0:000:00
<p>近期，Anthropic发布了一篇名为《Which economic tasks are performed with AI? Evidence from millions Claude conversation》——从数百万条Claude对话中探索AI能更为擅长的工作任务。这份报告给我们带来了一些启发，尤其是关于如何量化模型带来的经济价值，以及大家最为关心的，它们能取代哪些人类工作任务？更准确地说，应该是人们如何跟AI协作的问题，当然这期内容不止报告本身，我们也聊聊这份报告制作方Anthropic这家公司本身。</p><ul> <li><strong>主播</strong></li></ul><p>孟醒：五源资本合伙人，滴滴前自动驾驶COO</p><p>大奎：Looki.AI品牌负责人</p><ul> <li><strong>时间轴&关键概念</strong></li></ul><p>1:28 Anthropic是一家什么样的公司？</p><p>Star Gate</p><p>ADEPT</p><p>3:23 Sonnet 3.7的发布备受关注</p><p>5:07 Sonnet 3.7高达70%的准确率意味着什么？</p><p>imageNET</p><p>AlexNet</p><p>7:30 什么是SWE Bench？</p><p>8:16 报告如何展开研究？</p><p>https://assets.anthropic.com/m/2e23255f1e84ca97/original/Economic_Tasks_AI_Paper.pdf</p><p>Clio：<a href="https://www.anthropic.com/research/clio">www.anthropic.com</a></p><p>9:16 报告第一个结论：AI的使用广度大于深度</p><p>10:53 为什么大部分人使用AI浅尝辄止？</p><p>12:42 AI的垂直化是应该基于工种而不是行业</p><p>MCP</p><p>Cursor</p><p>Augment Code</p><p>Context window</p><p>RAG</p><p>Retrival</p><p>17:10 toB和toC的coding产品，哪一个想象空间更大？</p><p...