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。
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。
1,368 AI Failures and What They Teach About Evals — Vishal Srivastava, New York Life & Tanmay Sah
这是一段会议演讲录像，讲者分析了公共 AI 事故数据库中的 1368 起事件，考察真实失败能为 AI 系统测试方式提供什么启示。他们把失败归入技术能力、部署管控和业务影响三个维度及 13 个子类别（覆盖约 98% 的事故），指出人工复核、监控等部署管控薄弱与危害关联最紧密，并介绍了按风险大小排序用例、检验评估器本身、以及用“构建—攻破—修复”循环主动找系统错误的方法，最后以一家航空公司聊天机器人给出错误退款政策为例。材料未说明适合谁读。
How to Test AI Agents When No Benchmark Exists — Nathanael Weill, Air Canada
演讲者带领 Air Canada 的 AI 代理团队，面对任务过于具体、没有公开基准且领域专家无暇评分的问题，他的做法是“先写答案”：从已知答案出发生成输入，再看代理能否找回该答案。这使一个 RAG 项目从每周一次专家评分测试提升到每天数十次自动化测试；随后他把方法用于供应商合同审查代理，给出五种构建测试集的方式：过往决策、植入规则违规、删除条款、不应产生影响的变化，以及填空式合同模板。他还解释了为何在代码能校验答案时避免使用 LLM 评审。
Why AI Writing Still Reads Like Slop — Louis-François Bouchard, Towards AI
演讲者拆解 AI 写作给人“垃圾感”的原因：用词过度、泛泛而谈、言之无物、重复、幻觉，以及听起来像所有人混合的声音。随后介绍团队如何构建一个基准，衡量模型能否用他本人的风格写视频脚本：10 个脚本、每个模型 5 稿、4 个 LLM 评审、九项评分指标和 1000 次人工 A/B 对比。他还分享了成本、评审模型为何偏向自家模型家族，以及用 AI 写作的实用方法，包括填满示例的超长提示、由强模型做一轮审校、合并多份廉价草稿，以及始终保留人工编辑。
Does Code Quality Still Matter? It Depends on This — Max Kanat-Alexander, Capital One
演讲针对资深工程师常说的“视情况而定”，指出代码质量始终服务于两件事：理解系统和安全地修改系统。讲者提出 AI 正在让一种新软件变得常见——一次性软件，后果低、依赖少、替换和维护成本接近零，对这类软件质量不重要，而对持久软件质量比以往更重要。他还说明如何让系统更易被弃用，以及如何通过标准、工作流内工具、易于测试和最大严格度来降低严谨的成本。
One Day, $1,000 in Tokens: An AI War Room for Legacy Code — Ford Prior, GEICO
演讲指出在 GEICO 编码变快了，但决策、签字确认、上下文等周边环节仍很慢，解决办法是多人协作、AI 原生的“作战室”：合适的决策者、一名主导者和接入 GEICO 知识、工具与代码的代理集群。演讲者押注一天时间加 1000 美元 token 端到端梳理一个遗留理赔领域并交付一项真实改动，并在租赁、损害和残值三个场景各跑了一次。内容还涉及用于指挥代理集群的 markdown 规则手册 FleetKit、产出的工作表与图表，以及后续改进方向。
AI Cut Our Research Time From 7 Days to 15 Minutes — Gareth Yoder, Vanguard
演讲者负责 Vanguard 的现金项目，介绍如何现代化一个每天最多承载 3000 万次调用的现金账本，并并行推进数据、生产者和消费者三类迁移。转折点是通过 MCP 服务器把遗留代码库开放给 AI 工具，使原本需大型机工程师花 7 天的调研缩短到 15 分钟。最后给出五条经验：让遗留代码可被 AI 查询、把迁移文档当产品、重构而非直接搬迁、渐进式引入 AI、不跳过可观测性。
Build Your Own Team of Managed Agents - Jack Wotherspoon, Google DeepMind
Google DeepMind 开发者体验工程师 Jack Wotherspoon 的演讲视频，介绍 Gemini Managed Agents：通过单次 API 调用在云端沙箱中运行编码智能体，而非在本地电脑上。内容覆盖 Interactions API、Antigravity harness、多智能体共享环境、上传的 skills 与 AGENTS.md、隔离密钥的代理、定时触发与多智能体工作流，并演示从 SEC 文件研究到量化分析再到报告的流程，以及在 AI Studio 中构建应用。
Stanford EE292R AI and Data for Science | Autumn 2026 | Models of Computation in the Retina
这是斯坦福课程 EE292R“面向科学的 AI 与数据”2026 年秋季学期的一讲录像，讲者是斯坦福神经生物学教授 Stephen Baccus。该讲围绕早期视觉系统中可机制解释的计算模型展开，带有计算神经科学与机制可解释性方向的标签。
AI Labs Warn Race Makes Breach ‘Inevitable’
这是一期视频评论，作者以当周软件被逆向工程、Sam Altman 警告 6.1 Astra“偏向突破风险”、以及 Muse Wonder 等事件为引，按当前趋势讨论事态走向。视频分为三部分：即将到来的突破、实验室为何持续竞赛、未来 18 个月为何难以预测。简介中还列出了 Vanity Fair 访谈、Dario Amodei、Jakub Pachocki、Claude Opus 5.5 系统卡等引用来源。
Inside-Out AI: Rebuilding Airbnb Behind the Scenes and Across the Guest Experience
Latent Space 的一篇文章，访谈今年 1 月出任 Airbnb CTO 的 Ahmad Al-Dahle——他此前在 Meta 负责生成式 AI，并于 2023–2025 年主导开源 Llama 系列模型的发布。文章介绍所谓「inside-out AI」思路：先用 AI 加速内部产品开发，再用同样能力改造客户体验，并举例 Airbnb 用内部工具 Everest 加速一项对外新服务的上线。文中 Al-Dahle 谈到从 Meta 构建前沿模型转向在 Airbnb 部署模型的动机，以及推动员工改变工作方式、把系统以创造性方式投入生产的目标。
Building AI for Reliable Execution: Lessons From Industrial Robotics
Latent Space 的一篇文章，介绍自称「美国最大的 AI 原生工业机器人制造商」的 Standard Bots：其机械臂面向上下料、焊接、装配等任务，客户包括 NASA、Amazon 与 Lockheed Martin，近期完成由 General Catalyst 和 RoboStrategy 领投的 2 亿美元 C 轮融资，估值 10 亿美元。联合创始人兼 CEO Evan Beard 与 AI 负责人 Leif Jentoft 介绍其 AI 技术栈——客户通过演示和微调来适配共享基础模型，模型还包括用于上下料任务的零样本感知系统，最大模型参数量在数十亿量级，并强调数据质量重于数据规模。