DS-Lighting:把数据科学智能体的“运行框架”摆到台面上
数据科学智能体的效果不只取决于大模型,也取决于任务如何定义、状态如何管理以及结果如何评估。DS-Lighting将这些通常隐含的系统设计拆解为四层,并提供统一的可执行框架。
阅读全文Claude API 中转站避坑指南、检测原理与大模型 API 实测经验
共 2320 篇文章
RSS 订阅数据科学智能体的效果不只取决于大模型,也取决于任务如何定义、状态如何管理以及结果如何评估。DS-Lighting将这些通常隐含的系统设计拆解为四层,并提供统一的可执行框架。
阅读全文Hugging Face 发布 @huggingface/kernels,为浏览器端 AI 提供可从 Hub 加载的 WebGPU 内核,并配套 Fleet 众测工具。首批 207 个内核覆盖矩阵乘法、归一化、注意力和量化等常见操作。
阅读全文vLLM-Omni 对 MiniMax H3 的优化显示,多模态视频生成的瓶颈贯穿编码、扩散、VAE 解码、跨进程传输和 MP4 封装。进一步接入 FastVideo 的 FastH3 后,四次 DiT 前向即可将完整视频响应压缩到接近播放时长。
阅读全文EASEL 将多模态智能体放进一个看似简单的绘画任务:根据参考图像逐步操作画布。结果显示,模型不仅看不准,还难以在执行过程中持续校正。
阅读全文LLM 智能体可以在运行时修改提示词、工具和执行框架,但一次成功的改动也可能在不同状态下无法撤销。EvoUndo 将可恢复性验证、状态定位与回滚语言结合起来,系统分析自我进化的安全边界。
阅读全文LoopArena 将编码智能体开发中的“控制循环”单独抽离出来,测试一个模型能否持续指导另一个固定编码智能体完成长期任务。结果显示,长程循环控制仍是当前代理系统的明显短板。
阅读全文StarHarness 将智能体的“能力问题”部分转化为“运行框架问题”,在固定模型权重的前提下,自动搜索更适合具体企业环境的 harness。研究显示,经过少量迭代后,智能体在多个企业任务基准上的表现显著提升。
阅读全文一项研究比较了改造后的线性注意力模型与带注意力汇的滑动窗口注意力,发现后者在多项任务上表现相当或更好,长上下文推理优势尤其明显。它不需要重新训练模型,或许是降低推理成本的更务实方案。
阅读全文美国国防部已在GenAI.mil门户上线定制版ChatGPT Mil和Grok for Government,为约300万名军政人员提供面向安全环境的生成式AI工具。此举也凸显出Anthropic Claude暂未进入该体系的特殊背景。
阅读全文Instagram将“AI创作者”标签更名为“AI生成档案”,并对未主动披露AI人物身份的账号采取降低触达措施。平台希望减少用户把虚拟人物误认成真实人的情况。
阅读全文代码生成速度提升,并不等于研发交付周期缩短。小红书 Muse 的实践显示,企业级 AI Coding 的关键在于上下文贯通、运行时控制与可恢复的 Agent 协作。
阅读全文Debian通过新的AI政策,允许开发者在开发、维护和文档工作中使用生成式AI,但不会为AI产出设置特殊豁免或额外禁令。项目仍要求贡献者对代码质量、正确性、可维护性和法律合规承担完整责任。
阅读全文英伟达向联发科投资35亿美元,并将开放NVLink Fusion生态,帮助后者为云厂商和AI公司开发可直接接入英伟达数据中心的定制芯片。这笔交易显示,面对大型科技公司自研芯片,英伟达正从GPU供应商转向AI基础设施平台方。
阅读全文围绕一个配置文件格式的争议,正在演变成大型研发组织的工具治理问题。Shopify CEO公开考虑禁用Claude Code后,Anthropic给出的回应并未平息开发者不满。
阅读全文Meta曾设想用AI Agent接管大量日常工作,并据此推进团队重组。但内部数据显示,代码产出、技术事故和工程师救火时间同步上升,激进的“AI原生”计划最终遭遇现实检验。
阅读全文Cisco 正把内部 AI 从聊天助手升级为能够记忆上下文、跨系统调用工具并在后台推进任务的个人 Agent。MyAgent 的价值不只在于覆盖9万名员工,更在于它试图成为企业工作流的新入口。
阅读全文Kubeflow近期集中推进Kale、Notebooks、Trainer、KServe和Hub等组件,覆盖从实验、训练到推理和模型管理的完整链路。项目同时强化Spark、HPC、安全与可观测性能力,为迈向CNCF毕业阶段铺路。
阅读全文StepGuard 面向会调用外部工具的 LLM 智能体,在动作执行前进行逐步安全审计。配合自动数据生成和安全性—效用平衡训练,它在降低攻击成功率的同时,尽量减少对正常任务的误拦截。
阅读全文KAIST AI 提出的 J-Zero,尝试在不依赖人工标注数据的情况下,让任务生成、问题求解与答案评估三个角色共同迭代。该方法同时面向可验证和不可验证任务,并在后者上展现出更明显的改进。
阅读全文清华大学 PACMAN Group 发布 Puro-2B,尝试用消费级 RTX 5090、FP8 训练和开放配方降低小型语言模型预训练门槛。研究称,成本缩放规律显示,约 4400 美元可能达到 Qwen2-1.5B 的评测水平。
阅读全文新加坡国立大学团队提出 LMSM,将模型内部可解释性信号、策略判断与输出拦截拆分为可插拔模块。原型在 Qwen3-4B 上显著降低 HarmBench 攻击成功率,同时保持接近无监控服务路径的吞吐。
阅读全文