AI热榜 从「构建 AI」到「驾驭 AI」，100+ 实战案例拆解 AI Native 时代的工程新实践！
推理模型持续突破能力边界，Coding Agent 深度参与研发流程，Agent Runtime、Agent Framework 快速演进……AI 正在从回答问题的模型，演变为能够自主规划、调用工具、执行任务的软件系统。
AI 不再只是软件中的一个能力，而开始成为软件系统的一部分。
这意味着软件工程面对的挑战也发生了变化：团队需要思考的不再只是如何训练模型、模型、部署模型 或优化 Prompt，而不是如何让具备自主能力的 AI 稳定、可信、可控地运行。
模型决定 AI 能做什么，系统决定 AI 能否真正创造价值。
在这一背景下，2026 年 QCon 全球软件开发大会大会 · 上海站正式启动。
本次大会将于 10 月 22 日—24 日举办，聚焦 Harness AI 时代的工程实践，围绕 AI Native 架构、Agent Runtime、AI Infra、Data Systems、Agent 安全与可观测、Loop Engineering、Vibe Coding、具身智能与世界模型、端云协同等前沿技术方向，邀请全球技术社区与产业一线的实践者，系统性分享前沿洞察与实战经验，共同探索 AI 从能力到系统、从实验到生产的真实路径。
阿里巴巴高级技术专家孙鹏已确认出席 “AI Agent 可观测与持续改进工程” 专题，并发表题为《Read, Don’t Write: 重塑大模型评价体系，构建全自动、可进化的“探测式”评测管线》的主题分享。
当全行业都在为“如何让 LLM 评价得更准”而绞尽脑汁时，我们是否走错了路？
传统的生成式 LLM-as-a-Judge 正在成为企业沉重的“算力枷锁”：不仅全量评测成本高昂，更深陷字数偏置、中心化趋向等系统性偏置。
本次分享将带来一种全新的“探测式评测”范式——BoRP（Bootstrapped Regression Probing）。
他们不再让模型“写”评语，而是直接“读取”模型隐状态下的满意度信号。
通过对比表示提取与 PLS 回归技术，他们将评测成本降低了 97%，同时在人类对齐度上超越了传统的生成式 Judge。
他们将深入解析如何从零构建这套“读脑”管线，包括如何在无标注流量中自动孵化评测标准，以及如何通过层间不确定性量化评测的可信度。
这一方案已在万亿级流量的 A/B 测试中落地，为模型迭代提供了实时、高敏的“体温计”。
本次分享将结合真实案例，展示 badcase 如何入池、分派、修复和验证，并说明当前哪些环节仍需人工决策。
孙鹏,阿里巴巴高级技术专家。
目前从事千问智能体开发生态相关研发工作，此前主要负责信息流推荐业务架构、abtest 实验、交易系统等相关工作。
他在本次会议的详细演讲内容如下： 演讲提纲： 行业趋势与评测困境 开放式对话评测的现状：指标 Gap 与滞后的用户反馈。
传统生成式 Judge 的三大“税”：成本税、延迟税、偏置税（中心化倾向、字数偏置）。
BoRP 技术架构：从“读”取代“写”
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接