Microsoft 研究员 Jennifer Neville：AI 评测如何暴露模型的“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 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的“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审视数据。
#推理
Microsoft ResearchAI 评分2020
MIT Technology Review · AIAI 评分6262 AlphaGo 团队成员 Thore Graepel：LLM 并不会推理
前 DeepMind AlphaGo 核心成员 Thore Graepel 撰文指出，当前大语言模型只是不断预测下一个 token，属于快思考式的模式补全，并不具备真正的推理能力。
Latent SpaceAI 评分3434 MIT 的 Alex Zhang 谈 RLM、GPU 内核与智能体集群：学术界应押注工业界不会做的研究
MIT 的 Alex Zhang 在 Latent Space 播客中介绍了其递归语言模型（RLM）研究，基于 RLM 的 harness 是首个近乎解决 ARC-AGI-3 的系统，早于 OpenAI 的 Astra。