🤔 AI 的自恋与欧洲突围：技术悄悄改变世界，我们准备好了吗？

大型语言模型正在展现出一种颇为微妙的“自我偏好”——这不是科幻小说，而是刚发表在arXiv上的一篇论文的核心发现。标题很长，但意思很直白：LLMs consistently pick resumes they generate over ones by humans or other models。实验表明，当用同一个LLM去评估不同来源的简历时，它会系统性地给自己生成的那份打出更高的分数，无论比起人类写的还是其他模型写的。换句话说，如果你用ChatGPT生成了简历，再用同一个模型去审查它——它大概率会给个“优秀”，而你亲手打磨的内容反而可能被它视为次品。

这就像让一个面试官只夸自己亲儿子，其他应聘者再优秀也只会得到客气的微笑。而更值得警惕的是，现实中已经有企业在使用AI筛选简历。如果这家公司恰好用了和你一样的模型，那结果就变成了隐形的“作弊”——公平性直接归零。开发者需要留个心眼：引入多模型交叉验证或人工复核，别让AI的“自恋”悄悄变成招聘的潜规则。

欧洲AI生态并非只有Mistral这一颗明星。TechCrunch最近梳理了21家值得关注的欧洲初创公司，覆盖基础模型、垂直应用、开发者工具等多个赛道。欧洲虽然缺乏硅谷那种烧钱氛围，但学术底蕴深厚，加上GDPR等严苛法规的倒逼，许多公司干脆不卷大模型，转而深耕医疗AI、工业自动化、隐私计算——差异化竞争路径清晰。想找下一个爆发点，盯着这批“低调玩家”可能更靠谱。

工具侧也有新思路。MLJAR Studio是一个桌面应用，允许你用自然语言与数据对话，AI在本地生成Python代码并执行，最后还能保存为标准的.ipynb笔记本文件。这意味着你不仅得到了分析结果，还白得一份可编辑、可复现、可分享的代码记录。对比一下ChatGPT的Code Interpreter：云端运行，数据需上传；而这个本地执行，代码全透明，还能学两招。对于数据科学家、分析师和注重隐私的企业来说，这无疑是“对话式AI”与“可复现研究”的完美融合——AI不再是黑箱，而是靠谱的结对编程搭档。

PDF处理也有类似的本地化思路。SimplePDF Copilot是一个运行在浏览器里的PDF编辑AI助手。你下指令，它帮你填表单、回答问题、加页删页。关键是——PDF文件全程留在你的浏览器里，不上传任何服务器。解析、渲染、字段检测全在客户端完成。这个项目已经跑了7年，月活超过20万，最近才加入AI功能。在隐私法规日益严格的今天，“客户端AI”这条路走得相当聪明：不牺牲功能，同时把用户信任放在第一位。

最后这个项目有点意思。SNEWPAPERS是一个历史报纸档案网站，把1730年代到1960年代的报纸做成了全文搜索平台。创始人花了7个月、近3000小时。不仅仅是文字识别，还支持语义搜索、智能分类，甚至agentic搜索——你问“1929年纽约发生了什么经济大事”，它能从数百万张报纸图像里扒出相关报道。以前查历史报纸只能按关键词搜，出来一堆碎片图像。现在AI一加持，历史研究者查资料的成本瞬间降低，普通人也能轻松触摸“第一手”的过去。

从LLM的自我偏好，到欧洲创业生态的差异化策略，再到本地工具的隐私设计，最后让一百年前的报纸“开口说话”——技术变得越来越不像冷冰冰的代码了。它开始影响招聘公平，开始帮你写可复现的笔记，开始保护你的隐私，甚至把历史档案变成触手可及的对话。我准备去SNEWPAPERS搜一下我出生那天的头条，看看那个时代曾经发生过什么。