Microsoft 研究员 Jennifer Neville：AI 评测如何暴露传统 benchmark 之外的“意外失败”
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统性能边界，以及模型在传统 benchmark 之外测试时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的经历，分享与当前 AI 系统协作的实用建议，并强调当结果偏离预期时应仔细检查数据。
#大佬观点
Microsoft ResearchAI 评分2222
OpenAI NewsAI 评分1212 OpenAI：先进 AI 或成突破性创意背后的关键补足
OpenAI 探讨先进 AI 为何可能对突破性创意背后的日常执行工作最为关键。文章认为，执行环节或将决定下一阶段经济的形态与进步速度。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 为什么说聊天框是错的 UI：用 canvas 替代 chat
GitHub 认为 chat 并非与 LLM 交互的最佳界面，其 GitHub Copilot app 推出 canvas——一种运行在应用内、无浏览器外壳的全栈小应用，可与 Copilot agent 双向通信，也能调用第三方 API 并在本地执行代码。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解五大 AI 热门观点：该不该读 AI 生成的代码、RAG 是否已死、Skills 是否杀死了 MCP
GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成的代码仍需阅读和负责，只是审查力度应按风险分配；Skills 与 MCP 解决不同问题，前者是打包的团队经验，后者是智能体连接工具与数据的标准，二者可组合使用；RAG 并未消亡，它为模型提供训练数据之外的相关信息，能减少 token 消耗并让回答更有依据。
Berkeley AI ResearchAI 评分3838 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队发布综述，分析并行推理领域进展，重点讨论自适应并行推理——让推理模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调。文章指出，顺序推理随探索量线性扩展，会遭遇上下文退化（context-rot）并导致延迟随推理长度成比例增长，复杂任务常需用户等待数十分钟甚至数小时。