Phi-3 和 Gemma 2 的微调为企业提供了在预算有限的情况下进行高质量 AI 模型训练的解决方案。研究显示，拥有 38 亿参数的 Phi-3-mini 在金融分类任务中超越了 GPT-4o，准确率达到 96%，而 GPT-4o 为 80%。一项多机构的研究进行了超过 200 次训练实验，结果表明 Phi-3-mini 在 7 项金融 NLP 基准测试中胜出 6 项。此外，推理成本方面，Ph...

随着技术的不断进步，语音人工智能在环境计算领域的应用正在快速发展。预计到2027年，语音AI将成为环境计算的核心，改变人们与设备的互动方式。Genspark Workspace 2.0的推出标志着这一趋势的加速，Daniel Nest对此进行了深入分析。同时，OpenAI在市场份额方面面临挑战，竞争对手的崛起可能会影响其在行业中的地位。未来几年，语音AI的普及将推动智能家居、办公环境等多个领域的创...

语言模型在账单和支付领域必须具备事实准确性。传统的语言模型虽然能够生成基于学习模式的合理响应，但可能会出现“幻觉”现象，导致生成不正确或虚构的信息。通过使用 '/v1/system/billing/checkout' 接口，可以避免这一问题，因为该接口提供了确定性的输出，直接与系统对接，从而使语言模型能够准确地执行与账单相关的功能，例如生成用于购买积分的 Stripe Checkout URL。此...

在早期使用GPT-2和GPT-3时，生成的文本看似流畅且自信，能够在表面上满足提问的需求，但实际上并不基于真实信息，而是通过组合可能的响应来构建的。这种现象被称为“完美的胡说八道”。尽管如今多代理系统的输出更为精准，依然存在类似的特性，只是变得不那么明显。作者提到，早在2006年，彼得·瓦茨就已对这一现象进行了诊断，但当时并未意识到其重要性。...

在尝试比较亚马逊、百思买和沃尔玛的笔记本电脑价格时，AI 代理面临诸多障碍。亚马逊会弹出验证码，百思买会重定向到机器人检测页面，而沃尔玛则返回一个没有实际产品数据的 JavaScript 渲染外壳。这些问题并非 AI 代理的缺陷，而是每个主要电子商务平台的设计特性，旨在阻止用户轻松比较价格和产品信息。为了应对这一挑战，用户和开发者需要寻找新的方法来获取所需的数据，可能需要依赖于更复杂的技术或合作方...

在2026年，B2B SaaS的目标受众（开发者、创始人、CTO）已经改变了他们的搜索行为。他们不再依赖Google搜索，而是转向ChatGPT、Perplexity等AI工具进行信息查询。作者在推出其微型SaaS产品ComplianceRadar（一个自动化的EU AI法案风险扫描器）时发现，尽管在Google上排名可能需要6个月，但如果网站结构合理，几乎可以立即被大型语言模型（LLM）引用为权...

数据科学清洗到洞察的流程涉及多个关键步骤，包括对原始数据进行清洗、探索性分析、模型构建以及结果的有效沟通。通过清洗数据，确保数据质量，为后续分析奠定基础。探索性分析帮助识别数据中的模式和趋势，进而为模型构建提供依据。构建模型的过程需要选择合适的算法，并进行调优，以提高预测准确性。最后，结果的沟通至关重要，能够帮助利益相关者理解分析结果并做出决策。该流程提供了实用的技巧和示例，适用于各种数据科学项目...

通过对借款人和贷款特征的统计分析，揭示了违约风险的理解。探索性数据分析（EDA）在信用评分模型中扮演着重要角色，帮助识别影响借款人还款能力的关键因素。使用 Python 进行数据处理和可视化，能够有效地分析数据集中的模式和趋势，从而为信贷决策提供数据支持。该过程包括数据清洗、特征选择和可视化分析，最终目标是提高信用评分的准确性和可靠性。...

人造玻璃已有数千年的历史，但现在它有望进入全球最新、最大的人工智能数据中心所使用的芯片中。今年，韩国公司Absolics计划开始商业生产专门设计的玻璃面板，这些面板旨在提升下一代计算硬件的性能。通过利用玻璃的独特性质，这些新型芯片有望在处理速度和能效方面实现重大突破，从而推动人工智能技术的进一步发展。...

Palantir 的软件演示和五角大楼的记录显示，像 Anthropic 的 Claude 这样的聊天机器人能够帮助五角大楼分析情报并提出后续行动建议。这些技术可以在复杂的军事环境中快速处理大量数据，提供实时的决策支持。通过自然语言处理，聊天机器人能够理解和生成与军事战略相关的内容，从而提高指挥官的决策效率。这种创新的应用可能会改变军事规划的方式，使得军方在面对迅速变化的战场环境时更加灵活和高效。...

OpenAI 于2026年3月5日发布的 GPT-5.4 是首个内置原生计算机使用功能的通用模型，在真实工作比较中，其表现与专业人士相匹配或超越达83%，相比于前一代 GPT-5.2 的70.9% 有显著提升。该模型能够在无需额外插件的情况下操作应用程序、浏览器和工作流程。其1百万个令牌的上下文窗口支持真实的长时间代理任务，避免了分块处理。此外，GPT-5.4 在事实错误方面减少了33%，这一点在...

大型语言模型存在一个基本的局限性，即知识截止日期。它们对训练阶段的世界非常熟悉，但对用户的私有数据或近期事件却一无所知。为了解决上下文注入的问题，业界目前在两种竞争哲学之间分裂：一种是复杂的工程管道，另一种是粗暴的架构转变。检索增强生成（RAG）作为一种解决方案，虽然在技术上成熟，但其工程复杂性使得实施变得困难。相反，长上下文方法则试图通过改变模型架构来直接处理更长的输入信息，从而提升模型的上下文...

大型语言模型（LLM）的快速发展导致基准测试文献面临严重的过时危机。随着科技公司不断更新其专有LLM，新的版本频繁推出，旧版本被弃用，造成基准测试文献引用了过时的模型。这种快速迭代和部署的机制使得学术研究与行业创新之间存在系统性的错位，影响了模型评估的时效性和相关性。为了解决这一问题，提出了多种策略，以确保基准测试能够及时反映最新的技术进展，保持其在研究和应用中的有效性。...

在使用 AI 编码代理（如 Claude Code 和 Cursor）加速 Godot 游戏开发的过程中，遇到了代理无法“看见”其操作的问题。代理根据提示生成代码，但在运行游戏时常常出现错误，需要反复沟通以修正。这种盲目的操作导致了许多简单的放置问题需要耗费大量时间来解决。为了解决这个问题，作者提出了一种新的方法，旨在提高 AI 代理的效率，使其能够更准确地理解和执行任务，从而减少开发过程中的反复...

预计到 2026 年，73% 的 iOS 应用将整合某种形式的 AI 驱动搜索。随着苹果的本地机器学习能力不断成熟，开发者发现构建智能搜索和推荐系统不再需要复杂的云基础设施。通过使用 CoreML 和 iOS AI 集成，可以在设备上完全实现 AI 驱动的搜索推荐。这种方法不仅提高了用户隐私保护，还加快了响应速度，降低了服务器成本。...

随着AI代理的快速发展，MCP与技能的讨论日益成为科技界的热点话题。大型语言模型正在从单纯的对话系统转变为能够执行任务的系统。过去，这些模型主要用于生成信息和辅助决策，而现在，越来越多的应用希望AI能够直接操作系统、调用工具并完成实际任务。例如，在数据工程场景中，用户不仅希望AI解释数据管道配置，还希望其能够创建数据同步任务、监控作业状态等。这种转变标志着AI在实际应用中的能力不断增强，推动了对更...

OpenAI 研究员艾登·麦克劳克林分享了关于提升对大语言模型（LLMs）期望值的思考。研究指出，提升期望值不仅能激发创新，还能推动技术的进步。通过设定更高的目标，研究人员和开发者能够更好地利用 LLMs 的潜力，从而实现更高的回报和更广泛的应用。文章强调了在技术发展过程中，保持高期望的重要性，以及这种心态如何影响研究和开发的方向。...

OpenAI 发布了 GPT-5.4，推出了专业版和思维版，进一步提升了其人工智能模型的能力。与此同时，谷歌推出了 Gemini 3.1 Flash Lite，成本仅为专业版的八分之一，展现出其在市场竞争中的优势。此外，关于与战争部的合作，Anthropic 的现状也引起了关注，反映出人工智能技术在军事和供应链风险管理中的潜在应用与挑战。...

强化学习与可验证奖励（RLVR）已成为激发大型语言模型推理能力的强大范式，尤其在数学和编程领域。尽管近期努力将这一范式扩展到更广泛的科学（STEM）领域，但在这些背景下，监督微调（SFT）与RL之间复杂的相互作用仍未得到充分探讨。控制实验揭示了一个关键挑战：在通用STEM领域，直接对基础模型应用RL的样本效率极低，且在中等质量响应上始终被SFT所超越。然而，依次进行SFT和RL的训练可以进一步提升...

ARACH（自适应上下文中心的注意力重新分配）是一种无需训练的推理时插件，旨在增强大型语言模型（LLMs）的性能。尽管LLMs已经取得了显著的成果，但进一步提升往往需要昂贵的训练成本。这促使了对后训练技术的关注，尤其是那些在推理时无需更新权重的训练自由方法。大多数训练自由的方法将模型视为黑箱，通过输入/输出级别的干预来改善输出，如提示设计和通过重复采样、重新排名/验证或搜索进行的测试时缩放。ARA...

推测解码是一种利用多个语言模型加速推理的技术。以往的研究通过实验方法优化推理管道的吞吐量，这涉及到大规模语言模型（LLM）的训练，成本较高。该研究提出了一种理论，分析性地将预训练LLM的关键超参数与基于推测解码的下游推理系统的吞吐量效率联系起来。该理论能够在预训练之前预测推理系统各组件的吞吐量最优超参数，从而简化了优化过程。...

在快速发展的商业环境中，效率是成功的关键。2026年，先进的AI工具如ChatGPT-4.5在帮助企业实现这一目标方面发挥了重要作用。通过五个引人注目的案例研究，展示了这些智能工具如何在各个行业中转变业务流程，节省宝贵的时间和资源。案例涵盖了客户支持的优化、销售流程的自动化、市场营销的个性化、数据分析的智能化以及员工培训的创新方式，突显了AI技术在提升商业效率方面的广泛应用和深远影响。...

在快速发展的时代，AI工具正在彻底改变客户支持。到2026年，这些智能助手将成为团队工具箱中不可或缺的一部分，帮助节省时间并提升用户体验。随着企业努力提供卓越的客户支持，AI聊天机器人应运而生。其中，TRANSFORM是一种先进的AI模型，旨在通过理解上下文并以同理心和精准度进行响应，优化用户互动。其他顶尖竞争者包括以自然语言处理能力著称的ChatBot XYZ等。...

在这一天，AI代理专注于构建一个完整的区块库生态系统，成功架构了包含16个预构建模板的系统，涵盖了从归属模型到SWOT分析的多种应用，同时实现了拖放功能。与此形成鲜明对比的是，人类开发者在其原型分支中创造了“活块”，用户可以通过对话生成这些块。这种静态模板的构建与人类的对话生成之间的对比，展现了AI与人类在创造性工作中的不同角色与协作可能性。...

构建 RAG 系统以提高 AI 的准确性和上下文相关性时，通常会将文档、产品数据和知识库输入系统并进行准确性测试。然而，若攻击者在用户查询之前向知识库中注入恶意信息，可能会导致严重后果。根据 2025 年 USENIX Security 发布的研究，仅需五份精心设计的文档便可实现 90% 的攻击成功率。毒化 0.04% 的数据集可导致 98.2% 的攻击成功率和 74.6% 的系统失败。最危险的变...

PyTorch 是一个广泛使用的深度学习框架，具有强大的张量操作能力。教程涵盖了张量的创建与检查、数据类型、设备与类型转换、索引、切片与布尔掩码等基础知识。进一步探讨了张量的重塑、视图与挤压，以及逐元素操作与归约。广播机制作为隐形的乘法器，简化了张量运算。矩阵乘法作为核心操作，深入分析了批量矩阵操作和爱因斯坦求和（einsum）方法。最后，线性代数的基本概念也被纳入讨论，为读者提供了全面的矩阵操作...

在软件开发中，GitHub Copilot的出现引发了人们对其开源性质的关注。尽管GitHub以开源协作而闻名，Copilot却是基于公共代码库训练的专有软件。它能够自动补全函数并快速生成测试，给开发者带来了便利。尽管其代码生成与开源项目的模式相似，Copilot并不属于开源软件的范畴，明确来说，它是专有软件，无法自由访问和修改其源代码。...

成功的大型预训练变换器与标记器密切相关，标记器将原始输入转换为离散符号。将这些模型扩展到图结构数据仍然是一个重大挑战。研究提出了一种图标记化框架，通过结合可逆图序列化和广泛采用的字节对编码（BPE），生成图的顺序表示。为了更好地捕捉结构信息，图序列化过程受到图子结构全局统计的指导，确保频繁出现的子结构在序列中更常出现，并能被BPE合并为有意义的标记。实验证明了该方法在图数据处理中的有效性。...

随着实时数据收集能力的提升，数据流源变得越来越普遍。处理数据流时，一个主要关注点是概念漂移，即数据分布随时间变化的现象，例如由于环境条件的变化。概念的表示（特征相似行为的静态时期）是适应概念漂移的关键思想。通过测试概念表示与观察窗口的相似性，可以检测到新的或先前出现的重复概念的概念漂移。概念表示是通过元信息特征构建的，这些特征描述了概念行为的各个方面。研究发现，之前提出的概念表示依赖于少量的元信息...

提出了一种名为CausalTimePrior的框架，用于生成配对的观察性和干预性时间序列的合成时间结构因果模型（TSCMs）。该框架解决了现有时间序列基准缺乏干预数据的问题，现有基准虽然能够生成具有真实因果图的观察数据，但无法提供训练因果基础模型所需的干预数据。CausalTimePrior支持可配置的因果图结构、非线性自回归机制、状态切换动态以及多个干预目标的生成，旨在推动因果推断在时间序列数据...

神经算子（NOs）为输入场与 PDE 解场之间提供快速且分辨率不变的代理映射，但由于有限数据、不完美优化和分布偏移，其预测可能表现出显著的认知不确定性。在科学计算的实际应用中，不确定性量化（UQ）必须具备计算效率和空间忠实性，即不确定性带应与下游风险管理中重要的局部残差结构对齐。提出了一种结构感知的认知 UQ 方案，利用现代 NOs 的模块化结构（提升-传播-恢复）。该方案避免在整个网络中应用无结...

异常检测是机器学习中一个重要且广泛研究的问题。然而，针对字符串数据的异常检测研究相对较少，大多数文献集中于数值数据的异常检测。一种强健的字符串数据异常检测算法可以帮助进行数据清洗或系统日志文件中的异常检测。研究中比较了两种字符串异常检测算法。首先，提出了一种改进的局部异常因子算法，专门针对字符串数据进行异常检测，使用Levenshtein距离来计算数据集的密度。此外，提出了一种不同权重的Leven...

随着现实世界的动态演变，针对大型语言模型的模型编辑需求日益增加。现有方法虽然探讨了模块化隔离或参数高效策略，但在持续更新过程中仍然面临语义漂移或知识遗忘的问题。为了解决这些挑战，提出了一种基于语义路由的LoRA框架SoLA，实现终身模型编辑。在SoLA中，每次编辑被封装为一个独立的LoRA模块，训练后被冻结，并通过语义路由映射到输入，从而允许通过语义匹配动态激活LoRA模块。这一机制有效避免了由于...

研究评估了前沿人工智能模型在两个专门构建的网络攻击场景中的自主网络攻击能力，包括一个32步的企业网络攻击和一个7步的工业控制系统攻击。这些攻击需要在扩展的行动序列中链式整合异构能力。通过比较在18个月内发布的七个模型（2024年8月至2026年2月），并在不同的推理时间计算预算下进行评估，观察到两个能力趋势。首先，模型性能与推理时间计算呈对数线性增长，未观察到平台效应，从1000万到1亿个标记的提...

高水平自动驾驶技术的发展正从以感知为中心的局限性转向更根本的瓶颈，即缺乏稳健且可泛化的推理能力。尽管当前的自动驾驶系统能够处理结构化环境，但在长尾场景和复杂的社会互动中，它们常常表现不佳，这些场景需要类人判断。与此同时，大型语言模型和多模态模型的出现为将强大的认知引擎整合到自动驾驶系统中提供了变革性机会，从而超越简单的模式匹配，迈向真正的理解。然而，目前缺乏一个系统化的框架来指导这种整合。为了解决...

针对后训练工具使用的大型语言模型（LLMs），最近的研究合成了代理任务，但在任务和工具集变化下的稳健泛化仍然是一个开放的挑战。研究发现，这种脆弱性源于合成任务的多样性不足。扩展多样性面临困难，因为训练要求任务保持可执行和可验证，而泛化则需要涵盖多样的工具类型、工具集组合和异构的工具使用模式。提出了DIVE，这是一种证据驱动的方案，通过先执行多样的真实世界工具，再严格推导出由结果轨迹所必然推导的任务...

OpenAI 和 Anthropic 在模型更新时并不会主动发送电子邮件通知，用户通常是通过其他渠道得知更新信息，例如用户反馈、解析失败或支持票据。为了提高通知的及时性，建议设置自动通知系统，以便在模型更改后60分钟内获得更新信息，而不是等待72小时。OpenAI 的模型更新政策明确表示，他们有权在不提前通知的情况下更新任何模型版本，出于安全、性能或政策原因，通常也不会提供变更日志。类似的政策也适...

Anthropic在其对齐研究中开发了一种名为Petri的内部工具，这是一个自动化的行为审计系统，用于跟踪模型在不同版本和训练运行中的行为变化。该系统运行了超过30万个测试查询，发现Claude、GPT-4o、Gemini和Grok之间存在“数千个直接矛盾和解释模糊”。与此同时，五角大楼的首席技术官将Claude视为供应链风险，指出Anthropic的训练宪法“嵌入在模型中”，并“直接影响Clau...

作者在没有团队和自动化评估环境的情况下，独立构建了一个使用 Claude 对支持票进行分类的功能，分为三个类别：账单、技术和账户。最初，该功能运行良好，但在六周后，Claude 的输出发生了变化，导致分类错误。具体来说，原本返回的小写类别名称变成了首字母大写，导致200个支持票在四天内被错误路由。作者在没有任何错误日志和异常的情况下，意识到问题并采取措施防止类似情况再次发生。...

在 DriftWatch 正式发布之前，进行了针对生产风格提示的测试，以验证漂移检测算法的有效性。通过 Claude API 运行 DriftWatch，使用五个生产风格的提示进行了两次连续测试，记录了相同模型检查点下的真实输出和分数。结果显示，漂移评分从 0.0 到 0.49 不同的区间代表了模型输出的变化程度，具体包括功能上与基线相同、轻微变化、显著行为变化等。这些真实数据比理论示例更具参考价...

隐私已成为一项基本人权，尤其是在医疗数据方面。传统上，进行健康报告的语义分析需要将敏感数据发送到云服务提供商，如 OpenAI 或 Anthropic。然而，如果模型可以直接在浏览器中运行呢？本教程将深入探讨边缘人工智能和隐私优先应用的领域，构建一个完全离线的健康报告解释器，使用 WebLLM、WASM 和 React。通过利用 WebGPU，能够在客户端硬件上直接运行一个 7B 参数的模型（如 ...

Cursor IDE 功能强大，但仅支持少数内置模型。通过 Crazyrouter，可以解锁 627+ 个模型，包括 GPT-5、Claude Opus 4.6、DeepSeek R1、Gemini 3 等。使用 Crazyrouter 的优势包括访问 Cursor 原生不支持的模型、节省成本（Crazyrouter 的定价通常低于直接 API 定价）、无需更改 IDE 设置即可切换模型，以及一个...

Crazyrouter和OpenRouter是两种流行的AI API网关，各自具有不同的特点。Crazyrouter支持627个模型，涵盖102个家族，提供OpenAI、Anthropic和Gemini原生API格式，采用按需付费模式且无月费，注册时赠送$0.20的免费信用。而OpenRouter则拥有约300个模型，仅支持OpenAI格式，采用按需付费加上加价的定价策略，免费信用额度因用户而异。...

选择使用托管的AI API网关还是自托管的解决方案是一个重要决策。Crazyrouter作为完全托管的服务，用户只需注册并获取API密钥，即可访问627个以上的模型，几乎无需基础设施。而LiteLLM则是一个开源代理，用户需要在自己的服务器上部署，并为每个提供商提供API密钥。两者在设置时间上差异明显，Crazyrouter仅需2分钟，而LiteLLM则需30至60分钟。此比较为用户在选择合适的A...

Perplexity 最近推出了“个人计算机”平台，这是一种本地智能代理 AI，标志着从传统的云聊天机器人向更强大、智能的系统的转变。用户可以在本地设备上运行 AI，享受更高的隐私和安全性。该技术的出现不仅提升了 AI 的可用性，还引发了对其潜在影响的讨论，包括对工作方式和生活方式的深远改变。随着这一技术的发展，用户将能够体验到更为个性化和高效的 AI 交互。...

MALUS 提供了一种新颖的服务，声称能够解放用户免受开源许可证的约束。该服务利用专有的 AI 机器人，从头独立重建任何开源项目，生成法律上独立的代码，配以企业友好的许可协议。这意味着用户无需进行归属标注，也不受 copyleft 的限制，从而消除了法律问题。尽管这一服务的宣传听起来荒谬，但其对当前开源软件生态的讽刺意味深远，反映了对许可证洗白现象的批评。...

该研究提出了一种新型智能体，能够模拟数据科学家的思维过程。通过可重用工具的生成，该智能体在 DABStep 平台上取得了优异的成绩，成功跻身第一名。研究团队设计了一套高效的框架，使得智能体能够快速适应不同的数据分析任务，并通过不断学习和优化来提升其性能。该方法不仅提高了工作效率，还为数据科学领域的自动化提供了新的思路，展示了人工智能在实际应用中的潜力。...

在现代软件开发中，代理编排服务器通常用于管理和协调多个代理的工作。然而，随着技术的进步，越来越多的团队开始探索更高效的替代方案。通过将代理编排的功能迁移到 Git 仓库，团队不仅简化了工作流程，还提高了版本控制和协作的效率。这种转变使得团队能够更灵活地管理代理的配置和状态，同时利用 Git 的强大功能进行变更跟踪和历史记录管理。最终，这种方法不仅提升了开发效率，还减少了系统的复杂性。...

一名用户通过Slack发消息指出摘要看起来奇怪，经过调查发现，模型在72小时内约12%的请求返回了格式错误的JSON。错误处理机制吞噬了解析失败，导致用户获取到的是前一天的数据而非当天的数据。没有监控系统能够捕捉到这个问题，因为没有抛出异常，模型在几个月内可靠遵循的格式指令突然失效。尽管模型版本和提示没有变化，但其行为却发生了改变。...

2024年末，Anthropic推出的Model Context Protocol（MCP）已成为行业标准，OpenAI、Microsoft和Google三家公司均已确认采用该协议。MCP旨在标准化AI模型与外部工具、数据源和API的交互方式，被称为“AI的USB-C”。在MCP出现之前，各AI模型之间的工具连接方式存在显著差异，导致开发者需要为不同模型编写重复的集成代码，增加了开发负担并阻碍了A...