#人机协作

做医疗 AI 评测或人机协作研究的人可以看看这篇。它绕开了“必须有标准答案才能算互补性”的限制，用多准则决策分析给无 ground truth 的任务打标签，方法讲得很细，可以直接借鉴到自己的评估设计里。

这篇论文解释了为什么更聪明的 AI 有时反而帮倒忙：人会重复计算重叠证据。还用 ChatBench 数据拆出了两种损失各占多少，量化很扎实。

这篇论文有点意思：智能体加专家协作优化系统，居然发现人类的直觉反过来成了天花板，做系统调优的值得看看

Dylan Patel (SemiAnalysis)@dylan522p原文

arXiv 上一个自动元分析系统，已经汇总了 420 篇人机协作论文，结论挺反直觉：人机搭配打得过人类单干，却打不过 AI 单干。

医学生和做医疗 AI 的都该看看：这篇 npj Digital Medicine 论文用新生儿气腹诊断做实验，发现资历不同的医生被 AI 带偏的程度不一样。

npj Digital Medicine@Hee Mang Yoon原文

几个计算复杂度的公开问题被 Claude Opus 5.5 找到了归约证明，人只负责验证和修改，这篇论文本身就成了人机协作做数学的案例。

机器人版 RLHF 怎么做？这篇综述梳理了 20 篇文献，还用 VR 实验证明让用户主动给反馈比系统定时收集更靠谱。

系统工程师讲了怎么优化大语言模型操作，能解决错误留存难题，和普通工具用法不一样。

Anthropic这篇研究揭示了人类如何指导AI任务，工作导向与指定委托的关系，以及不同使用模式的差异。

编码代理平时跑分很强，但用户中途改代码就露馅。SWE-Touch实测9个模型，成功率平均掉7.7个百分点，原因挺有意思。

这篇论文用实验证明了跟AI组队会让人类队友之间沟通变少、归属感下降。别光看AI多能说，它抢了你的存在感。

研究团队提出了CE-CM和CE-CM-Div两种能力估计方法，能让AI在未知合作伙伴能力时快速适应，还考虑了人类行为多样性，看模拟和真人实验结果都挺有说服力的。

这篇论文告诉你，在电子表格里用计划模式（Plan Mode）能少改几遍代码，协作感还能变好。不是玄学，是有24人验证过的。

OpenAI出了份真实用户数据研究，讲ChatGPT怎么让员工跨岗干活的，挺开脑洞。

这篇论文从哲学和理论层面分析了为什么有些事AI再强也替代不了人，不是技术不行，而是目标本身就得人参与才能定义。看完会重新理解自动化的真正边界。

这篇论文给了一个新方法，能精确找出LLM写的片段，不用提前标注，比现有文档级检测更细。

这篇论文提出了一个叫ArtSplit的讨论工具，帮你理解AI协作创作时所有权到底该归谁，跟艺术家们聊了聊，发现简单量化行不通。

这篇论文用两千多个仓库的真实数据告诉你，小项目反而更爱用AI写代码，但整体上大家用得还不多。想了解实际项目怎么管AI贡献的可以看看。

这篇论文提出了LOGOS，一个让AI团队自我进化同时受人类控制的框架。它不替换现有系统，而是增加了治理层，确保问责。

这条推文点透了：别再只追新模型了，提升自己提需求的能力才是正经事。

向阳乔木@vista8原文

别总盯着模型分数，人怎么用AI才是关键。这篇论文发现，能跟AI互补的人靠的是好奇心而非高智商。

这篇论文帮你理清了人机团队到底有几种类型，看了53篇文献给你分了5类，读完就知道不同研究到底在聊什么、结论能不能通用。

这篇讨论点出了很多AI产品落地卡在哪：模型学不会新东西，每次都要人来教。想避开跟风炒作，先看懂这个根本问题。

Ethan Mollick@emollick原文

这篇论文梳理了200多篇VIS4ML论文，告诉你人在机器学习中怎么用可视化注入知识。想了解人机协作的路径和原理，这篇综述是很好的起点。

这篇论文用SAM加人工迭代的方法做肺结节分割，Dice近85%，比13种SAM变体都强，非医学人员培训后也能干医学标注的活。

LangChain总结了团队构建多个智能体的核心痛点：成本、权限、版本控制、监控等，全是实战干货，适合正在做 Agent 上线的团队参考。

官方账号LangChain@LangChainAI原文