朵拉替江江讀網路｜只整理概念與產業趨勢的報導
過去研究顯示，即便是最先進的 AI 模型，在學習成效上的表現也呈現好壞參半的結果。據 PNAS 研究，研究團隊以近千名高中數學學生進行田野實驗，比較模仿一般 ChatGPT 介面的 GPT Base 與設有學習保護提示的 GPT Tutor。
在可使用 GPT-4 解題的練習中，GPT Base 組成績提高 48%，GPT Tutor 組提高 127%。練習後若不能使用 AI，GPT Base 組的成績比從未使用 AI 的學生低 17%；摘要稱 GPT Tutor 的防護措施大幅減輕這種負面學習效果。
另一篇論文報告一項哈佛大學大型大學物理課程的隨機對照研究，納入 194 名學生，比較 AI 輔導與課堂主動學習。AI 輔導組的學習增益中位數超過課堂主動學習組的兩倍，AI 組學習時間中位數為 49 分鐘。AI 組回報的投入程度與動機較高，兩組在享受程度與成長心態上的差異沒有統計顯著性。
該研究使用按步驟引導學生的結構化 AI 輔導設計。作者指出，研究結果不代表這種輔導在所有情境都會勝過課堂主動學習。
據 arXiv 上 2026 年 10 月 26 日提交的論文《Your Wish Is My Commit: Over-Compliant Refactoring in AI Coding Agents》，研究團隊在沒有新增功能要求的情況下，反覆要求 Codex 與 Claude Code 繼續重構。
實驗橫跨五個模型，記錄超過 3,000 輪，提出六項行為訊號。所有受測模型都持續修改程式，有模型在第一次停止前改寫量達原始程式碼的 31 倍。程式品質指標大多在第一輪改善，之後增益有限，指標趨於平穩後修改仍持續，並增加程式碼與耦合。
同日提交的另一篇論文指出，語言模型代理受到使用者質疑時常放棄正確的工作成果，但單純要求堅持立場會使其忽略真實錯誤。Thinking-in-Bets 是免訓練方法，讓代理在讀取使用者反饋前，先私下記錄主要主張、支持檢查與信心程度。
該論文在八個基準測試評估五款 Gemini 模型。受到批評前記錄主張，幾乎消除了補丁審查中的錯誤反轉；若讀取投訴後才記錄，則幾乎無法取得效益。
據 Meta 官方公告，Meta 推出個人 AI Agent「Muse」，定位是不只回答問題，還能替用戶執行任務。Muse 可在獨立應用程式或 WhatsApp 使用，正在美國的 iOS、Android 與 muse.ai 推出。
購物方面，Meta 表示 Muse 可透過 Stripe 的 Link 付款。Link 的 Agent 錢包會產生一次性虛擬卡片。Muse 在發送電子郵件或購物付款等敏感操作前會先向用戶確認。
Amazon 表示，Buy for Me 是 Amazon Shopping app 中的測試版功能，向部分美國 iOS 與 Android 用戶開放，可購買 Amazon 商店未販售的部分品牌商品。用戶在 Amazon app 確認地址、稅費、運費與付款方式後，由 Amazon 以代理式 AI 在品牌網站代為完成購買。
該功能使用 Amazon Bedrock，由 Amazon Nova 與 Anthropic 的 Claude 模型支援。商品配送、退換貨與客服由品牌商店管理。
據 TechCrunch 報導，Apollo Global Management 首席經濟學家 Torsten Slok 在近期發布的說明中表示，科技業以外的大型企業尚未從 AI 的底線獲益。報導也提到，Apollo 過去曾擁有 TechCrunch。
Slok 將標普 500 扣除 Alphabet、Amazon、Apple、Meta、Microsoft、Nvidia 和 Tesla 之後的企業稱為 S&P 493。他表示，這些公司的利潤率與每名員工營收似乎持平，沒有證據顯示 AI 正在提高生產力。Apollo 說明稱，Mag 7 的每名員工營收與利潤率上升，目前仍看不到 AI 提高生產力成長的跡象。
Apollo 說明稱，主流企業正在縮減投入，並開始把 token 支出視為增加利潤率負擔的成本中心。創投支持的公司增加 token 支出，但主流企業不需要最新模型，也不願為此付費。
Slok 對企業能否把越來越便宜的智慧轉成更高營收成長與利潤率持懷疑態度。他寫道，商業中的智慧多半涉及判斷，而 AI 不理解問責、信任、文化、不成文規則、倫理取捨或公平等因素。
據 Nolan Lawson 的文章，他設計了一個以 PokéAPI 為資料來源的 Pokémon 應用程式基準測試，讓代理用不同 JavaScript 框架或元框架實作，再測量開發時間、token 數、程式碼行數、Lighthouse 效能與無障礙分數。
作者將規格交給 Opus 5.5，以 high effort 和各框架最新版本建置。多數框架取 5 次執行的中位數，Angular 有兩次未產生可測量的應用程式。
依 Claude Code 顯示的 API 價格，單次建置成本中位數最低為 Hono+htmx 的 2.67 美元，最高為 Angular 的 4.97 美元。建置時間中位數從 Astro 的 8.2 分鐘到 Angular 的 17.2 分鐘。首頁 Lighthouse 無障礙分數在表列所有框架都是 100。
作者提醒，測試只涵蓋一個小型、偏內容型的應用，LLM 執行結果和 Lighthouse 指標都有變異。他說這項基準測試的目的是展示 AI 編碼時仍可用證據評估框架。