跳到正文

全部动态

今日 8 条
10月6日周二
  1. AWS Machine Learning Blog47

    如何用 Amazon Bedrock AgentCore 评估多智能体系统的可解释性与有用性

    Amazon Bedrock AgentCore Evaluations 提供全托管的多智能体评估能力,支持内置与自定义评估器,覆盖有用性、任务成功率、指令遵循及可解释性等维度。该方案结合 Strands Agents SDK 与 AgentCore MCP Server,以零售供应链多智能体系统为例,验证约束满足、路线可行性、SQL 正确性与决策依据说明,并支持按需评估与在线持续监控两种模式。

  2. GitHub Blog · AI & ML62

    GitHub 发布开放 AI 代码审查基准 ReviewBench

    GitHub 发布开放 AI 代码审查离线基准 ReviewBench,研究预览版已上线,可用于比较代码审查智能体并接入自有系统。基准基于 103.9M 个 GitHub pull request 的分布构建,包含 187 个公开仓库中的 219 个 pull request、覆盖 19 种语言,并提供多来源 golden set、严重度和类别标注。

    推荐理由:原文说明了基准语料、标注流程和接入方式,适合用来理解代码审查智能体应如何做可复现评测。

10月5日周一
  1. OpenAI News74

    OpenAI 公布欧盟文本溯源方案,推出 textGrain 文本水印并开放检测器申请

    OpenAI 于 10 月 5 日公布响应欧盟 AI Act 的文本水印方案 textGrain:全球 API 客户即日起可为指定模型选择开启水印,API 默认关闭;未来几周将仅在欧盟为符合条件的 ChatGPT 和 Codex 文本输出添加不可见水印。

    推荐理由:原文同时给出欧盟落地范围、API 可选开启方式和检测器误检漏检数据,便于理解文本溯源在真实使用中的边界。

  2. Claude:Blog(网页)42

    Cresta 如何基于 Claude Agent SDK 将客户体验专长打造成 AI 智能体构建器

    Cresta 基于 Claude Agent SDK 打造自然语言智能体构建器 Conductor,帮助团队将复杂业务上下文转化为可投产的客户体验 AI 智能体。Conductor 可引导从蓝图、实现、评估到优化的流程,早期用例将初始部署时间缩短约一半。Cresta 已融资超 $270M,ARR 超 $100M,服务 United Airlines、CVS Health 与 Marriott。

  3. OpenAI News65

    OpenAI 为 ChatGPT Ads 推出视觉广告格式并扩展广告衡量能力

    OpenAI 宣布在 ChatGPT 推出新的视觉广告格式,并扩展 ChatGPT Ads 的衡量工具、合作伙伴生态和品牌适用性评估。新格式将从本月晚些时候开始在美国面向首批广告商测试,最初出现在 ChatGPT 的图像生成过程中,广告会明确标注并与正在生成的图像分离,且不会影响 ChatGPT 的回答。

    推荐理由:原文说明了新广告位的测试场景、衡量工具和品牌安全机制,可帮助读者理解 ChatGPT 商业化如何进入生成流程。

10月4日周日
  1. Hugging Face Blog78

    Microsoft ThinkingBox 登陆 Hugging Face,用数据库状态评测 AI 智能体

    Microsoft 与 Hugging Face 发布 ThinkingBox 智能体沙箱及 ThinkingBox-Bench,基准包含 507 个有状态业务工作流,每个任务运行 20 次,并通过隔离 MCP 工具会话检查最终后端状态与副作用。

    推荐理由:ThinkingBox 用后端最终状态和副作用判定智能体任务成败,并通过 20 次重复运行区分单次能力与稳定可靠性。

10月3日周六
  1. Databricks:Blog(RSS)42

    Genie One 如何重塑财务团队的工作方式

    Genie One 是一款基于业务上下文的数据智能 AI 同事,可帮助财务团队调查业绩驱动因素,并将重复性分析转化为可复用工作流。它支持预算差异分析、现金流预测、财务结账管理和支出分析等场景,理解 EBITDA、CapEx 等企业认可指标,并遵循既有权限控制。Coty 与 Unilever 已使用 Genie 自助分析受治理财务数据,Unilever 称原本需要数天的工作现在只需数分钟。

  2. Hugging Face Blog74

    Ai2 开源 AstaBrief 8B 科研报告生成模型

    Ai2 开源 AstaBrief 8B 及训练数据,该模型基于 Qwen3-8B,可根据研究问题和检索文献片段一次性生成带引用报告,并已在 Asta 的 Generate a report 中作为 Fast mode 上线。

    推荐理由:文章披露了从真实科研查询构建 SFT 与 DPO 数据、用引用密度过滤提升报告可靠性的完整训练路径。

  3. OpenAI News72

    OpenAI 发布 GPT-6 系列模型实用使用指南

    OpenAI 发布 GPT-6 系列模型使用指南,说明如何为不同任务选择 GPT-6 Astra、GPT-6.1 Sol 和 GPT-6 Luna,并配置推理强度与速度。

    推荐理由:官方按生产部署、提示词与长任务拆解 GPT-6 选型和成本控制方法,适合团队对照现有工作流落地。

  4. Databricks:Blog(RSS)47

    如何选择首个 Genie Agents 以实现最大影响

    Databricks 提出一套经实际部署验证的 Genie Agents 选型方法,用业务影响、需求重复性、数据与元数据就绪度、范围清晰度、治理与风险适配五项指标按 1–5 分评估候选工作流。总分 20–25 可立即构建,14–19 需先打磨,低于 14 暂不适合,且没有业务负责人或高管支持者应暂缓。

10月2日周五
  1. GitHub Blog · AI & ML42

    AI 正在改变开发者工作:需要强化的三项技能

    GitHub Blog 提出开发者在 AI 时代应强化三项技能:指挥 AI 智能体、不盲信 AI 的首个答案、利用 AI 解决更大的问题。开发者需负责定义问题、审查 AI 生成代码并做技术决策;可用第二个 AI 模型评审首个模型的输出,GitHub Copilot 的 Rubber Duck agent 即采用此方式。