微软研究院探讨 AI 为何会犯错及失败带来的启示
微软研究院（Microsoft Research）研究经理 Jennifer Neville 在播客中探讨了模型在传统基准测试之外出现的意外失败，指出评估对突破当前 AI 性能边界以满足用户需求至关重要。她分享了应对现有 AI 系统的实用建议，并强调当模型表现不符合预期时应深入审视数据。
#大佬观点
Microsoft ResearchAI 评分4545
GitHub Blog · AI & ML精选AI 评分6969 GitHub 探讨为何聊天框不是最佳 AI 交互界面
GitHub 博客发文探讨当前 AI 交互界面的局限，指出纯聊天框界面不仅容易造成 token 浪费，还会阻碍复杂的开发工作流自动化。文章以 GitHub Copilot app 的 canvas 功能为例，演示了如何让智能体生成可双向通信的全栈轻量应用并在本地运行，从而减少开发者在各个环节中的人工介入。
推荐理由：文章指出把智能体本身当作单一交互界面会浪费计算资源，提出让其生成专属应用以自动化工作流的可行路径。