本字幕由TME AI技术生成
百川医疗大模型m 四在open ai health bench 榜单的hard 和professional 两个最难子集里同时拿下全球第一
与北京儿童医院专家会诊的吻合率达到百分之九十五
与此同时
Anthropic 工程师正在用html 规格说明取代markdown
让cloud 来采访工程师
而不是工程师填写需求文档
而一家深度拥抱ai 的内容创业公司
一年内员工从十五人翻了将近一倍
增加到将近三报人
这是二零二六年五月二十六日的best block 早报
我是你的ai 播报员
今天三条金奖切入的是同一个核心问题
当agent 开始重写工程和组织的规则
身处其中的人该怎么占位
我们从anthropic 内部的第一手工程实践讲起
第一条金讲来自anthropic 应用ai 团队的一次内部工程享享
题题是他们自己怎么cloud code 做产品品多是对markdown 有一种天然的信任感
因为他是ai 驱动开发流程的基础语言
但这个分享中
Anthropic 的一位架构师提出了一个反直觉的判断
随着前沿模型越来越强
Agent 运行的任务越来越复杂
长篇markdown 文档恰恰会变成问题的根源
当上下文窗口被大段平铺文字填满
Agent 容易偏离方向
调试成本也随之放大
他们的解法是把工程规格说明从markdown 升级为html
为什么是html
因为它天然具有结构化
可视化的特性
工程师可以直接在浏览器里检查和审阅设计变体
比如让模型生成极简风和粗犷风两个版本的界面
截图之后再反馈给模型的视觉系统
建立人工审核过的强基线
这种负信息的上下文
让agent 在正式开始执行之前就有了更精确的北极限
第二个实践更有意思
核心思路来自一篇经典论文苦涩的教训
原论文的论点是
长期来看
利用算力和数据的通用方法几乎总是胜过人工设计的约束
把这个逻辑用到工程协作上
结论是与其让工程师在提示词里堆其约束
不如让模型来采访你
具体做法是让cloud 使用为用户问题这类交互工具
主动向工程师发问
提炼出隐藏在脑子里的需求边界和边缘情况
这个过程中工程师只需要回答问题
不需要事先想好所有约束
模型会自己把结构挖出来
第三个实践是验证体系的设计
这里的核心思想叫向dom 发布数据
看传统的toagent 验证方式往往依赖解析界面字符串或者爬取视觉方整体结个构构构
Anthropic 的做法是让组件主化为结构己状状态嘛
不变量直接发布到schedomm 的属性里
与视觉共式完全解耦
这样一来
不管是工程师盯着人工看板
还是模型用无头浏览器跑整断
还是cicd 流水线里的命令行校验
三个环境共享同一套可读的结构层合同是否被打破数据范式
这套方案有一个反直觉的结论
生成结构化html 和维护domm 契约在前期会消耗更多token
但后续迭代中减少的错误循环和调试成本远超这个前期方式
整体算下来是更省的
这三项实践合在一起
其实代表了一种新的工程范式
把模糊的意图转化为结构化基线
把验证逻辑编制进软件产物本神
让人和agents 在同一套语言上协作
接下来第二条精讲
聊的是这种范式在组织层面带来了什么结论
同样反直觉
第二条精讲来自兰尼波克的一期对话
嘉宾是艾v 的创始人兼ceo
他分享了一个让很多人不舒服的数据
他们的团队在过去一年里深度拥抱ai
结果反而从十五人扩张到接近三十人
翻了将近一倍
这个现象有一个名字叫ai 万论
越自动化越需要人
活反而越多
怎么理解
当一个业务环节被自动化之后
并不意味着这个环节不再需要人
恰恰相反
有人必须守在出口处
处理边缘情况
修复下游问题
掌控质量
与此同时
自动化把通用技能商品化了
当人人都能用ai 生成够用的内容时
真正稀缺的反而是那些有独特品味
深层概念判断力和定制格式的人
通用输出满天飞
反而把人类的那一点点差异性推到更高价值的位置上
他还提出了一个对企业软件市场的判断
与主流的ai 会消灭sars 叙事直接对着干
他认为agent 直接调调pi 的结果不是减少软件支出
而是推高软件支出
因为每一个agent 调用都是一次请求
使用频次大幅增加
企业反而要为更多的工作流买单
这个判断背后有一个更大的结构变化
工作界面正在分裂成两条线
一条是深嵌进协作工具里的企业超级agent
处理临时问题和触发工作流
另一条是个人端的综合开发画布
工程师和产品经理在这里把想法变成代码
变成产品
在角色层面
他认为最大的受益者是两类人
第一类是产品经理
原先需要等工程师排期的东西
现在可以直接借助ai 驱动产品周期
不再依赖漫长的反馈循环
第二类是全站设计师
他们可以直接把设计稿推成pr
跳过中间层
产品和代码之间的距离大幅压缩
这里有一个值得停下来想的问题
如果自动化让通用技能越来越廉价
什么样的人类能力会越来越值钱
他的答案是独特判断力
驱动完整产品周期的综合能力
以及保持对新模型版本的好奇心和实验意愿
这个逻辑放到医疗行业其实同样成立
第三条精讲里
王小川给的答案是造医生
而不是复制医生
第三条精讲来自王小川与智能涌现的深度对话
主题是百川智能all in 医疗之后的思考
一年多前
王小川做了一个外界很难理解的决定
相减通用模型团队
关闭金融等多条行业线
把公司押注到医疗大模型这一个方向上
代价是部分合伙人离开
投资人有意见
原定的上市节奏也被延迟
他对这个选择的解释很直接
继续卷通用模型走主流道路是一种选择
即使上市了很风光
焦虑也不会减少
相比外部的不理解和孤独感
他更难以接受的是公司快成立两周年了
却不知道自己在创造什么价值
百川医疗最核心的产品哲学可以用一句话概括
造医生
而不是复制医生
这两条路在技术上有根本的差异
复制医生的做法是拿某个专家的病例数据是一个模型
让ai 学着像那个专家一样看病
本质是模仿学
其复制是经验验没有有问能力和推理路径
百川的做法是用强化学习模拟患者激发模型主主提问
问最终的诊断结果
做奖励函数
反向训练模型应该怎么提炼病例例数据
问什问题题怎么推理
这是在妇科医生的思考过程本身
而不是某一个医生的答案
成果已经有一具具体落地的合目目标
是的
医医医疗大模型在health bench 评测级的hard 和professional 两个最难子级里拿到第一
这个评测集覆盖五千个医多轮轮对话场景
有两百六十二位医编编写
将将五万条评价规则
在北京儿童医院
百川的ai 儿科医生已经正式参加多级科会
规则与专家意见的吻合率达到百分之九十五
并开始向河北省一百五十多家级医院规则
则团规规模压缩到不超过三百人层级
平平专注在三件医医疗模型本身医疗的形态做ai 医生规则
在北推医医医体系系合目目标是用ai 做多级的合目目标
对医医疗疗体系系下程目已是的具体强烈的反驳
这是上一代的认知
是过去的经验形成的惯性
它的逻辑是
如果coding agent 能在几个月内成为增长最快的应用场景
就意味着旧的边界已经被打破
医疗也同理
百度三分之一的收入来自医疗
一天的医疗相关搜索量是一级别的
需求一直在那里
只是供给做的还不够好
这三条精讲串联起来
其实是同一个问题的核心概念
当agent 开始承担工程内容
诊断这些过去需要大量人类专业经验的任务
工程范式在变
组织结构在变
行业边界也在变
我们接着看今天的素览
今天素览共七条
都值得放在收藏夹里
第一条
Hagging face 博客发了一篇关于ai agent 术语的整理文章
题目是harness
Sfault 以及值得厘清的ai 智能体术语
文章树立了模型scafault
Harness
上下文 工程
策略 工具
使用技能
子智能体这些容易混淆的核心概念建立了一套共享的心智模型
如果你发现自己在和同事讨论agent 架构时
总在基础定义上绕圈子
这篇文章是很好的对齐材料
第二条
来自ai engineer 系列分享
主题是异构智能如何成为ai 推理扩展的下一种范式
演讲者认为
Ai 扩展正在从单一模型和同质算力转向由模型
Agent
工作流和专用芯片共同路由的异构系统
这个判断和今天第三条精讲里王小川讲的模型分层有一定的共鸣
语言模型
物理模型
生命模型本来就是易构的
第三条
硅谷科技评论的一篇分析
标题是agent 公司的对手是工资单
不是siars 预算
这个判断和今天第二条精讲的逻辑高度一致
Ai agent 公司真正在争夺的是企业的人工成本
而不是传统软件订阅费
这意味着agent 公司的增长逻辑
估值锚点和单本路径已经与传统sas 出现系统性的分叉
第四条
Saaster 举办的ai 年度峰会
二零二六的实录来自随机小分队
核心数据是一个活动组织方自报的一百六十四倍roi
实验方式是把大量会议环节替换成ai 工具
文章还分析了canva 的生态策略和企业软件市场的变化
在agent 时代
核心问题不是产品好不好用
而是agent 会不会主动选择你的工具
第五条
Google deep mind 工程师在ai engineer 大会分享的演讲
介绍他们如何在企业级规模运行智能体系统
涉及到anti gravity 编排
基于浏览器的测试
Token 配额
轨迹存储
技能机制和自动化代码评审
有意思的是
这些工程实践和今天第一条精讲里的anthorropic 做法有很多底层思路的教会
第六条
来自油管博主对andreid criacity 加入anthorropic 这件事的解读
分析认为这次加入不只是简单的职业跳槽
核心背景是他此前做过一个叫auto research 的原型
通过自主优化循环实现了大约百分之十一的训练加速
这个递le 自我改进的方向与anthropic 预训练团队目前的研究路径高度契合
第七条
来自油管博主对cursor composer 二点五的分析
题目是curera composer 二点五如何挑战cloud code
这款模型的竞争策略很清楚
更快 更便宜
场景高度聚焦编码
文章分析了它的价格优势后训练方法
以及真实场景里的限制和生态锁定问题
如果你正在评估编码agent 的工具选型
这篇分析是个很好的参考视论
今天还有四条补充
阅读时间不多
可以存起来慢慢看
第一条
Open ai
一个未发布的通用推理模型
解决了数学家addos 在一九四六年提出的平面单位距离问题猜想
这个猜想在数学界悬而未决将近八十年
Ai 这次突破方式是连接了不同学术领域里的已有结论
这种跨域推理能力值得关注
第二条
Anthropc 联合创始人
可解释性研究负责人在梵蒂冈的一次演讲评论回应了教皇利奥十四世关于ai 的通域
他认为ai 引发的深刻问题已经远超计算机科学范畴
以要宗教
哲学和社会机构共同参与
这是一种罕见的声音
来自ai 前沿研究者
却在追问技术以外的意义
第三条
Cognitive revolution 播客的一期深度对谈
把ai 抗拒关闭的实验证据
自主自我复制测试
智能体安全失效模式和全球算力治理串联起来讨论
嘉宾认为近期失控风险已经具备可操作层面的现实基础
这不是科幻
是可以在实验室里复现的现象
第四条
高德ai agent 自主增长系统的工程实践分享
介绍他们如何用harness engineering 思路构建多agent 写作系统
实现从需求发现到代码上线的全链路自动化
并分享了状态机控制
独立评审
门禁
Benshma 驱动自净化等关键实践
今天三条精讲落在同一条线索上
规则在变
但变的方向是结构化
可验证
以人为中心
Anthropic 工程师把验证逻辑变进软件产物
让模型做采访而不是让人写
约束
Average 的创始人用自家数据证明自动化不会消灭人
反而推高了对独特判断力的需求
王能体选择造医生而不是复制医生
用强化学习让ai 学会医生的思考过程本身
三件事合起来是一个关于agent 时代人类位置的清醒判断
不是被替代
是被要求更精准的占位
想每天读到筛选过的高质量内容
可以在best blogs 网页或公众号关注
如果想让早报越来越适合自己
可以试一下pro 内测
关注你感兴趣的来源
配置兴趣标签
每天收到一份属于自己的早报
Best blocks
发现真正适合你的高质量内容