Hugging Face 政策主管：嵌入式 AI 评估者并非易解方案
Hugging Face 首席政策官 Irene Solaiman 在 TechCrunch Disrupt 上表示，嵌入式 AI 评估者并非易解方案，评估结果的可复现性仍是关键问题，开放权重对此至关重要。她指出，评估是一门仍在演进的科学，不同评测之间难以有意义地比较，且失效速度较快。她还提到，智能体评估难度大、成本高，针对 harness 的评估远少于针对模型的评估。
#评测/基准
TechCrunch · AIAI 评分3838
Microsoft ResearchAI 评分2828 微软研究院播客：AI 会犯哪些错，失败又能教我们什么
微软研究院 partner research manager Jennifer Neville 在播客对话中讨论评估如何推动 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。
Emad Mostaque (X)AI 评分3636 Tavus 推出 Griffin 视频模型
远程办公彻底没戏了 如果你的工作能在屏幕另一端完成，AI 就能做得更好
Andrej Karpathy (X)精选AI 评分8282 Karpathy 评 Claude Fable 5 发布：与 Mythos 同底座，长任务能力显著跃升
Andrej Karpathy 评价 Claude Fable 5 发布，称其与 Mythos 是同一底层模型但增加了安全防护，基准测试全面 SOTA 且领先明显。
推荐理由：Karpathy 以第一手使用体验评价 Claude Fable 5 在长任务和复杂问题上的跃升，并给出对软件需求变化的判断。