人机协同假设检验：基于成本感知的AI筛选评分与序贯人工复核机制
该研究针对大语言模型作为低成本评审员在统计推断中的局限性展开探讨。研究指出，AI评估往往存在偏差和噪声，而严谨的假设检验必须明确控制第一类和第二类错误。为此，论文提出了一种人机协同的假设检验方案，结合成本感知的AI选择性评分与序贯人工核验升级机制，旨在满足严格统计推断有效性与错误率控制的前提下，最大限度降低整体评估成本。
DC AI 热点
全部 AI 动态
9月25日2026-09-25
Claude 整合 Cowork 与聊天功能：向 Pro 和 Max 用户推出统一协作体验
Anthropic 宣布将 Claude Cowork 与常规聊天（Chat）功能正式整合为统一的 Claude 体验，即日起向 Pro 和 Max 付费订阅用户推出。该功能强化了人机协同的工作流模式，用户只需交付具体任务，Claude 即可自主推进并执行相关工作，同时由用户保留最终确认与决策权，进一步模糊了传统对话与复杂智能体任务执行的界限。
医疗机构如何利用 Claude 构建人机协同智能体团队
文章介绍了 Insight Health、Tennr 以及 Medallion 等医疗健康机构如何应用 Anthropic 的 Claude 构建“人机协同”（human-agent）团队。这些机构通过将 AI 智能体融入实际医疗业务流程中，探索了人工与智能化工具协同工作的新模式，推动了智能体技术在医疗健康垂直领域的落地应用。
9月24日2026-09-24
利用跨LLM分歧引导专家参与：大规模数据标注编码本的高效修订方法
针对大规模文本标注中编码规范（Codebook）构建耗时漫长的问题，该研究提出利用大语言模型（LLM）加速这一流程。方法通过在早期将编码本应用于数据，筛选出多个LLM之间存在显著分歧的疑难样本，从而精准引导专家介入并提供针对性反馈。研究探讨了多种专家反馈形式，包括直接编辑由跨模型分歧驱动生成的修改方案，以及解答模型争议问题等，有效提升了人机协同标注与规范迭代的效率。