跳到正文
今天10月11日周日1 条
10月10日周六
  1. Latent Space34

    Standard Bots 谈工业机器人 AI 栈:低参数模型、本地推理与车队学习

    Standard Bots 的工业机械臂用共享基础模型加客户演示微调,最大模型参数量仅"low billions",感知靠十亿级图像的零样本系统,运动与单元逻辑仍用传统编程。模型在云端训练、在工厂本地 GPU 推理并输出 action chunks,以应对工厂网络不可靠。对非气隙客户,车队学习可回收失败信号与人工纠正数据。

10月9日周五
  1. Hugging Face Blog34

    Ai2 如何用 GPU 时间预算与分层公平分配改进集群调度

    Ai2 用 GPU 时间预算、分层公平分配和时间切片契约替换了原有的优先级调度器,把"哪个项目该拿多少 GPU 时间"从事后逐个协调变成透明的预算流程。Ai2 管理数千块 NVIDIA H100、B200 和 B300,集群规模 88 到 1024 块 GPU,服务约 150 名内部研究者,待处理需求常达可用 GPU 的 2-3 倍。

10月8日周四
10月7日周三
  1. AWS Machine Learning Blog27

    超越节省工时:如何为 agentic automation 构建商业论证

    AWS 提出 Agentic Value Model,认为以“节省工时×人力成本”衡量自动化的传统 ROI 模型是为 RPA 设计的,会漏掉 AI 智能体的大部分价值。该框架从时间节省、异常处理、决策质量和变更韧性四个维度衡量价值,并以价值实现机制作为前提;文中称修正一个错误可能花费原交易成本的 1.5–4 倍,人为错误可占运营成本的 2–15%。

9月26日周六
  1. GitHub Blog · AI & ML39

    GitHub Copilot 应用入门:如何用 canvases 构建自定义工作流

    GitHub Copilot 应用中的 canvas 是一种可定制界面,通过 /create-canvas 技能用自然语言描述即可生成看板、清单或仪表盘。canvas 具备双向同步能力,你和智能体可同时修改并在界面中即时看到更新,生成的 canvas 会保存为扩展供团队共享或个人复用。Awesome Copilot 还提供了发布说明、看板、issue 分诊等现成 canvas 扩展。

9月25日周五
  1. GitHub Blog · AI & ML64

    GitHub 发布基于 Security Lab Taskflow Agent 的 AI 模糊测试流水线

    GitHub Security Lab 发布 Fuzzing Taskflow,一个面向 C/C++ 项目的自主模糊测试流水线,只需指向 GitHub 仓库,就能自行识别入口点、编写 harness、运行 AFL++、读取覆盖率报告并生成漏洞报告。

    推荐理由:GitHub 安全实验室给出了一套可复用的自主模糊测试流水线,读者可据此判断智能体能接手多少安全测试中的重复劳动。

9月24日周四
  1. GitHub Blog · AI & ML29

    GitHub Copilot 应用如何渲染超大 pull request

    GitHub Copilot 应用重建了 pull request 视图,用一个 2,200 个文件、超百万行改动、400 多条行内评论的开源 PR 做压力测试。其做法是拆分两套几何:代码行高在绘制前精确已知、永不重建;评论、草稿和回复框等动态块惰性测量,修正幅度小且锚定在用户当前查看的位置。

9月9日周三