The 3× Token Bill We Didn’t See Coming
看似无害的多代理架构迁移如何悄然使我们的 LLM 成本增加两倍，以及实际解决方案。我们没有看到的 3× 代币法案即将到来的帖子首先出现在《走向数据科学》上。
CHASING HAPPINESS A GLOBAL PERSPECTIVE | Nick Koumalatsos #ChasingHappiness
订阅：http://bit.ly/NickKoumalatsossub #shorts #HappinessVsFulfillment #HappinessPerspective #MeaningOfHappiness Supply从全球视角追逐幸福的帖子 |尼克·库马拉索斯#ChasingHappiness 首先出现在特种部队新闻上。
What to expect for results day and Clearing 2026: early clues and insights in UCAS data
加入 HEPI，参加 2026 年招生轮次之前于 2026 年 8 月 11 日 11:00-12:00 举办的“对话”网络研讨会，由 UCAS 首席执行官 Jo Saxton CBE 博士主讲。在与 Nick Hillman OBE 的讨论中，随后进行现场问答，会议将探讨影响今年招生周期的关键问题及其对 [...]结果日和 Clearing 2026 的期望：UCAS 数据中的早期线索和见解首先出现在 HEPI 上的帖子。
WEEKEND READING: Transforming universities towards equity: a response to the Blackman HEPI Report
加入 HEPI，参加 2026 年招生轮次之前于 2026 年 8 月 11 日 11:00-12:00 举办的“对话”网络研讨会，由 UCAS 首席执行官 Jo Saxton CBE 博士主讲。在与 Nick Hillman OBE 的讨论中，随后进行现场问答，会议将探讨影响今年招生周期的关键问题以及它们对[…]周末阅读后的意义：将大学转向公平：对 Blackman HEPI 报告的回应首先出现在 HEPI 上。
Webinar: HEPI ‘In Conversation’ with UCAS
注册参加 HEPI 与 UCAS 的“对话”网络研讨会 您受邀参加 HEPI 与 UCAS 于 2026 年 8 月 11 日星期二在 2026 年招生轮次之前举办的网络研讨会。来自 UCAS 的 Jo Saxton CBE 博士和 Maggie Smart 将与 Nick Hillman OBE 进行简短讨论，随后进行问答 […]后网络研讨会：HEPI 与 UCAS 的“对话”首先出现在 HEPI 上。
How Much Does a Local LLM Actually Cost to Run? I Measured Every Watt on Apple Silicon
五种型号，持续发电，真正的壁式插座能源为 0.31 美元/千瓦时 - RTX-3090 数字预测的惊喜，只会更大。帖子本地 LLM 实际运行成本是多少？ 《我测量了 Apple Silicon 上的每一瓦特》首先出现在《迈向数据科学》上。
Marmite and Dove owner Unilever warns of price rises due to growing costs
消费品集团报告强劲的销售增长，部分原因是世界杯营销活动商业直播 - 最新动态联合利华警告称，由于 Marmite、Dove 和 Hellmann 的所有者试图收回自身不断增长的成本，因此将在未来几个月进一步提价。这家英荷公司表示，虽然第二季度价格上涨的步伐放缓，部分原因是世界杯相关的折扣和保持巴西竞争力的努力，但这些都是“暂时因素”，不能长期保护消费者。继续阅读...
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
Building trade assistant: How Jefferies optimized front office trading operations with AI
在这篇文章中，我们探讨了 Jefferies 如何通过基于 Strands Agents 构建的解决方案克服这些挑战，Strands Agents 是一个代理工具 SDK，用于构建 AI 代理，可以通过编排对基础模型 (FM) 和外部工具的调用来进行推理、规划和行动。该解决方案使用大型语言模型 (LLM)、Amazon Bedrock 和 Amazon Bedrock 知识库。它还使用模型上下文协议（MCP），这是一种开放标准，可帮助人工智能代理通过统一的接口安全地连接到不同的数据源和工具。我们介绍了解决方案概述、选择底层技术堆栈的基本原理、经验教训以及杰富瑞创建的解决方案对业务的影响。
Why Adding More AI Agents Made Our System Slower
异步系统的隐性成本，在扩展数百个 LLM 代理时，微小的 CPU 任务如何悄然成为我们最大的瓶颈。为什么添加更多 AI 代理使我们的系统变慢的帖子首先出现在《走向数据科学》上。
You Probably Won’t Read This Article…and That’s OK
“救命！有太多[LLM bug 报告、关于 LLM bug 报告的博客文章、书籍、论文、抄本、卷轴、纸莎草纸、楔形文字板]！我如何选择阅读哪些？” ——很多人，想必就到此为止吧！如果您正在阅读本文，请问问自己您是如何到达这里的。 Substack的算法给你推荐了这篇文章吗？做了一个多汁的[…]
LEAD: Breaking the No-Recovery Bottleneck in Long-Horizon Reasoning
即使提供了高级策略，大型语言模型 (LLM) 中的长期执行仍然不稳定。通过评估受控算法难题，我们证明虽然分解对于稳定性至关重要，但极端分解会造成“不可恢复瓶颈”。我们表明，由于高度不均匀的错误分布，这个瓶颈变得至关重要，其中一些“硬”步骤上的一致错误变得不可逆转。为了解决这个问题，我们提出了前瞻增强原子分解（LEAD）。通过结合短期未来验证和聚合……
Language Model Hallucination Evaluation with GraphEval
将 GraphEval 的关键原理和方法阶段转化为模拟的实际场景，以更好地理解其在理解和对抗 LLM 幻觉方面的用处和关键含义。
Environment-free Synthetic Data Generation for API-Calling Agents
训练调用 API 的大型语言模型 (LLM) 代理需要大量高质量的轨迹。然而，大规模收集此类数据通常需要具有可执行 API 和现实的、预先填充的后端数据库的完全实施的环境，从而造成可扩展性的主要瓶颈。为了克服这个问题，我们提出了一种无环境的合成数据生成方法，利用法学硕士作为动态数字世界模型。仅给定 API 规范，我们的方法就会生成模仿代理和有状态环境之间交互的轨迹。具体来说......
LVSum: A Benchmark for Timestamp-Aware Long Video Summarization
长视频摘要对多模态大语言模型 (MLLM) 提出了重大挑战，特别是在长时间保持时间保真度以及生成语义和时间上均基于的摘要方面。我们引入了 LVSum，这是一个人工注释的基准，用于评估具有细粒度时间对齐的长格式视频摘要。 LVSum 包含 72 个不同的视频，跨越 13 个领域，平均持续时间为 16 分钟，每个视频都注释有最多 10 个包含时间参考的人工生成的摘要。 We conduct a comprehensive evaluation…
Biochar X: Helping Earthworms Navigate Organic Copper Sulfate Contamination
Biochar X：帮助蚯蚓应对有机硫酸铜污染比尔·克林顿总统下令美国农业部为使用旧农药和基因工程的产品制定政府“有机”营销指定后，该行业开始腾飞，目前已成为价值 150 美元的大型食品部门。Hank CampbellMon，07/20/2026 - 09:01CategoriesEnvironment
