研究论文观点观察

研究会话抽样:分析与写作多,选题很少

Anthropic 用分类器看了 2026 年 8 月 2 日至 9 月 30 日消费套餐上的 207,049 次科研会话,只留领域和任务标签。相对研究者人数,计算机、数学和统计用得更多,要做实验的领域更少。数据分析约占普通会话三分之一、编程工具会话近一半。想点子和收集数据用得少。现有能力若广泛用上,部分领域大约到 2 倍;15 倍是假设,不是测出来的。

Johannes Hermle 等原始发布
01

为什么值得留

对照自己:如果也只拿它写和算,不要当成它已经在替你选题。

02

可以从这里开始

记下上周让 AI 做的十件事,数几件是分析或写作,几件是选题或收集原始数据。

03

阅读时留意

只覆盖消费套餐。加速倍数是情景,不是预测。问卷来自申请过科研额度的人,比一般研究者更常用。

OnBalls 导读整理于 2026.11.07。打开了研究页,读了摘要到讨论;未逐页打开附录 PDF,未亲测分类器。

同一方向,继续读

这个方向的精选
阅读与学习观点观察

科学建模:一个拟合不够,要看哪些备选被淘汰

图宾根研究者在客座文里把科学建模拆成三步:定方程形式、用数据把参数收窄、解释它在说真实系统的什么。很多参数组合,甚至很多不同方程,都能同样贴合数据。只交一个最佳模型,会藏起被淘汰的备选。他们写明,这类系统目前大多在重现已知模型,对没有已知答案的问题,证据还少。

研究论文
知识库与笔记观点观察

Ask HN:CTO 要一个「公司大脑」,该怎么搭

HN 用户发帖:CTO 要求搭建「AI 公司大脑」,让各角色通过 agent 起草邮件、准备会议、根据纪要更新客户信息、查询系统状态。他的方案是:慢变数据放 LLM wiki,快变数据从源头实时查,员工用编程 agent 或聊天界面经 MCP 访问,再配一个 24 小时值守的 agent。

社区资料