在为期两年的学校实验中,用 Khanmigo 进行 AI 辅导

一项覆盖美国田纳西州 18 所中学、为期两年的随机对照实验发现,使用 Khan Academy 的 AI 辅导工具 Khanmigo 一个学期,学生数学成绩平均提升约 1.3 个全国百分位,但效果与不用 AI 的普通刷题几乎持平,瓶颈不在模型能力,而在学生几乎不怎么用、也不跟 AI 深聊。

一项覆盖美国田纳西州 18 所中学、为期两年的随机对照实验发现,使用 Khan Academy 的 AI 辅导工具 Khanmigo 一个学期,学生数学成绩平均提升约 1.3 个全国百分位,但效果与不用 AI 的普通刷题几乎持平,瓶颈不在模型能力,而在学生几乎不怎么用、也不跟 AI 深聊。

Anthropic 把 Cowork 的模型推理和虚拟机从本地搬到云端,每个会话获得独立沙箱,本地只保留文件访问入口。这解决了磁盘、电池和“合盖即停”的老问题,也意味着 Cowork 的使用场景从桌面扩展到手机和持续后台任务。

A16Z 最新两份报告显示,美国近一半人用过 AI,但每天用的只有 25%、付费订阅的仅 4.5%;而头部 1% 的付费用户月均花 903 美元,把 AI 当生产资料而非消费品。

有研究者称,使用 Opus 5.5 智能体从材料数据库中筛选出两种可能具备室温磁性的半导体候选材料。这延续了 AI 辅助科学发现从“加速计算”走向“提出候选假设”的趋势。

X 用户 @Smartpigai 整理了一份 10 人 AI 博主关注清单,覆盖模型原理、论文拆解、机器人与具身智能、AIGC 工作流和 AI 工程生态。它的价值不在“关注谁”,而在于提示:AI 领域的信息差,正在从“知不知道某个模型”转向“跟不跟得上谁的实践记录”。

开发者社区关于「自学 AI 该看什么」的长期争论,被一条推文归结为三层需求错位:产物交付、智能体系统工程、模型与基础设施。作者陈大黄认为,先对齐交付目标,再决定投入哪一层,比争论「该不该回去重修数学」更有意义。

一位投资研究者在 X 上提出,ServiceNow($NOW)可能比当下大热的 AI 基础设施更值得关注,因为它把 AI 能力直接嵌入企业的 IT、HR、财务等核心流程,而非停留在底层算力或通用模型层。

昆尼皮亚克大学最新民调显示,77% 的美国人希望 AI 发展放缓或暂停,仅 5% 支持加速;同时 74% 的受访者对 AI 公司领导人缺乏信任。这意味着公众情绪与当前大模型军备竞赛之间存在明显脱节。

美国陆军在特种作战体系内新设了一个专职机器人岗位,如今希望把这套编制从试点扩展开来。这说明军用机器人正从零散装备采购,走向有固定人员、固定职责的常设能力建设。

OpenAI 已在欧盟地区为 ChatGPT 和 Codex 生成的文本加入水印,以配合《欧盟人工智能法案》对 AI 生成内容透明度的要求。这意味着普通用户和开发者拿到的输出可能自带可识别的标记。