科大讯飞推动人才与产业的深度融合，正在人工智能技术的迅速发展中获得显著成效。作为中国智能语音行业的领头羊，科大讯飞通过产教融合，培养兼具AI技术与具体行业场景理解的复合型人才，且涉及医疗、教育和工业等多个领域。

在医疗行业，科大讯飞的AI医学研究员与AI算法研究员通过与临床医生的紧密合作，构建协作工作团队，推动AI辅助诊断的落地应用。这些新职业不仅确保了AI系统在医学伦理与临床应用中的准确性，还促进了AI调试与临床需求的有效对接。例如，该公司医疗AI辅诊系统已提供超过11亿次建议，覆盖8万家基层医疗机构，显著提升了医疗服务的效率。

在文旅和能源领域，科大讯飞也积极推动AI技术应用，衍生出旅游AI产品经理、智能巡检系统运维师等新兴岗位，加强了行业间的技术融合与人才供给。尤其在教育方面，科大讯飞与高校联手，通过项目式教学培养市场急需的复合型技术人才，帮助学生从需求分析到产品上线的全流程体验。

“AI并非替代人力”，而是通过人机协同提高工作效率，使员工能将时间投入更具创意价值的工作中。这一理念体现在讯飞的研发流程中，借助AI工具，团队得以提升开发效率和市场反应速度，从而推动整个行业的智能化转型。这样的发展模式不仅强化了人才结构，也为企业的创新提供了持久动力。

今天是国际罕见病日，上海医学科研团队的全球首个可追溯智能体式罕见病诊断系统DeepRare引起了广泛关注。此系统突破了传统AI诊断的“黑盒”问题，实现了罕见病诊断的精准化与可追溯化，刷新了全球相关技术的准确性纪录。

DeepRare由华东师范大学联合的多学科团队研发，针对全球超过3亿的罕见病患者，旨在降低平均确诊时间并减少误诊。该系统的核心在于其独特的可追溯推理能力，模拟罕见病专科医生的诊断思路，用AI专家团的方式进行协同工作。这种设计确保了知识的广度、深度和透明度，使临床医生在进行诊断时能够理解背后的推理逻辑，增强信任感。

在性能评估中，DeepRare在只凭临床表型的情况下，其首位诊断准确率达到57.18%。结合基因数据的多模态测试，准确率跃升至69.1%。目前，DeepRare已服务于超过600家全球医疗及科研机构，每日提供高质量的诊断服务。

此外，该团队还在推进“全球AI罕见病诊疗联盟”及“万人临床验证计划”，希望将这一中国原创方案推广至全球，以提升医疗资源的使用效率。AI在优化疾病诊断流程、提升医疗效率方面展现出巨大的潜力，将为全球患者带来实时、精准的健康管理。

Anthropic recently introduced the “Auto Memory” feature for its command-line coding tool, Claude Code, significantly enhancing AI's contextual understanding in real-world development environments. This update aims to allow the model to accumulate “project knowledge” during long-term collaborations, alleviating the burden on developers to repeatedly input background information.

With Auto Memory enabled, Claude automatically records key contextual information related to the project during daily tasks, including build commands, debugging experiences, code style preferences, and architectural conventions. This information is loaded and utilized in subsequent interactions without requiring manual organization or explanation from developers. Essentially, the model develops a more comprehensive “working memory” over time.

Previously, Claude Code supported the CLAUDE.md file, which served as a means for developers to provide explicit instructions and project constraints. In contrast, the newly added Memory.md file is maintained autonomously by Claude, functioning as a “notebook.” For instance, when users express preferences, like “remember we use pnpm instead of npm,” Claude logs this information in the memory file to prioritize this guideline in future tasks.

From a technical perspective, each project's memory is stored locally in the directory ~/.claude/projects/. The system automatically loads the first 200 lines of MEMORY.md at the start of each session, ensuring that crucial context is readily available, while additional details can be accessed as needed to balance performance with information completeness.

As AI programming tools rapidly evolve, addressing the “forgetting in sessions” issue becomes crucial for boosting productivity. Claude Code’s auto memory mechanism seeks to build the capacity for long-term contextual accumulation from an engineering practice standpoint, transforming the model from a “one-time collaboration assistant” to a “persistent virtual team member.” As developers continue to use Claude, its understanding of the project deepens, reducing communication costs and enhancing overall development efficiency.

卡耐基梅隆大学的AI团队近日发布了一项重要研究，解决了人机协作中的关键问题：如何使AI理解何时应“请示汇报”。该研究表明，便捷的AI助手应在适当的时候主动沟通，同时又能够独立处理大多数任务。这一研究成果基于对20位志愿者的“人机协作观察实验”，记录了超过4200次人类与AI之间的互动，并分析了用户介入AI决策的三种主要情境。

研究者发现，用户在AI出现明显错误时、偏好未被满足时，以及在复杂环境中会主动接管任务。基于这些洞察，团队开发了一个名为“AI读心术”的系统，能够预测用户何时可能愿意介入。这一系统通过考虑任务的复杂性、用户历史互动及协作风格等因素来做出判断，显著提高了用户体验，用户满意度比传统AI助手提升了26.5%。

此外，研究团队还创建了COWCORPUS数据集，以帮助未来的AI协作研究。他们使用了先进的机器学习方法，展示了针对特定任务的小模型在协作中的优势。这一研究不仅能广泛应用于智能客服、自动驾驶和医疗诊断等领域，还充分考虑了用户隐私与控制权，确保用户始终掌握最终决策权。

总之，该研究让AI变得更加人性化和智能，未来的AI助手将能更好地理解和支持用户，达到理想的人机协作效果。