GitHub Podcast 拆解 AI 热门观点：该不该读代码、RAG 是否已死、Skills 是否杀死了 MCP
GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成的代码仍需阅读和负责，只是审查力度应按风险分级；Skills 与 MCP 解决不同问题，前者是打包好的经验，后者是连接工具与数据的标准，二者可组合使用；RAG 并未消亡，它让模型基于训练数据之外的信息作答，能减少 token 消耗并降低答案不完整的概率。
#现象/趋势
#现象/趋势
今日 0 条GitHub Blog · AI & MLAI 评分2222
Berkeley AI ResearchAI 评分3434 智能免费之后怎么办？面向智能体、由智能体构建、为智能体服务的数据系统
伯克利 EPIC Data Lab 提出，随着推理成本从 2023 年初 GPT-4 级约 $30/百万 token 降至如今不到 $1、部分厂商低于 $0.10，数据系统需应对三大新挑战：为智能体服务、由智能体运行、由智能体构建。其中智能体查询会产生大量重复子计划，在 text-to-SQL 基准上仅 10-20% 子计划不同，80-90% 属重复工作，可通过多查询优化与近似查询处理加以利用。
Berkeley AI ResearchAI 评分1212 2026 BAIR 研究生展示：伯克利 AI 实验室博士毕业生去向一览
伯克利人工智能研究实验室（BAIR）公布 2026 届博士毕业生名单，其研究覆盖机器人、大语言模型与推理、计算机视觉、生成建模、AI 安全、人机交互及 AI for Science 等方向。毕业生去向包括 OpenAI、Mistral AI、Physical Intelligence、Amazon 等机构，以及 UCLA、普林斯顿 CITP 和芝加哥大学等学术岗位，部分人正在创业或寻找下一步机会。
Berkeley AI ResearchAI 评分3434 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前多数方法（如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!