（此前任职于 Palantir 和 Citadel）介绍该公司架构如何让模型只引用数字而不写出数字：检索找到来源，确定性代码完成计算，后处理过滤器清除任何无法核实的数字。内容还涉及基于 3000 多万份 SEC 文件构建的引用登记库、在 turbopuffer 上的混合检索与重排序、租户隔离，以及普通 RAG 在其评测中产生大量错误数字的问题。
How to Build Voice Agents That Don't Fall Apart When You Interrupt - Jesse Hall, LiveKit
LiveKit 的 Jesse Hall 讲解如何为金融服务构建听起来自然而非机械的语音 agent。内容包括为何模型排行榜会误导选择（排行榜评分的是组件，而交付的是对话）、应以首段音频和首句话的延迟而非首字节/首 token 衡量、用异步工具调用在慢速后端运行时保持对话流畅，以及音频感知的轮次检测、约 1.5 秒延迟预算（500–600 毫秒才接近真人）和用模拟呼叫者对自己的技术栈做基准测试。视频含酒店预订 agent 演示和分章节时间轴。
How to Write Your First AI Eval - SallyAnn DeLucia, Arize AI
这是 Arize AI 产品负责人 SallyAnn DeLucia 的实操工作坊录像，讲如何从依赖“感觉检查”转向正式的 AI 评估。内容涵盖 eval 的定义及其与单元测试的区别、主要评估类型（LLM 作为评审、决策模型、代码评估、人工标注、agent 作为评审）、如何阅读 trace、如何写出具体的通过/失败标准，以及在 Arize 的 prompt playground 中构建并迭代 LLM 评审。视频附有分章节时间轴。
What Does an AI Engineer Do Now? - Aparna Dhinakaran, Arize AI
Arize AI 的 Aparna Dhinakaran 讨论在领域从编写功能转向运行智能体工厂的过程中，AI 工程师的实际工作是什么，认为当前的任务是构建闭环：评估非确定性工作的评测、智能体消费的遥测，以及据此行动的智能体。她介绍 Arize 如何构建常驻智能体 Signal，用于读取追踪数据、记住以往问题并提交 PR，内容涉及触发条件、沙箱、持久状态以及如何评估评估器。
Stanford CS547 HCI Seminar | Autumn 2026 | Designing AI for Societal Good
这是 2026 年 10 月 9 日的斯坦福 HCI 研讨会录像，讲者为康奈尔大学计算与信息科学助理教授、人机交互设计研究者 Qian Yang。讲座以生成式 AI 聊天机器人对公众心理健康的影响为案例，提出将“为社会公益设计 AI”理解为“设计 AI 如同播下种子”（即播种更好的商业模式、政策和政治），并介绍探索这一设计实践与研究议程的早期工作。
Stanford EE292R AI and Data for Science | Autumn 2026 | From World Models to World Agents
这是斯坦福课程 EE292R 的一场讲座，讲者 Gordon Wetzstein 为电子工程系（兼计算机科学系）副教授。讲座介绍视频世界模型的最新进展，重点包括增强长时间上下文中的时间一致性与推理、缓解自回归漂移，以及多智能体动态的整合和有效的人类中心条件控制策略。材料附有课程时间表链接。
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。
The Programmable Data Center — Evan Conrad, SF Compute
这是 Latent Space 在 AIE NYC 新设的 Compute Trading 分论坛期间录制的对谈，嘉宾为 SF Compute 的 Evan Conrad。文章以软件定义网络对思科、VMware 的影响作类比，讨论 GPU 计算的同类变化：SF Compute 让用户买卖当下和未来的 GPU 小时，并从网络到内存进行程序化控制。对谈还涉及物理交付 GPU 合约需要什么条件、计算市场要变得流动需要满足哪些前提，以及公司从转租集群扩展到承担云运营商职能的过程。
[AINews] not much happened today
这是 Latent Space 旗下 AINews 的一期汇总，覆盖 2026 年 10 月 16 日至 19 日的 AI 新闻，材料称其检查了 12 个 subreddit 和 544 个 Twitter 账号。正文重点介绍 DeepSeek V4.1 Flash 1017，包括其 MoE 规格（552B 总参数/16B 激活、1M token 上下文、MIT 许可）、定价、可用的 API 平台、训练方式说法及 Artificial Analysis 的评测结果，并提及 MiniMax M3.1 Flash 和 Mercury 3。文中还包含 AIE CODE 活动征集演讲者的通知。
Claude Mods: Flipping the Harness Inside Out
这是一篇介绍 Claude Mods 的文章，作者称近几周用它把 Claude Code 调整为自己的 AI 工程工作流。文章提出 harness 随着模型吸收更多能力，剩余部分成为面向人的“注意力界面”（Attention Interface），并认为 Claude Mods 是其早期版本，还推测 harness 最终会成为其他公司在其上构建的平台。文中说明 mod 是运行在 Claude Code 内的 TypeScript 或 JavaScript 函数插件，可响应 prompt、工具调用或界面渲染等事件，观察、修改渲染方式或替代默认行为，被作者称为 agent harness 的中间件。
Why AI Compute Comes in Rectangles — Erik Bernhardsson, Modal CEO
Latent Space 的访谈节目，主持人与 Modal CEO Erik Bernhardsson 讨论公司在 5 亿美元 C 轮后完成 7.5 亿美元 D 轮、估值 160 亿美元、年化收入突破 10 亿美元并创建近 30 亿个沙箱的情况。核心话题是算力经济学：传统容量合同把 GPU 按固定数量、固定时长购买，在时间—容量图上呈矩形，而真实工作负载会增长、突增、回落；Erik 讲述 Modal 如何通过聚合数千客户的需求来做“时长变换”。含 YouTube 完整对话链接，涉及服务器无服务器化 AI 基础设施的开发者与商业读者可关注。
AI Is Getting Good at Math. Here’s Why.
文章列举了 2026 年一系列 AI 数学成果：OpenAI 内部模型找到 Erdős 单位距离猜想的反例、发表 Cycle Double Cover 证明、解决另外十个开放问题、给出 Navier-Stokes 证明；Anthropic 发布费马大定理形式化及黎曼猜想的新界。作者提出能否预测模型会解决哪类问题的议题，用“若干提示/洞见加上其间的努力”这一心智模型衡量问题复杂度，并引述 WT Gowers 对单位距离证明的评论。关注 AI 数学推理能力与问题难度分析的读者可读。