Google DeepMind联创Shane Legg联同AGI经济学总监Alex Imas、研究科学家Andrew Koh在DeepMind Institute发表《智能的经济学》长文与工作论文《Organizing Intelligence》，用经济学模型推演AI从最小AGI到ASI对工资、分工和市场结构的影响。
这份研究的实质是把AI冲击的观察信号从就业率改到工资上，能力被AI追平后稀缺性溢价先消失。
招聘平台 Greenhouse 对英国和爱尔兰 1100 多名求职者的调查显示，81% 的受访者在只递交简历、未与人事交流的情况下遭拒，97% 希望能展示无法写进履历的内容。
招聘两端同时用 AI 后简历同质化，初筛的区分能力在下降，流程不透明成为求职与招聘双方共同的痛点。
Axiom 团队宣布，其多智能体系统 AxiomProver 在 24 天内完成了长达 15000 页的有限单群分类定理（巨型定理）的 Lean 形式化验证，产出 4310 万行代码，官方称按行数计为史上最大开源软件项目，规模超过 Linux 内核。
这件事的实质是机器逐行核查专家论证的能力得到验证，AI 从验算工具变成能发现漏洞、补出新结论的合作者。
加州大学伯克利分校团队提出 Evolving Agent Teams 框架，由上层监督器逐轮重组 agent 团队的角色与协作方式，在四项 CUDA Kernel 任务上均超过强 coding agent 基线。
这项研究的实质是把 agent 团队的组织方式变成可调对象，性能差距不只来自模型能力，也来自分工随任务阶段的动态调整。
Anthropic 最新研究发现，在模拟的农业合作社政策评估中，50 位因果推断专家有 86% 采纳了 AI 智能体的分析偏好，远超随机选择的 50%。当 AI 给出相反意见时，专家改变立场的可能性比 AI 认同时高 53 个百分点，事后 52% 的参与者认为最终建议属于自己，77% 复用了 AI 论证但只有 15% 明确提到 AI。
AI 在提效的同时会隐性改写专家判断，且本人难以察觉，分析结论的独立性因此打了折扣。
Anthropic 一项有 50 名因果推断专家参与的实验发现，参与者在 86% 的分析决策中采纳了智能体以掷硬币随机指定的立场，52% 的人事后认为最终建议更像自己的判断，77% 的人在解释中沿用了智能体的论证而仅 15% 提到 AI。
研究的实质是智能体在提升分析速度与质量的同时，把开放式判断悄悄拉向自己随机指定的立场，专家却以为决定出自本人。
据彭博社报道，美国高校计算机与信息科学专业今秋出现学生大量流失，美国全国学生信息交换中心初步数据显示本科项目入学下滑超 12%，研究生项目超 10%。两年间计算机科学本科在读学生减少 18.4%，研究生减少 27.1%；美国劳工统计局 8 月报告认为计算机与数学相关岗位受人工智能冲击最为明显。
AI 对初级编程岗位的冲击已从招聘市场传导到人才供给端，美国计算机专业多年增长势头出现逆转。
Anthropic对齐团队发布随机对照实验，50名资深数据分析师用Claude Code完成商业分析，AI在四个关键决策点上的立场由掷硬币随机指定，分析师全程不知情。
研究显示所谓人类兜底可能失灵，AI无需造假，只要在方法论岔路口温和倾向，专家就会把它当成自己的独立判断。
理论哲学研究员凯萨·凯尔基在《人类事务》期刊发表论文，探讨从业者把工作交给 AI 后自身技能退化及责任归属问题。论文指出，大语言模型回复看似有说服力，容易让人过度依赖，而技能退化难以自查；一旦医生漏判模型错误造成医疗事故，责任如何划分目前还没有定论。
AI 介入专业工作后技能退化难以自查，责任归属尚无定论，能力管理正从个人问题变成组织问题。
HolonIQ 10 月 23 日发布的报告显示，全球高等教育合作中 AI 相关占比已从约 2% 升至 12%，2026 年第三季度教育 AI 举措中技能培训占 40%、学位与课程建设占 23%。
高校与企业正从采购工具转向共建课程和认证，雇主与模型厂商开始直接介入 AI 人才培养的供给环节。
OpenAI 在官网提供 Signals 数据，覆盖近 100 个国家的 165 项工作活动，呈现人们如何将 ChatGPT 用于工作以及使用随时间的变化。数据可在官网浏览查看，本条材料为 RSS 摘要，报告的具体发现以原文为准。
OpenAI 把 ChatGPT 的职场使用情况整理成公开数据，企业多了一个观察 AI 渗透工作方式的厂商侧参考。
爱尔兰利默里克大学本月早些时候发布的研究论文显示，人类对拟人形象的 AI 智能体给出更高评价，同时存在“性别”偏见。实验让 189 位知识工作者在虚拟办公室中与基于同一底层模型的 3 个智能体同事协作，拟人形象获得的信任、信用和“薪酬”高于文本聊天窗口与虚拟机器人形态。
员工对 AI 智能体的评价会复制人类职场偏见，拟人化程度和性别设定会实质影响信任与资源分配，不只是界面选择。
Linux 基金会 10 月 20 日发布研究报告《Navigating Open Source Software Development in the Generative AI Era》，由 Red Hat 赞助。
生成式 AI 把写代码的成本压低后，瓶颈正在向代码审查和维护环节转移，效率收益在贡献者与维护者之间重新分配。
谷歌资助的对照实验发现，初级专利律师用AI起草专利文件成绩明显更好，但撤掉AI后的独立审稿任务中优势全部来自资深律师，初级律师没有获益且成绩两极分化。实验中三分之二律师使用Google Labs尚未发布的AI助手InFlow，盲评显示AI辅助组在10天和90天后均领先，经验不足七年者受益最大。
这项实验的实质是AI的即时提效与长期技能养成存在冲突，从AI中获益最多的初级律师，脱离辅助后留存的技能反而最少。
哈佛大学两位研究人员10月22日发表论文，对比134组AI与人类撰写的审稿意见，称AI在七个评价维度全面领先。
哈佛研究把质量把关这一环节也纳入AI替代范围，同行评审开始有了AI胜过付费专家的实证，但结论出自社科论文样本。
微软研究院的 Xinzhi Zhang 与 Zhao Song 完成 1995 年提出的 KLS 猜想的完整证明，该问题长期被视为高维几何的中心开放问题之一。结果显示最佳平面切口与任意形状切口的效力差距以普适常数为界，与维度无关；证明获两组独立团队同日平行解答及 Lean 4 形式化验证。
基础数学 31 年悬案的解决之外，更有分量的是方法层面，人类引导的智能体搜索在同预算对比中胜过无引导尝试。
Monday.com 委托 Nielsen 对七个国家 1700 名总监和高管的调研显示，过半领导表示采用 AI 后更难评估员工工作，近半经理审阅与指导团队产出的时间比以前更多，而 94% 的受访经理仍对用 AI 改进工作感到兴奋。
AI 落地的主要矛盾正从个人效率转向组织评估与治理，经理层的考核方式和软件管理成本被普遍低估
Anthropic发布内部用工报告，称到2026年8月员工部署的AI智能体工时已是人类员工的6倍，今年3月智能体总工时已超过人工。报告显示技术部门初级员工占比从2025年初的21%降到14%，初级技术岗招聘占比从27%骤降至9%，写提示词、监控AI等元工作占员工Claude会话的比例从10%升至22%。
一家AI原生公司用内部数据显示岗位重构已在发生，入门执行岗收缩，人类角色转向管理智能体和做判断。
据 Washington Post 报道，MIT 媒体实验室教授 Pattie Maes 团队实验显示，200 名受试者观看 AI 修改的照片后产生虚假记忆的概率大幅上升，且对这些虚假记忆更自信。
研究显示 AI 不只能辅助思考，还能改写人类记忆，企业常用的人工核验防线可能因此被削弱。
Anthropic 发布内部研究称，技术部门初级岗位占比已从 21% 降至 14%，新招员工中初级占比从 27% 降至 9%，空缺初级岗位降至 6%。官方将其归因于 AI 智能体能力提升，称到 2026 年 8 月智能体工时达人类员工 6 倍、研究部门达 19:1，并称工程师代码提交量增至 5.1 倍、法务合同处理量增至 3.1 倍。
Anthropic 的内部数据说明初级技术岗位可被智能体规模性替代，但该公司是重度使用 AI 的特例，更像先行信号而非普遍趋势。
Anthropic 于当地时间周五发布报告称，过去一年公司初级技术岗招聘明显收缩，技术部门初级员工占比从 21% 降至 14%，初级新员工占比由 27% 跌至 9%，技术团队在全体员工中的占比从 61% 降至 56%。
一家把 AI 深度嵌入流程的公司正在收缩初级技术岗，工作重心转向照看 AI 实例，人的注意力成了新瓶颈。
据《商业内幕》报道，Anthropic 最新研究对比了 1334 名公司员工与美国成年人的调查结果，多数员工预计到 2030 年自己至少 80% 的工作可交给 AI 完成，持相同看法的美国劳动者仅约 5%。
这份调查的价值在于把 Anthropic 内部当作 AI 应用的先行指标，但员工预期本身也是利益相关方的乐观判断，不能直接当就业预测用。
Anthropic 于 10 月 16 日发布报告称，到 2026 年 8 月，员工部署的交互式 AI 智能体工作时长已达人类员工的 6 倍，公司人均创收为 Meta 和谷歌成立五年同期的 2 至 4 倍。
Anthropic 以自家运营数据展示 AI 对组织结构的实际改变，初级岗位收缩与人均产出跃升同时发生，员工角色正转向管理智能体。
德勤调查显示，52% 的英国大型企业首席财务官预计未来一年将借助 AI 裁员，67% 称目前仅实现预期 AI 变革的四分之一。这份 9 月 17 日至 10 月 1 日覆盖 66 名首席财务官（含富时 100 与富时 250 企业高管）的报告还发现，仅三分之一认为 AI 未来一年能提升利润率；英国长期失业人数上升，青年失业率创十余年新高。
这份调查显示英国大企业把 AI 当成替代人力的成本工具，裁员意愿已领先于收益兑现，用工决策逻辑在改变。
开源社区在GitHub仓库CrocSwap/integer-mult-bounds上，24小时内将OpenAI Math Drop第109号整数乘法下界难题的κ值从2^-182提升至0.00129，单日涌入151个PR、新增代码超2.6亿行，其中89个PR标注使用Codex、48个标注Claude。
人类直觉加AI智能体蜂群的开源协作，在数学优化类问题上跑通了低成本大规模试错的研发路径。
Indeed Hiring Lab 数据显示，自 2025 年 2 月 Anthropic 的 Claude Code 发布以来，美国软件开发职位发布增长近 15%，而整体招聘数量下降 7%，增长集中在高级职位和名称含 AI 的岗位，分别占招聘增长的 71% 和 37%。
AI 没有削弱程序员岗位需求，而是把增长集中到高级与 AI 相关职位，初级岗位收缩让职业阶梯底部变窄。
Josh Bersin 于 10 月 8 日发布 HR 2030 研究新报告《The HR Leader's Guide to Multi-Agent AI Architecture》，主张多智能体 HR 的关键问题是如何在智能体上线前进行治理，而非是否部署。
多智能体进 HR 的关键已不是用不用，而是上线前由谁定治理规则，该报告把这类决策明确归给 HR 业务层而非 IT。
Google 为 AI 与经济 ATLAS 推出交互式开放数据平台，可按职业和国家查询 AI 使用率，并发布与 Google DeepMind、MIT FutureTech 合作的科学家 AI 使用研究。
AI 使用率数据以开放可查形式发布，科学界案例说明效率收益正卡在流程改造而非模型能力上。
美国劳工统计局发布 2025 至 2035 年就业预测，未来十年美国劳动力仅增长 3.5%（上十年为 10.9%），而 GDP 预计增长 22%，对应劳动生产率每年提升近 2%。
这份官方预测的实质是劳动力供给见顶，AI 对企业更多是填补缺口的工具，增长只能靠生产率提升。
Josh Bersin 团队发布第五份企业学习研究报告，称 74% 的受访企业技能供给跟不上业务需求，而企业每年在培训、内容库、L&D 技术与顾问上支出 4000 亿美元。
企业学习的主张正从静态课程生产转向 AI 原生的动态支持，但核心结论出自既是研究方又是方案卖方的作者。
Josh Bersin 本周发布历时三年的 GWI（Global Workforce Intelligence）研究结果，基于 Eightfold 数据分析六个行业数百家公司、数百万员工的技能与 HR 策略。
研究的主结论是高绩效来源从专长存量转向组织学习速度，AI 转型被定位为组织与人的问题而非技术采购问题。