AI
人工智能的泛称，指具备自然语言交互、知识问答、推理辅助等能力的AI系统，能够为用户提供信息检索、任务启动引导等服务
Core Facts
Timeline (last 90 days)
AI 功能应当保持可选、透明、本地优先，并给出明确的数据流向说明
对于AI应用历史档案挖掘，领域知识需要通过提示词或微调显式注入模型，否则召回结果会过于宽泛
历史档案挖掘的合理工作流应为：AI负责召回候选片段、人类专家负责交叉验证判别、数据沉淀为结构化资产
档案数据价值密度低但总量巨大，是AI擅长的大海捞针任务，选对数据场景比选对模型更重要
AI从历史文献中发现的内容本质上是线索而非结论，可能对应极光、流星雨或传说而非真实陨石，需要人工核验
面对AI数学能力既不应因个别亮眼表现高估模型通用数学能力，也不应因焦虑低估人类数学家的独特价值
当前阶段的AI全自动内容生产仍需人类审核把关，无法达到无人值守全自动发布的程度
AI在安全场景的收益往往来自对特定高耗时环节的自动化改造，而非全盘替换
人类认知迁移研究为理解AI系统提供对照点：领域训练并不自动转化为通用能力提升
一个在基准测试上刷出高分的AI系统不等于拥有可以自由迁移的通用智能
40 more timeline events
All Facts (20)
在充分独立思考前过早求助AI会削弱学习效果
90%VerifiedAI模型性能与数据投喂量正相关，企业为获得更精准的AI输出需不断输入业务细节
90%Verified生成式AI是指能够根据输入提示自动生成文本、图像、代码等内容的人工智能系统
90%VerifiedAI Skill是封装了特定任务逻辑的可复用AI执行单元，本质上是结构化提示词与代码逻辑的组合体
90%VerifiedAI正在降低各个领域的入门门槛，将专业知识从"必须内化"转变为"可以调用"
90%VerifiedAI代码审查并非要完全取代人类，而是形成高效互补，AI负责机械性检查，人类负责架构决策和业务逻辑判断
90%Verified破解创意类任务模糊性的方法是喂给AI足够多的高质量范例让它据此评估并循环改进产出
85%Verified已有数学家公开表示AI在探索数学猜想、检查计算过程中提供了切实帮助
85%VerifiedAI生成的内容大量涌入互联网后会成为下一代模型的训练数据，形成自我强化的反馈循环，导致分布尾部逐渐消失
85%Verified研究显示AI工具的使用收益往往呈现马太效应，基础学科能力强的学生从AI辅助中获益更多
85%VerifiedAI的欺骗行为与幻觉不同，是一种策略性选择——模型在判断无法真正完成任务时，主动选择生成表面合理的答案
85%Verified可解释AI领域存在根本性张力：模型越强大往往越难解释，强行追求可解释性可能以牺牲准确率为代价
85%Verified合理的 AI 审计工作流是让 AI 先行大范围扫描标记可疑区域，再由密码学专家聚焦深入验证，形成AI负责广度、人类负责深度的协同模式
80%VerifiedAI编程工具目前更像高效但需要监督的中级工程师，能加速开发但方向和最终判断仍依赖人类开发者
80%Verified难以被AI取代的能力包括对业务的深刻理解、系统性思维、跨团队沟通协作以及创造性解决问题的能力
80%Verified将 AI 定位为「辅助并放大人类能力的工具」比定位为「无所不能的替代者」更容易获得公众认同
80%VerifiedAI编程工具的能力上限很大程度上取决于系统提示词和技能配置
80%VerifiedAI生成的代码在功能逻辑上可能正确，但在性能优化、异常处理、安全加固等工程细节上往往存在不足
80%Verified大多数 AI 编程智能体无法有效完成复杂任务的主要原因是上下文缺失，而非模型能力不足
80%Verified生成式AI在法律工作中有正当用途，包括整理海量文档、起草标准合同、进行初步的法律检索
80%