Audible在法兰克福书展发布全球研究《The Future of Listening》，覆盖11国1.8万名听众。结果显示音频消费持续增长，38%英国听众收听量超去年。音频与阅读互补，59%会读已听有声书的纸质版。音频成为远离屏幕、放松身心的方式，53%借此替代屏幕娱乐。听众对AI配音内容持开放态度，48%英国受访者愿尝试，64%对音频未来感到兴奋。

自2026年1月推出以来，Claude Cowork成为知识工作者的重要工具，帮助他们处理信息创建与交流。数据显示，33.4%的用户用于业务流程和运营，16.4%用于内容创作。用户利用Claude Cowork整理信息，提升工作效率，尤其在状态报告、幻灯片和数据分析等任务中表现突出。

2025年节日季美国礼品卡消费约290亿美元，43%的人至少买过一张。研究58款应用发现，送礼功能的关键在时机而非设计：九种场景中八种依附产品已有信号，如购物车、节日、直播互动或共同目标。礼品卡只是供给，其余场景才制造需求。发送流程普遍存在六个问题，包括收礼人无账号、同意记录、定时送达、重复领取和过期规则。领取页决定能否将礼物转化为新用户。

Fyxer开发AI行政助理，结合OpenAI模型与50万小时行政工作流，将邮件处理拆分为30-50个专用模型，分别负责回复判断、意图分析和记忆检索。系统通过监督微调和LoRA训练，并利用用户编辑反馈进行偏好优化，持续迭代。目前53%的AI草稿被直接采用，2025年ARR从100万美元增至3200万美元，90天留存率超90%。未来将向主动管理沟通的助理演进。

文章从计算机网络分层模型类比人类认知层次，分析人们难以相互理解的原因。指出模糊性源于语言指代不明和讨论层次错位，常在不同层面争论同一话题却未意识到前提差异。通过现象学意向性理论，强调思考应伴随语言，呼吁明确前提和层次以促进清晰交流。

研究发现，超级百岁老人体内存在大量罕见的CD4细胞毒性T淋巴细胞，这些细胞能识别并清除癌细胞，可能有助于预防癌症。这些细胞在100岁后数量激增，形成克隆性扩增。然而，研究样本量较小，因果关系尚未确定，可能仅是长寿的伴随现象。

尼尔森为应对流媒体时代收视数据采集难题，宣布将采用可穿戴设备（如智能手表）收集观众数据，并更新方法以更准确估算观看人数。同时，公司还将采用新调查数据，改进西班牙语家庭估算及机器学习工具，确保数据代表性，巩固其行业标准地位。

作者通过WebMCP协议为独立博客添加AI友好接口，使AI智能体可直接搜索、读取文章和分类，无需模拟人类操作。他申请了Chrome Origin Trial，在保留原有功能基础上增加六个只读工具，并强调AI应遵守安全边界。文章展望未来AI代理访问网站的场景，认为网站需适应AI理解方式，但内容仍由人类书写。

Anthropic CEO达里奥抱怨新员工为钱而非使命加入公司，但该公司薪资高于OpenAI，引发网友调侃。行业人才流动频繁，高薪挖角成常态，但忠诚难买，频繁跳槽可能中断科研项目，并引发法律纠纷。

分析显示，近半数职业特定AI使用跨越职业边界，员工利用AI承担其他岗位任务，如销售分析数据、营销排查网站。小型企业跨界更普遍，营销和工程任务外溢最多。AI正改变工作分工，预示职业重组，但传统统计滞后。

根据Luminate的报告，2026年上半年美国CD销量达到1630万张，同比增长16%。这一增长主要源于粉丝希望以实惠的方式支持艺术家，尤其是K-pop的影响。尽管许多年轻买家没有CD播放器，他们购买CD更多是出于收藏和支持艺术家的目的。整体实体音乐销量也增长了7.8%。

大多数人并不渴望更多的人工智能功能。虽然公司认为新AI产品能提升工作效率，但实际上，AI常常增加工作负担且不可靠。人们希望AI能自动化繁琐任务，而不是干扰工作流程。AI应与现有工作方式深度整合，帮助人们腾出时间去做真正热爱的事情。

Flock Safety公司否认发送关于其监控技术的停止信，称这些信件是伪造的。该公司支持公众辩论，并愿意参与相关讨论。社交媒体上流传的信件引发了对Flock的批评，但Flock表示这些信件并非其法律部门发出。

北京大学的一项研究分析了1888个使用AI编码工具的GitHub项目，发现新贡献者参与率保持稳定，甚至略有上升。尽管AI生成的代码复杂性增加，但并未阻碍新手参与。研究表明，AI工具的采用未导致贡献者流失，反而在某些项目中活跃贡献者数量增长。未来研究应关注AI对维护开源项目所需努力的影响。

Fable 5 是一款基于 AI 的编程工具，用户只需一句话即可生成带动画和视频的日本风格网站。尽管其真实性受到争议，但它反映了编程技能的变化，强调创意和整合能力的重要性。

麻省理工学院的研究人员对随机效用模型进行了重要升级，发现仅通过两两比较无法获取相关性信息，而对三个选项进行排序则能识别出相关性。这一发现为数据收集和模型优化提供了实用的路线图，尤其在人工智能和大语言模型的训练中具有重要意义。