启发式学习：跳出梯度下降的全新AI持续学习范式
Best Partners TV
OpenAI工程师翁家翌提出“启发式学习（Heuristic Learning）”，跳出依赖神经网络权重更新的传统框架，利用编码Agent通过维护软件系统（代码规则、测试用例、记忆模块）来实现AI持续学习。该范式有效解决了“灾难性遗忘”难题，并在强化学习任务中实现样本效率超车，标志着AI学习范式从“参数优化”向“软件系统维护”的深度转变。
AGI还要多久？一个国际知名 AI KOL 的真实困惑 · 乔木博客
向阳乔木
Dwarkesh Patel argues that continuous learning is the key bottleneck for AGI, not raw intelligence. Current LLMs fail to learn persistently like humans, hindering their ability to become true long-term employees. While reasoning capabilities are improving, the lack of adaptive learning prevents AI from automating many white-collar jobs. He predicts significant AI capabilities by 2028 and true continuous learning by 2032, emphasizing that solving continuous learning could lead to rapid AGI development.
2026年硅谷AI产业：巨头并购、技术革新与监管博弈预测
Best Partners TV
《The Information》预测2026年AI产业将迎来巨头并购潮（如OpenAI收购Pinterest、特斯拉整合xAI），技术实现持续学习突破，商业模式调整（微软Copilot、苹果Siri），以及州政府在AI监管中占据上风。行业将加速整合，资源向头部集中，监管体系走向精细化。
停止构建代理，转而构建技能：Anthropic的AI新范式
AI Engineer
Anthropic的Barry Zhang和Mahesh Murag提出，随着AI代理日益普及，其在特定领域缺乏专业知识的问题日益凸显。他们引入了“代理技能”（Agent Skills）这一新范式，将可组合的程序性知识打包成简单的文件集合，旨在为AI代理提供领域专业知识、提高执行一致性，并使其能够持续学习和进化。这一方法论将代码视为通用的数字世界接口，并通过技能生态系统赋能非技术人员，最终构建一个可共享、可进化的代理知识库。
Command Code：一个能学习你编程品味的AI编码代理
AI Engineer
Command Code是一个创新的AI编码代理，由Ahmad Awais及其团队开发，旨在解决现有大型语言模型（LLMs）在代码生成中缺乏个性化“品味”的问题。它通过元神经符号强化学习，持续学习开发者的编码偏好、架构选择和隐式反馈，从而生成高度定制化、可维护且符合个人风格的代码。Command Code的目标是大幅提升开发效率，减少代码审查时间，并允许开发者共享或借鉴他人的编程“品味”，开启编码代理的新篇章。
Thinking Machines Lab新作：在线策略蒸馏，赋能小模型专家级能力
Best Partners TV
本文深入解读Thinking Machines Lab的最新研究——在线策略蒸馏（On-Policy Distillation），这是一种结合强化学习纠错与监督微调奖励密度的高效训练方法。它能以极低成本让小模型在特定领域达到大模型专家水平，并在数学推理和内部AI助手等场景中展现出超越传统方法的卓越性能。文章详细阐述了其核心逻辑、技术细节、实验验证及对持续学习的深远意义，为AI模型的成本效益和落地应用提供了新思路。
简历项目与年龄焦虑：一次深入的职业发展对话
Peter Pang
本次访谈聚焦简历撰写策略，包括个人项目的重要性及与工作经历的权衡，并深入探讨了年龄带来的职业焦虑。专家建议以吸引面试官为导向调整简历，强调个人项目和比赛获奖可与学历并列，并鼓励以积极心态拥抱职业生涯，将年龄视为持续学习和拓宽知识面的机会，而非限制。