#人机交互
Dynamic Creatures 做了个叫 Hugo 的机器人原型，不看工厂需求，专门研究怎么通过人脸、声音和动作跟人实时互动，方向挺新鲜。
这篇论文提出 Deep Interaction，让你可以直接改推理步骤的错误，不用推倒重来。实验说 STEM 任务上纠错成功率涨 25%，token 还省 40%，挺实用的方法。
这篇研究说AI一味追求“省事”反而帮倒忙——结构设计需要“摩擦”来激发灵感。他们用视觉语言模型做了个交互系统，帮设计师边想边改，保留思考摩擦，去掉重复劳动。
设计师和创业者都在纠结的问题：到底该做带界面的产品还是纯 CLI？Yang Yi 这条推文给了一个简洁的判断框架，帮你少走弯路。
这篇论文揭示了AI对个体认知的深层影响，做AI伦理、认知科学或人机交互的研究者值得一读，能帮你理解AI如何潜移默化地改变你的思维方式。
Ethan He 把模型训练和交互设计的底层逻辑讲透了，做模型训练或产品设计的开发者看完会有启发，特别是关于迭代速度和交互未来的观点值得反复琢磨。
做AI产品出海或研究人机信任的团队，这篇论文揭示了机构信任如何成为AI采纳的关键变量——理解这一点，比单纯优化模型性能更能解释用户选择。建议点开看看框架和问卷设计。
CAPTCHA 是 AI 替代人类操作的最后一道门槛，做智能体自动化或 GUI 操作的团队可以用 HLL 测试自家模型的实际突破能力，结果可能会让你重新评估部署策略。
做交互式机器人安全验证的团队终于有了兼顾宽松性和形式化保证的方法——BeliefSF结合共形预测，在减少保守性的同时保持样本效率，做自动驾驶或人机协作的开发者值得关注。
这篇论文戳破了AI“效率神话”的泡沫——你以为省了1分钟，实际只省了7秒，做AI产品、写提示词、或者日常依赖AI的开发者，看完会重新审视自己的使用习惯。
这个比喻把 AI Agent 的本质讲透了——做产品、设计界面或研究人机交互的人，看完会对软件的未来形态有全新理解，值得点开细品。
Gemini Omni 把多模态 AI 的边界推到了“任意输入→任意输出”，做内容创作、产品设计或人机交互的团队值得关注——这可能是下一代 AI 应用的基础设施。
人机交互是 AI 落地的关键瓶颈，10 万美元资助直接降低了研究门槛，做交互设计或 AI 产品的团队值得关注申请窗口。
