跳到正文

全部动态

今日 25 条
10月1日周四
  3. Databricks Blog34

    Lakebase Postgres 成本优化实用指南

    Databricks 详解 Lakebase Postgres 的成本优化机制：分支共享底层存储避免重复存储开销，自动扩缩容按用量计费，缩容至零后计算成本归零，数百毫秒内可恢复。同步表建议只同步应用所需的工作集，并按数据新鲜度选择 Snapshot、Triggered 或 Continuous 三种同步模式，其中源数据每周期变更超过 10% 时 Snapshot 比 Triggered 更省钱。

  4. Databricks Blog30

    Databricks 如何规模化智能体应用而不造成 AI 蔓延

    Databricks 联合 OpenAI 和 Stellantis 探讨企业规模化智能体应用，核心是随智能体自主性提升，周边基础设施更关键，需提供模型与框架选择、受治理的企业上下文、以及贯穿每次行动的控制。Databricks 以 Agent Bricks、Omnigent 和 Unity Gateway 构建统一底座，让团队新增智能体和工作流时无需各自重复集成与治理。

  5. LangChain Blog70

    LangChain 如何在 harness 中构建模型路由器，Open SWE 单线程中位成本降 64%

    LangChain 为其开源编码 Agent Open SWE 构建了模型路由器，在 973 条线程的 A/B 测试中，相比始终使用 GPT-6 Astra，中位成本从 $2.61 降至 $0.94（降 64%），PR 合并率无显著差异（29.2% vs 27.3%，p=0.49）。

    推荐理由：作者用自身 Open SWE 的 A/B 数据说明路由放在 harness 内的理由和成本收益，方法可迁移到其他多任务 Agent。

  7. Anthropic Research73

    物理学家 Schwartz 分享用 Claude 与 BootLoops 做跨领域定量科学的方法与成果

    物理学家 Matthew Schwartz 发文介绍一种 AI 加速科研的新思路：不再对抗模型短板，而是寻找适合当前 LLM 的 "Claude-shaped" 问题，并开源了定量科学计算工具包 BootLoops。

    推荐理由：作者复盘了寻找 AI 擅长问题并联合领域专家雕琢结果的完整方法，这套协作模式对科研用户可直接借鉴。

  8. Suno Blog67

    Suno 推出 Speech 测试版，可同时生成语音与背景音乐

    Suno 发布 Speech 测试版，称其为首个能把语音和音乐作为一条完整音轨共同生成的音频模型。用户输入文字并描述声音与音乐风格，即可生成配有原创背景音乐的语音内容；此前已小范围测试一个月，现向所有用户开放，团队表示会持续改进。

    推荐理由：原文说明了 Speech 将语音与音乐合成为一条轨道的玩法和开放范围，读者可据此判断它带来哪些新用途。

  10. Google Cloud: Databases23

    Cloud CISO Perspectives：网络安全初创公司如何赢得CISO青睐

    Google Cloud CISO办公室高级总监Alicja Cade与Nick Godfrey为网络安全初创公司支招，建议通过倾听客户需求、评估AI安全性及拥抱行业监管来赢得CISO信任。文中提到Google for Startups项目四年间已支持超50位网络安全创始人，并给出三条建议：先倾听再设计交付、用专有数据与微调构建技术护城河、警惕并购尽职调查中的常见陷阱。

9月30日周三
  9. OpenRouter Announcements70

    OpenRouter 教程：Prompt 或模型变更后如何对 AI Agent 做回归测试

    OpenRouter 发布教程，讲解在 Prompt、模型、工具定义或检索设置变更后如何对 Agent 做回归测试：用锁定的用例集配合结构断言和硬性不变量，模型测试固定用具体 slug 而非 alias。

    推荐理由：教程给出锁用例集、结构断言和固定 slug 对比的完整回归方法，并以一次实测换模型跑通说明落地方式。

  11. OpenRouter Announcements68

    OpenRouter 教程：如何从生产流量构建 Golden 评测数据集

    OpenRouter 发布教程，讲解如何从生产流量构建 golden eval 数据集，用于在每次部署前检测提示词或模型变更引起的回归。内容涵盖五步流程：抽样生产流量、去重聚类、添加经审核的预期输出、首轮评估修正评分标准、纳入 Git 与 CI，建议探索性问题约 10 条、完整回归集 100 到 1,000 条，并以生产数据为基础、合成数据补足覆盖缺口。

    推荐理由：原文给出从生产流量构建评测集的五步流程和规模建议，可迁移到自己的模型回归测试工作流。

  13. Apple Machine Learning Research41

    LLM 条件控制中的有效性-流畅性权衡：一项系统性研究

    Apple 研究团队系统考察了 LLM 条件控制方法在概念注入与移除场景下的表现，发现高效激活引导方法往往以流畅性大幅下降为代价。研究还发现激活引导在指令微调模型上的效果远不如基座模型，而提示词与监督微调适合概念注入却不擅长概念移除。低成本文本指标与昂贵的 LLM-as-judge 评分高度相关。

  15. Google Research44

    Google Research 提出 Diffusion Controller：统一并简化 AI 图像生成控制

    Google Research 提出 Diffusion Controller 框架，将扩散模型去噪过程重构为连续控制问题，用一个轻量"转向阻尼"网络在冻结基座模型的前提下动态调整生成轨迹。在 Stable Diffusion v1.4 上以 HPS-v2 评测，其完全解锁版本对基线模型取得 90% 胜率，并支持在无法访问内部权重的闭源模型上实现定制控制。

  17. AWS Machine Learning Blog39

    Amazon Quick 提示词工程基础指南

    Amazon Quick 的提示词工程决定其 AI 功能对自然语言请求的响应质量，涵盖自定义智能体、自动化流程和对话式分析等场景。文章提出以具体性实现清晰、以业务上下文提升相关性、用示例代替描述等核心原则，并给出适用于复杂请求的 CRISPE 结构化框架。

  20. Claude Blog55

    Anthropic 销售团队如何用 Claude Managed Agents 重建 inbound 销售

    Anthropic 销售团队基于 Claude Managed Agents (beta) 构建了购买智能体，每天处理数千次对话，引导客户从咨询到完成购买，升级给销售的线索转化率是旧表单的两倍多，成交快约五天。底层只有一个提示词、少量工具和 Claude，一名工程师几周就完成初版；经验包括给目标而非规则、提示词从简、把升级给销售的每一次当作改进反馈，需要人工介入的对话占比已降约一半。

  24. Anthropic Research73

    Anthropic 研究测量机器人对工作的暴露度：74% 物理任务可由机器人完成但仅 0.3% 具成本竞争力

    Anthropic 发布研究，用 Claude 基于环境结构化程度对约 19,000 个工作任务评分构建机器人暴露指数，发现机器人能完成美国 74% 的物理任务，占全部工作时间的 34%，但仅对 0.3% 的任务具有成本竞争力，按每年约 3% 的价格下降速度需 40 年才达 10%。

    推荐理由：报告用 Claude 对近万个任务评估机器人暴露度，给出成本竞争力仅 0.3% 等量化结论，读者可借此理解物理自动化的现实门槛。

9月29日周二
  3. Microsoft Research61

    Microsoft Research 发布生物研究领域 AI 系统 Quine

    Microsoft Research 推出 Quine，一个面向生物学的多模态世界模型与交互式 harness，连接科学工具、文献和研究人员。在与 Broad Institute 合作中，Quine 用于预测可驱动胰腺癌肿瘤细胞状态转变的化合物，排名第一的候选化合物在湿实验中产生了最大的预期细胞状态转变，从缩小化合物范围到确定候选名单仅用了一个周末。

    推荐理由：官方披露了系统构成和胰腺癌湿实验验证结果，读者可以据此评估AI世界模型在生物研究中的实际作用。

  4. Hugging Face Blog49

    Hugging Face 发布 ProvenanceGuard：面向 MCP 智能体的来源感知事实核查

    Hugging Face 发布 ProvenanceGuard，一个面向 MCP 智能体的生成后验证层，专门检测"跨来源混淆"——即事实真实但被归因到错误来源的问题。在 281 条医疗智能体真实 trace 上，专家判定应拦截的 139 条声明中它拦下 138 条，来源识别准确率约 86%，并在四项对比检查器中取得最高分。