不时回顾当前AI在我们社会中的主要应用场景是很有意义的。虽然未来还有许多令人期待的发展,但目前正在运作的应用已经展示了我们迄今为止的成果。
让我们回顾MIT知名学者Ethan Mollick最近在X平台上的一篇帖子。他一直为我们提供了很多关于AI如何影响我们的深刻见解。几周前,我曾写过关于他的一些文章和他对这个领域的贡献。
我看到他1月15日发布的帖子获得了近400万的浏览量和360条回复。
他在帖子中记录了一项针对尼日利亚学生使用GPT模型的随机试验:
"六周的课后AI辅导带来了相当于两年的典型学习成果,超过了80%的其他教育干预方式,"Mollick写道。这与许多其他专家对AI的看法一致——AI在提供学生支持方面具有独特优势。
针对性评估
Mollick还提到了AI辅导特别适合的学生群体: "(AI) 帮助了所有学生,尤其是那些起点较低的女生,"他写道。
可以看到展示考试成绩和出勤天数的几张图表。
教学目标
去年MIT的另一篇文章中,作者展示了国家科学奖章获得者Patrick Suppes在1960年代就这类技术所做的探讨。
他说,教育技术将使学生获得"如同亚里士多德一样博学且反应灵敏的私人导师服务。"
"现在...我们已经进入了生成式AI和ChatGPT等大语言模型的时代,"作者写道。"技术是否终于准备好实现计算机辅导作为一个可扩展技术解决方案的承诺?"
Mollick的数据表明确实如此...
学生支持要素
在辅导方面,显然技术对学生有一些主要的帮助方式。包括复习材料的时间投入和学习方法的获取。但MIT的文章还提到了"释放学生自身思维的认知脚手架"。
换句话说,正是学生与技术的互动产生了成果。
这就像古话说的"三个臭皮匠胜过一个诸葛亮"或是"我需要有人与我交流想法"。
文章继续写道:
"在社交连接方面,ChatGPT等工具确实能够采用特定的语气和策略来建立融洽关系,它们能够以体贴的方式回应挫折和其他负面情绪,提供鼓励并让困境正常化。"
换句话说,告诉学生他们的感受是正常的,这样能够让他们有力量继续前进,克服障碍。
教育与苏格拉底式方法
我的同事John Sviokla博士经常谈论AI作为导师的令人印象深刻之处。
你可能听说过苏格拉底式教学法,它主张学生应该承担70%的工作量,包括表达和交流,而教师只承担30%。在美国课堂上,我们经常看到这个比例是颠倒的。但AI正在以一种重要的方式改变这一切。你可以询问教师或管理者,或者回顾Mollick向我们展示的那些成果,我们正迈入2025年。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。