共 5 篇文章
李飞飞：十年后职场只剩两种人丨Silicon Valley Girl
李飞飞与MasterClass CEO David Rogier对谈：AI不会整体取代岗位，而是按任务拆解重排工作。未来职场分化为顶级专家与高主动性通才，稳定感来自主动把AI变成生产力；文凭不再自动通向职业，医生病历、PM原型等任务先被自动化，判断与协作更贵。给工程师、PM、运营：先上手工具、用日常任务验证、主动改写工作边界。
经典重读｜为什么写好提示词反而不如直接给例子？
通过重读GPT-3论文(少样本学习者)阐释Few-shot与上下文学习，论证给参照物、给例子比写详细提示词更有效，并给出正反例搭配的实操写法，适合提示词工程与AI写作实践者。
斯坦福计算机教授：AI 会写代码，你为什么更该学编程丨EO
斯坦福教授Chris Piech谈AI时代的编程学习：工具会写代码，人更要理解问题拆解、架构与需求判断；真人辅导比AI导师更能点燃动力，建议用Claude Code边做原型边补核心概念，适合教育者与开发者反思AI与人的能力分工。
AI 推理工程所需的数学知识（完整路线图）
从零讲解构建 LLM 推理引擎所需的一整套数学知识路线图。沿 Prompt→Tokenizer→权重/嵌入→Transformer Block(Attention、Layer Norm、FFN)→Linear Head→解码策略→Softmax 的推理流水线，逐环节标注数学基础，帮想从底层理解、从零实现的学习者理清边界与顺序。适合做推理引擎、系统优化，或想从数学视角理解大模型的工程师。
实测Gemini 4 Argon写作能力，百万上下文竟恐怖如斯
作者实测 Gemini 4 Argon 的写作能力，重点是输出上限从 64K 提到 100 万 token 后的长文一致性：让模型以起点网文风格给自己写小说，单章六万多字一气呵成、中途不断层，并逐段验证风格遵循与叙事连贯。文中同时对照科学写作、创意写作、独立写作的提升，以及复杂编程和代码库迁移的表现；价格方面每百万输入 2 美元、输出 10 美元，11 月 30 日后翻倍。