C03 · 完成熟悉项目中的维护任务
熟悉项目维护：先看完整交付，再看生成速度
补全新代码和改熟悉仓库，是两种任务。AI生成得快，不代表你连同核对和返工也更快。
交接步骤 · 条件比较 · 产物格式 · 验收与回执
读方法与原始研究 →领域前沿与工作变化
读懂AI前沿，理解具体工作的变化
从概念和实际研究开始，了解做到了什么、证据在哪里，以及哪些变化值得在自己的工作中试验。
每个要点都有概念、进展、时间线和原始材料。原前沿基准截至2026-10-12／13；后续方法解释按各自整理日与原始公开日列在下方，原情景不随补录改写。
选一项具体工作，理解交接与验收
从读懂研究，到准备一次有限试点
方法整理 2026-10-19 · 个案与解释使用独立任务边界模块，原前沿研究日期另行保留。
F01 · 从财报取数并计算指标
财报计算：把取数、运算、对账分别验收
让AI找数和写公式，让程序计算；你核对财年、单位、口径和原文。计算正确仍可能引用错数据。
交接步骤 · 条件比较 · 产物格式 · 验收与回执
读方法与原始研究 →M01 · 写出多步数值问题的推导
数值推导：先确定你要验收哪种正确
得到对的数字，不一定给出了成立的推导。先区分答案、推理步骤和形式证明，再选择核验方法。
交接步骤 · 条件比较 · 产物格式 · 验收与回执
读方法与原始研究 →精选进展
18篇 · 先看研究，再看工作影响训练数据与合成数据
合成训练数据：外部验证带来有条件的改善
用已有参考摘要筛选合成数据的实验，先改善后趋稳；DeepSeek-V3.2另公开1800多个工具环境、85000条提示的构造流程。两项研究分别回答验证条件与工程规模。
资料截至2026-10-13阅读全文与证明材料 →
后训练与能力蒸馏
后训练与蒸馏：小模型适配与多教师策略
单卡小模型实验将300道文字算术题准确率从45.0%提高到约70%；IQuest-Q1则披露多教师工具策略与模拟办公过程。任务条件和真实交付仍需区分。
资料截至2026-10-13阅读全文与证明材料 →
推理服务与成本
推理降本：加速解码为何要看完整费用
HierSpec让量化与推测解码协同，在指定70B模型、单张A100配置下报告2.78倍解码速度；计时排除了草稿读入，完整任务费用仍需另测。
资料截至2026-10-13阅读全文与证明材料 →
知识检索、长上下文与记忆
检索与记忆：长上下文之外的事实更新
长记忆评测中，给对相关会话比塞入全历史更有效；合成事实实验则比较摘要与结构化对象的检索。资料更新、删除和冲突需要自己的验收。
资料截至2026-10-13阅读全文与证明材料 →
可解释性与机制审计
机制审计：正确答案也可能依据不合理
法律模型可能答对却依赖不相关行为；Circuit Tracing通过改变内部特征检验局部计算。两条路线帮助找机制线索，仍需独立正确性检查。
资料截至2026-10-13阅读全文与证明材料 →
数学与形式证明
数学证明：自然语言进步与形式核验
研究版Gemini Deep Think在4.5小时内解出5/6道IMO题；研究稿件开始附Lean证书。机器检查推理之后，还要核对命题是否忠实表达了原问题。
资料截至2026-10-12阅读全文与证明材料 →
软件工程
软件改造：部分测试通过与完整迁移的差距
软件重建与整仓迁移评测要求完整交付。520次迁移运行中，88次同时通过迁移和固定行为检查，28次通过全部关卡，部分测试与全验收差距明显。
资料截至2026-10-12阅读全文与证明材料 →
大规模Agent协作与工具
多Agent协作：规模扩大与集成交接
Agensh用更多工作者扩大软件重建搜索；AgentWorld测试游戏角色协作，LLMA-Mem比较经验复用。部分评分改善需要连同计算与集成投入阅读。
资料截至2026-10-12阅读全文与证明材料 →
自动研发与自迭代
自动研发：可执行反馈支持哪些局部优化
AlphaEvolve找到4×4矩阵乘法的48次复数乘法构造；METR另测局部研发任务。明确反馈能支持算法搜索，完整研发判断和复现仍有缺口。
资料截至2026-10-12阅读全文与证明材料 →
网络安全
AI安全：从漏洞账本到工具使用边界
公开账本分别列候选、外审确认与上游修补；浏览器防御研究也测了模型与防护组合。发现数量、实际修复和安全执行分别需要证据。
资料截至2026-10-12阅读全文与证明材料 →
机器人
机器人学习：真实反馈与合成画面的作用
RECAP在指定真机任务中把每小时成功完成数提高到基线两倍以上；U0用合成画面改善陌生背景下的步骤进度。验收指标与人类纠错投入必须一起看。
资料截至2026-10-12阅读全文与证明材料 →
世界模型
世界模型：交互视频与实测物理之间
Genie3生成可交互场景；GAUGE的钟摆测试却发现，曲线很平滑、周期仍偏离实测。交互视频和物理可靠性是不同能力。
资料截至2026-10-12阅读全文与证明材料 →
金融专业工作
金融Agent：跨文件一致性与客户级交付
金融评测分别检查研究条款、跨页取数和表格/幻灯片/备忘录一致性。指定产物的投行人工评审无人给出可直接发送档，文件外观专业仍需验收。
资料截至2026-10-12阅读全文与证明材料 →
法律会计与税务
法律会计辅助：专业经验与任务差异
专利起草试验在有AI和无AI修改时呈现不同经验组收益；会计分类实验估计准确率增加17.5个百分点、总耗时未显著下降。质量与工时需分开判断。
资料截至2026-10-12阅读全文与证明材料 →
教育公共服务与语言覆盖
教育与服务AI：即时帮助与长期效果
课堂试验区分练习得分与撤除后的独立考试；央行员工试验中，文件检索问答改善、转SQL分析却变差。教育与服务AI应连同介入方式和长期结果阅读。
资料截至2026-10-12阅读全文与证明材料 →
制造与供应链
制造质检：局部工位的公开应用证据
Seagate披露34设备视觉质检的出货缺陷变化；Bosch以约1.5万合成图补新产品缺陷样本。它们支持局部工位应用，整厂收益仍需另测。
资料截至2026-10-14阅读全文与证明材料 →
经济组织与就业
工作AI化：从任务产能到企业兑现
企业代码补全试验估计任务数量增加约26%，成熟仓库维护试验却测到耗时增加19%。工具、任务和人群不同，不能拼成统一职业提效比例。
资料截至2026-10-12阅读全文与证明材料 →
Agent经营经济模拟与商业落地
Agent经营：模拟余额和真实账目的差别
售货模拟从500美元起步、按一年模拟余额评分；真实商店试点同时改变模型、工具与人类流程。余额与负利润周改善均不等于完整公司盈利。
资料截至2026-10-12阅读全文与证明材料 →
按领域系统了解
训练与系统机制
训练数据与合成数据
合成数据是模型生成的题目、答案、对话或操作轨迹，可以用于同一模型的下一轮训练，也可以训练另一个模型。它能补足人工样本稀少的场景，例如罕见报错与多工具协作；关键是生成后怎样判断正确，而不是生成数量有多大。
概念、进度与资料 →模型架构与硬件协同
模型架构决定信息怎样在神经网络中流动，硬件决定这些计算与数据搬运要花多久。注意力、状态空间模型和专家混合等结构常被组合使用，以改善长文档处理或降低部分计算量。
概念、进度与资料 →后训练与能力蒸馏
后训练是在已有模型基础上，让它更适合具体任务；蒸馏则让学生模型学习专家模型的输出或策略。可自动判断对错的任务特别适合提供反馈，例如算术、代码测试或受限工具操作。
概念、进度与资料 →推理服务与成本
推理是模型处理输入并生成输出的过程。量化、缓存、批处理和推测解码可以改变推理速度与资源占用，但用户最终购买的是合格交付，不是便宜的token。
概念、进度与资料 →知识检索、长上下文与记忆
检索从资料库找到相关证据，长上下文把更多材料放进一次输入，记忆则在跨次工作中保存事实、来源和状态。它们解决不同问题，通常需要组合，而不是互相完全替代。
概念、进度与资料 →可解释性与机制审计
可解释性研究试图找出输入、内部特征与输出之间的关系。解释工具可以提示模型可能依赖了什么，但一张漂亮的归因图不等于完全理解模型，也不能替代独立正确性检查。
概念、进度与资料 →技术基础
数学与形式证明
数学证明要说明命题为什么成立。AI可以提出论证或搜索证明，形式化工具则把命题和推理写成机器可检查的语言；两者还需要核对是否表达了同一个数学问题。
概念、进度与资料 →软件工程
软件工作不只要求代码能够运行，还要求它实现变更目标、保持必须保留的行为，并能在真实项目里接收和维护。短缺陷修复和整仓迁移的难度与验收方式不同。
概念、进度与资料 →高难评测与交互推理
评测把能力放到一组固定任务与规则下测量。静态问答、交互环境、工具研究和科学工作流测的是不同对象；同名模型在不同工具与预算下也可能得到不同分数。
概念、进度与资料 →大规模Agent协作与工具
多Agent系统把搜索、编码或研究拆给多个工作者，再共享状态并合并结果。并行可以扩大探索范围，但接口冲突、错误事实和集成返工也会增加。
概念、进度与资料 →自动研发与自迭代
自动研发让系统提出候选方案、运行实验、读取反馈并继续改进。明确且可执行的评价器容易支撑局部优化；研究问题是否重要、实验是否有效则需要额外判断。
概念、进度与资料 →网络安全
AI安全工作包括发现候选漏洞、独立确认、向维护者报告、修补和用户安装。候选数量与风险真正减少之间隔着多个环节；工具Agent自身还会受到外部内容的攻击。
概念、进度与资料 →科学与物理世界
基因蛋白与虚拟细胞
这些模型预测分子变化的影响或生成候选蛋白。虚拟细胞试图模拟扰动后细胞状态如何改变，帮助决定先做哪些实验；预测本身还不是实验观察或临床结论。
概念、进度与资料 →药物与医疗
AI可以参与靶点发现、分子设计或影像筛查。找到候选药物后仍要经过人体临床试验；筛查工具则要在真实临床流程中比较效果和后续负担。两条验证路径不能混为一个成功率。
概念、进度与资料 →材料发现
材料发现先提出可能的结构和配方，再通过合成、表征与性能测试判断是否成立。AI擅长扩大候选搜索，但真实制备和长期应用是另外的门槛。
概念、进度与资料 →天气预报
ECMWF（欧洲中期天气预报中心）的AI预报从历史资料学习大气变化，用于产生未来天气信号。AIFS Single给一条预测路径，ENS集合预报给多种可能结果，帮助表示不确定性；它们与传统物理模式IFS可相互比较。
概念、进度与资料 →天文研究
天文数据来自不同望远镜和巡天项目，拼成一致地图需要检索、校准和误差处理。模型可以协助整理，也可以预测未观测区域，但预测像素不是新增观测。
概念、进度与资料 →机器人
机器人模型把视觉、语言指令和动作连接起来。训练既可以使用人类示范，也可以使用自主执行后的反馈；部署时还要处理陌生物体、照明变化、失败和接管。
概念、进度与资料 →世界模型
世界模型试图生成可交互环境或预测动作后的变化，可用于探索、训练和仿真。视觉连续性与物理准确性不同，真实策略能否迁移到设备还需另外验证。
概念、进度与资料 →专业行业
金融专业工作
金融工作会跨财报、表格、图表和备忘录反复核对时点、单位与公式。传统机器学习已用于部分风险流程，生成式AI更多承担检索、抽取和起草，成熟度不同。
概念、进度与资料 →法律会计与税务
法律起草、法规检索、交易分类与月结属于不同工作。AI能改善某些草稿或整理任务，但法域、专业经验、责任和验收条件会改变结果。
概念、进度与资料 →教育公共服务与语言覆盖
教育AI的目标是帮助学生学会，而不是替学生给出答案；公共服务AI的目标是解决真实请求。不同语言、群体与任务需要不同的质量与公平检查。
概念、进度与资料 →制造与供应链
视觉质检把相机或传感器信息转成缺陷提示，人员和流程再决定隔离、返工或放行。排产、采购和库存则牵涉更多系统和业务反馈，不能从一个工位直接推出。
概念、进度与资料 →经济与经营
经济组织与就业
任务生成更多产物后，还要经过审核、发布、客户使用和组织调整，才可能影响生产率与就业。工具采用、人时、利润和招聘是不同指标。
概念、进度与资料 →基础设施融资与金融系统
训练和提供模型服务需要芯片、机房、电力和资金。建设支出会拉动当前需求，但长期收益要靠客户付费和生产率改善兑现；贷款和租赁又引入不同期限的偿付压力。
概念、进度与资料 →Agent经营经济模拟与商业落地
经营Agent可以在环境中采购、定价、谈判和管理库存；经济仿真则让多个角色在规则下互动。模拟中的余额与真实客户、租金、工资和责任并不相同。
概念、进度与资料 →从研究走向自己的工作
固定周报准备
这里的工作要求用真实数据交付一份数字一致、能追溯出处并由团队接收的报告。固定计算、资料检索和业务解释的验收不同，应分别判断。
一年／三年场景与最小试点 →小范围软件维护
这里的维护是给定范围和环境的小变更，不是完整接管整仓工程。先证明缺陷可以复现，再检查补丁是否实现目标、原行为是否保持、过程是否越界。
一年／三年场景与最小试点 →知识资料跨期更新
资料更新不仅是向知识库加文件，还包括新旧版本、生效日期、冲突与撤回。检索能找到一句话，只是第一步；它是否仍适用还需要核对。
一年／三年场景与最小试点 →项目状态周报
项目状态报告把工单、里程碑、预算和交付物组织成可采取行动的信息。AI可整理记录和计算偏差，但真实承诺、延期升级与组织决定不能从模型推断中自动产生。
一年／三年场景与最小试点 →系统日志诊断与验收
日志诊断是从实际现象找到可复现根因，再在允许的环境中恢复系统。生成一段诊断报告或工具命令成功，不等于用户问题已经解决。
一年／三年场景与最小试点 →增长内容与效果复盘
增长复盘需要同口径活动数据、公开资料和明确归因窗口。AI可以搜集、计算与起草，但生成量、触达数、留存与回款代表不同结果。
一年／三年场景与最小试点 →财报取数、重述与可追溯计算
这里的覆盖指某项动作能怎样交接，不把一道财报问答换算整个岗位比例。
一年／三年场景与最小试点 →有资源约束的数值推导与核验
答案、成立推导和形式证明是不同产物；本情景只处理前两项的有限数值工作。
一年／三年场景与最小试点 →持续关注
筛选链接可收藏；订阅带有原研究日期与公开修订时间，材料变化或撤回会另外标明。
订阅领域变化 Atom → · 变化 JSON用研究理解工作，再决定下一步
现今补充 · 独立观察模块2026-10-19.observations.2；原前沿研究基准另行保留。
看使用和采用背景、固定测试条件与成本；读训练迁移和评测方法，再回到输入、交接与验收。
AI会做，不等于你已经省下工作
JobBench把委派偏好带入专业任务选题；能力、人的意愿、实际省时和岗位变化仍需分别核对。
模型没换，工作流程为什么可能变好？
Harness²研究工具、技能、检查脚本和运行规则的改进；行为变了仍需核验产物与全部成本。
从模型能力到工作交付，中间还缺什么？
用模型、运行系统、业务环境和验收四个环节，组织职业作品与团队取舍；这是编辑方法，不是厂商排名。
使用份额变了，自己的工作该怎么判断？
先确定消息、企业还是任务作为分母，再把观察带回自己的验收。
榜单费用为什么不是你的完整工作成本？
把题目/API费用、全部失败尝试、人工核验和最终交付放回同一个范围。
代码训练会让数学和语言一起变好吗？
训练配比、相同后续训练和程序提示是三种不同干预，结论要各自保留。
曲线突然跃升，意味着工作能力突然出现吗？
先检查分母、评分量尺与模型配置，再理解增长和预测。
怎样把自己的任务写成可检查的能力需求？
把记忆、组合、数学与信息处理需求展开，让工具选择和验收更具体。
这次更新了什么
内容修订、研究补录和能力变化分开看；核查日期不代表实验发生日期。
岗位深度研究与方法融合
2026-10-24 · 两份完整专题
补入AI产品经理、前后端软件工程师的任务、工作链、条件预算和外部证据；近期与五年期RSI分开呈现。研究修订不代表新的AI能力实测。
阅读专题 → · 方法 →2026-10-24.studies.5
职业与任务内容修订
2026-10-21 · 阅读与依据
补充职业准备和地区范围，修正来源支持关系，统一证据查找与公开资料交接。本次没有新增模型能力试验。
职业资料 → · 交付任务 →2026-10-21.careers.2 / 2026-10-21.workunits.2
研究与方法解释
2026-10-19 · 按原始口径阅读
使用、能力、费用和工作结果各有分母；原前沿基准截至2026-10-12／13，后补解释按各自公开与整理日期列示。
研究观察 → · 前沿目录 →历史证据收录
2026-10-19 · 三领域试点
时间轴只收录选定任务的公开节点；职业资料更新不会自动成为新能力事件，空白也不表示当时没有研究。
查看边界时间轴 →