论文评估大语言模型在机器翻译质量标注中与人工标注的一致性，比较MQM和ESA两种方案。结果显示，模型与人工一致性在部分任务上超过人工间一致性，但随方案、语对和领域差异大，多数场景仍不可靠。人工难处理细粒度MQM和低资源语对，模型难处理小错误、错误语言变体及错误跨度标注，未来可探索人机协作标注。

正行创新发布零售“人机协作”Physical AI方案，包含双足人形机器人H1、轮臂式机器人C1及管理平台M1，无需改造门店即可部署，可自主完成补货、巡检等任务。依托具身大脑与强化学习，机器人持续进化，计划2027年商业化，采用采购或RaaS模式。

Asana将AI代理融入Work Graph工作模型，使代理具备明确角色、权限和共享记忆，能与人类同事在同一平台协作。代理可被训练和审计，工作过程透明。文章介绍了三个应用案例：Slack产品问答、客户续约风险简报、工程周期规划，强调人机团队需共享上下文、明确访问控制，并让代理知识持续积累。

传统联络中心模式难以为继，AI语音智能体正成为核心基础设施。其架构为语音转文字、大模型和文字转语音三层，能自然对话并完成筛选、催收、客服等任务，成本仅0.4至0.7美元，远低于人工。关键指标包括低时延、多语言和带上下文的暖转接。主流模式是AI增强而非取代人工：机器人处理首轮，复杂问题转交坐席。

文章探讨“人在回路”（HITL）的利弊，指出盲目加入人工审核会拖慢系统、增加成本。有效做法是分层：约85%高置信度决策自动处理，12%异步专家复核，3%高风险案例实时人工介入。配合反馈闭环与工具优化，可兼顾速度与安全，将HITL变为竞争优势。

作者曾开发AI编程应用Nuanced，认为规划是AI编程核心，但实践发现：规划不等于计划文档，模型能力提升后无需精确指令；AI生成的长文本难以阅读；规划与构建被人为割裂，真实思考是交错迭代的。将计划做成静态产物是最大错误，应设计促进人类理解的流程。如何让人在大量智能体并行改动系统时保持清晰认知，仍是未解难题。

沙利文报告将上手、协作与长期使用纳入评价指标，腾讯WorkBuddy位列中国个人端与企业级桌面智能体双榜第一。实测显示，其专家广场按场景提供AI角色以降低使用门槛，安全中心支持版本还原与操作审批，人机双写可基于文件最新版协同修改，资料库团队空间与权限管理能将个人经验沉淀为团队可复用流程，实现人-人-机协作。

AI代理与统一通信即服务（UCaaS）结合，可实现端到端工作流程自动化，超越单一任务自动化。其优势包括全渠道通信、跨平台集成和处理复杂流程。适合自动化的高价值流程应具备数据量大、依赖人工、规则明确且可重复的特点。实施中需重视合规、安全与隐私治理，并坚持人机协作。最佳实践包括建立财务、生产力和质量指标，并让业务团队通过低代码工具参与集成。

作者用Pangram检测AI文本，发现即使人工重写、逐句改写，只要结构由大模型生成，仍会被判为100% AI。他借重写David Sacks推文实验说明：AI检测器对“人机协作”文本过于严苛，可能误导读者，但也让他意识到自己两年来对AI写作工具的依赖日益加深。

AI写作引发出版业争议，97%作者抵制，但奥莱利使用Claude写作并自豪。核心争论在于选择数量与意图浓度，类比摄影术历史。法律纠纷频发，出版业信任受损。奥莱利强调人机协作需披露，判断标准在于输出质量。AI改变时间分配，选择从生成转向判断，但需判断力支撑。未来纯人类写作或成稀缺品。

本文介绍在AI时代搭建Hugo静态博客的教程，作者分享使用AI Agent工具（如Workbuddy）简化建站流程，包括安装环境、配置主题、解决常见问题，并强调人机协作的重要性。文章还涵盖部署到GitHub和Vercel、写作管理、图床选择，以及利用AI实现自动化、个性化装修等进阶玩法，鼓励读者体验自主建站的乐趣。

文章探讨了编码智能体交互模式从“以对话为中心”向“以产物为中心”的转变。作者提出，当工作对象从代码扩展到PPT、网页等持续演化的产物时，对话不再是完整工作现场，产物本身应成为人机协作的核心。通过引入Artifact View，Harness需统一意图、版本、操作和验证，连接人与智能体直接操作同一份产物，形成多元化的Agent Loop。

明略科技与海康机器人联合参展2026世界机器人大会，展示具身智能在商业服务领域的落地，包括餐饮清洁、工业物流和智能巡逻场景。明略科技为机器人提供“AI大脑”，实现自主任务规划与执行，并开源人机协作平台Octo，推动组织级人机协同，加速具身智能产业化。

AI不会取代项目经理，但会重塑其角色。传统行政协调工作将被自动化，使PM转向战略规划、利益相关者管理和人机协作。AI增强预测和代理工作流提升效率，但面临数据质量、过度依赖等挑战。人类独有的同理心、判断力和沟通能力仍不可替代。未来PM将分化为AI运营、战略指导和团队赋能等专业角色。

本文报道了2026年AI在物理学和数学领域的突破性进展，如Claude解决随机热力学问题、证明雅可比猜想等。文章指出，AI正将物理学从“发现学科”变为“验证学科”，人类角色转向判断AI成果的正确性。同时，科学发现过程日益依赖人机私密协作，传统公共知识生产方式面临挑战。

李飞飞在访谈中强调，AI不是人类的替代者，而是个人能力的放大器。她指出，视觉是智能基石，AI发展依赖算法灵感与数据觉醒，如ImageNet项目。AI在医疗、教育等领域有巨大潜力，但缺乏私人情感与内在驱动力。她主张人机协作，警惕过度依赖或全盘禁止AI，并呼吁社会共同参与技术设计，重视教师与家长支持，培养青少年提问能力。