下文关键词检索结果

开源人工智能真的是一条危险的道路吗?

Is Open-Source AI Really the Dangerous Path?

以下文章最初出现在 Tech Policy Press 网站上,经作者许可在此重新发布。在华盛顿,人工智能越来越被视为需要控制的东西。政府认为人工智能首先是国家安全资产,这意味着必须将其隔离以防止 [...]

下一代“Harvey II”推出以内存为核心

Next Gen ‘Harvey II’ Launches with Memory at Its Core

Harvey 正在推出下一代法律人工智能平台,其核心功能是记忆能力,以及偏好设置、上下文共享和学习......

什么是编排器——为什么软件需要编排器?

What’s an Orchestrator—and Why Does Software Need One?

以下文章最初发表在 Medium 上,经作者许可在此重新发布。每个人都在谈论开发商的死亡。我得到它。负责编写样板或支架 CRUD 应用程序的开发人员已经完成了,模型可以在几秒钟内完成此任务,并且该开发人员不会回来。但是 [...]

意向债务

The Intent Debt

以下文章最初出现在 Addy Osmani 的博客网站上,经作者许可在此重新发布。技术债务存在于您的代码中。认知债务存在于你的头脑中。意图债务存在于您可能从未编写过的工件中:目标、约束以及系统为何如此的基本原理 [...]

AI 编写代码时,规范需要退出策略

When AI Writes the Code, Specifications Need an Exit Strategy

以下文章已由主线程的 Markus Eisele 扩展和重写,并经作者许可在此处重新发布。经过六个月的规范驱动代理工作后打开存储库,您可能会发现代码旁边有第二个系统。要求、研究笔记、高层设计、低层设计、实施计划、[...]

及时偿还债务和“对抗体重”

Prompt Debt and “Fighting the Weights”

Drew Breunig 是当今人工智能领域最聪明的人之一。他是 cmpnd.ai 的首席执行官兼联合创始人,也是一位资深黑客,拥有多个时代的丰富经验,这在当今是一笔令人惊讶的宝贵资产。他还有一本书即将出版,《上下文工程手册》,已经在早期发布中 [...]

IEEE 认知和发展系统学报,第 18 卷,第 4 期,2026 年 8 月

IEEE Transactions on Cognitive and Developmental Systems, Volume 18, Issue 4, August 2026

1) 基于混合预测网络的有限感知多智能体侦察博弈作者:X. Shen,B. Hu,Z. -H。关, D. 张, T. Li 页数: 858 - 8722) 黎曼流形上的脑电网络连通性的低维矩阵判别分析用于情感识别作者: H. Fang, M. Wang, Z. 张, Y. Wang, Y. Yang 页数: 873 - 8873) 学习表达性任务嵌入和上下文转换的样本高效探索Reduction in Offline Meta-Reinforcement Environment作者:H. Wang, X. Tan, T. Yao, Z. Fang, P. Qi, X. QiuPages: 888

LendingTree 如何在 Amazon Bedrock 上构建多代理抵押贷款助理

How LendingTree built a multi-agent mortgage assistant on Amazon Bedrock

了解 LendingTree 如何在 Amazon Bedrock 上构建生产型多代理抵押贷款助理。三个协调代理使用 LangGraph、模型上下文协议和带有内置护栏的 Amazon Nova 模型来提供 24/7 个性化抵押贷款指导,同时满足严格的金融服务合规性。

交叉引用的循环工程:当 RAG 回答“参见第 7.2 节”而不是实际答案时

Loop Engineering for Cross-References: When RAG Answers ‘see Section 7.2’ Instead of the Actual Answer

企业文档智能 [Vol.1 #11] - 当第一个答案指向文档中的其他位置时,管道循环返回以获取链接的上下文交叉引用的后循环工程:当 RAG 答案“参见第 7.2 节”而不是实际答案首先出现在《走向数据科学》上。

欧元区 GDP(2026 年 4 月至 6 月)——尽管面临能源价格高企的阻力,仍保持稳定增长

ユーロ圏GDP(2026年4-6月期)-エネルギー高の逆風下でも堅調な成長を維持

7月31日,欧盟委员会统计局(Eurostat)发布欧元区GDP初步预估,结果如下。 [欧元区21国GDP(2026年4月至6月,经季节调整)] - 环比增长0.4%,超出市场预期(0.2%),较上季度(0.0%)加速(图1) - 同比增长1.0%,超出市场预期(0.7%),较上季度(0.5%)增加(图2) 1 彭博社整理的中位数数据。下面的预测也类似。欧元区2026年4-6月期间的增长率与上一季度相比为0.4%(年化为1.8%)。较1-3月大幅加速(环比增长0.0%,年化增长0.0%)。 1-3月增长缓慢主要是由于爱尔兰大幅下滑(1-3月环比下降7.0%),为应对特朗普关税而在最后一刻生产和

问题是即时债务

The Problem Is Prompt Debt

以下文章最初发表在 Drew Breunig 的博客上,经作者许可在此重新发表。借助自然语言界面,人工智能应用程序可以快速原型化。你用英语写下你想要的东西,把它交给前沿模型,一个下午就会出现一个工作原型。这是非常强大的[...]

中国空军的例行公事:歼轰十战斗机正在南海洗牌

Routine of the PLAAF: JL‑10s Now Doing the South China Sea Shuffle

现已证实,见下文报道,空军已开始派驻JL-10双座高级教练机在黄岩岛(俗称斯卡伯勒浅滩)周边巡逻。解放军空军长期以来一直有在解放军人员强化岛屿上“进站”的习惯,这次绝对是故意的。但实际上 JL-10 驻扎在那里说明了解放军空军的情况

GH-ESD:实例级视觉任务的基于假设驱动的误差切片发现

GH-ESD: Grounded Hypothesis-Driven Error Slice Discovery for Instance-Level Vision Tasks

视觉模型在语义相干子集上的系统性失败(称为错误切片)揭示了鲁棒性和评估的局限性。现有的切片发现方法主要将切片建模为表示空间中的簇或预定义属性的组合。虽然对于图像级分类有效,但这种公式对于对象检测和分割等实例级任务来说是不够的,在这些任务中,失败通常是由上下文关系和空间基础的视觉模式引起的。我们提出 GH-ESD(扎根假设驱动的误差切片发现),...

教导法学硕士更新信念,实现高效的长期互动

Teaching LLMs to Update Beliefs for Efficient Long-Horizon Interaction

ABBEL 与传统递归摘要相比的概述。信念取代了完整的交互历史作为代理的工作环境,信念分级通过监督每个信念状态的内容来提高性能。随着任务范围的增长,LLM 环境无法永远扩展。自总结可以实现简洁、可解释的上下文,但会带来显着的性能成本,特别是对于高质量数据稀缺的人工辅助领域,例如协作代码生成。我们用 ABBEL 来解决这个问题:一个框架,以自然语言信念状态的形式隔离和监督摘要的信息内容。动机:递归摘要的成本对于语言模型来说,要有效地协助日益复杂的任务,例如软件开发,它们必须能够与我们进行数百甚至数千个步骤的交互。对于如此长的任务,将整个交互的历史记录保存在上下文中是不切实际的。迄今为止使用的启发