Moshi CEO Anekha Sokhal 谈从摩根大通交易员到 AI 创业：做交易员的推荐引擎
Moshi CEO Anekha Sokhal 在 AI Engineer New York 播客中讲述从数学、摩根大通能源衍生品交易转向创业的经历，以及 Moshi 如何为交易员做推荐引擎。
#Agent
Latent SpaceAI 评分2222 Latent SpaceAI 评分2525 Moshi CEO Anekha Sokhal 谈为大宗商品交易员打造推荐引擎
Moshi 正在为大宗商品交易员构建推荐引擎，把市场信息与交易员持仓组合真正相关的部分连接起来。CEO Anekha Sokhal 称 Moshi 像是 Bloomberg、Claude 和 Netflix 的结合体：市场数据、操作界面，以及为交易员量身定制的推荐。她还在 AI Engineer New York 谈及可信信源、文档提取与自建还是采购模型的取舍。
MIT Technology Review · AIAI 评分1818 Celonis 首席科学家 Devavrat Shah：企业 AI 为何需要上下文感知
Celonis 企业 AI 首席科学家 Devavrat Shah 提出“决策智能”，主张 AI 智能体必须理解业务流程与数据上下文，否则会忽略约束、犯错或浪费算力。他建议企业从具体业务决策切入，先找出最难的环节测试 AI 能否提速并衡量价值，再决定是否规模化。
Latent SpaceAI 评分2828 Tenex 如何构建 AI 原生 SDLC：为交付结果而非工时付费
Tenex 联合创始人 Alex Lieberman 与 CJ Hess 在 AIE New York 分享了公司如何把"按交付结果付费"扩展到工程组织，目前团队已增至 75 人，客户覆盖 Fortune 2000 与中型企业。
MIT Technology Review · AIAI 评分5555 让互联网更适合 AI 智能体，可能让其他人更难受
MIT Technology Review 文章指出，OpenAI Dots、Meta Muse 等个人 AI 智能体应用上线后，智能体网页流量在 8 月至 9 月增长两倍，Muse 首月下载量达 500 万次，但许多网站选择直接封禁这类智能体。
The Verge · AIAI 评分2222 伊利诺伊州州长 JB Pritzker 谈 AI：或让人活到 100 岁，也可能像核武器一样威胁人类
伊利诺伊州州长 JB Pritzker 在 Decoder 播客中表示，AI 既可能帮助人类活到 100 岁，也可能像核武器一样构成威胁。他还谈到数据中心、隐私与反垄断正引发两党反弹，并认为政府应在科技问题上更强硬地保护民众，而非一味与企业合作。
AWS Machine Learning BlogAI 评分5858 AWS 提出 Trust in Depth 框架，让智能体获得更多自主权而不失控
AWS 副总裁 Shawn Bice 提出 Trust in Depth 框架，主张在动作可被验证时让智能体自主执行，只在需要判断的决策上保留人工介入。
Latent SpaceAI 评分3838 OpenAI 与 Anthropic 如何为金融智能体设计自主性与安全边界
OpenAI 的 Joseph Kim 在 AI Engineer New York 提出模型能力正逼近"有用性阈值"，并预测 2027 年智能体可胜任投资想法生成与交易；Anthropic 则围绕 Claude for Financial Advisors 构建身份权限、沙箱审批与持续验证三层信任机制。
Microsoft ResearchAI 评分2222 Microsoft 研究员 Jennifer Neville 谈 AI 评测与“意外失败”的启示
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的“意外失败”。她结合自身从数学、物理、认知科学转向计算机科学的经历，分享使用当前 AI 系统的实用建议，并强调结果偏离预期时应仔细检查数据。
GitHub Blog · AI & MLAI 评分4040 GitHub Copilot 的 canvas：当聊天框不是与 AI 交互的正确界面
GitHub Copilot 应用推出 canvas，一种在应用内运行、无浏览器外壳的全栈小应用，可与 Copilot 智能体双向通信，并能在本地执行代码、调用第三方 API。
Berkeley AI ResearchAI 评分3838 智能免费之后怎么办？面向智能体、由智能体构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本正快速趋近于零——GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不足 $1，部分厂商已低于 $0.10，基准测试中推理价格年降幅在 9x 到 900x 之间、中位数约 50x。