Two US tanker aircraft leave Bulgaria a month after deployment upset Iran
保加利亚国防部长表示，两架美国加油机已离开保加利亚贝兹梅尔空军基地，此前它们在巴尔干国家的部署激怒了伊朗。
Italy eyes US tech for souping up dumb missiles into drone interceptors
意大利空军正在考虑购买美国技术，将廉价的非制导导弹转变为精确武器。
Patria to join with Ukraine’s General Cherry to make drones in Finland
芬兰国防公司 Patria 正在与乌克兰无人机制造商 General Cherry 合作，共同开发无人机并在芬兰开始生产。
US cancels joint marine drills with South Korea over Iran war-related force constraints
由于兵力有限，美国取消了原定于下个月与韩国举行的联合两栖登陆演习。
UK’s Burnham to visit Ukraine with plan to support long-range missile production
英国首相安迪·伯纳姆将宣布英国支持帮助乌克兰改善其国内远程导弹生产。
AI Agents Don’t Need More Context — They Need Typed Context
人工智能代理不仅存在上下文问题，还存在上下文输入问题。当指令、内存、检索到的证据和工具输出被扁平化为一个字符串时，它们的语义边界就会消失。我构建了一个轻量级、零依赖的 Python 运行时，它可以使这些边界保持明确，跟踪出处，并在无效的上下文转换到达模型之前拒绝它们。本文介绍了实现、测试以及这种方法的作用和不保证的内容。《人工智能代理不需要更多上下文 — 他们需要类型化上下文》一文首先出现在《走向数据科学》上。
Speculative Decoding on CPUs: Nearly 4x Faster Token Generation with DFlash
推测性解码可以将未充分利用的 CPU 计算转化为更快的令牌生成，而无需更改模型的输出。在我们的 vLLM 测试中，DFlash 在并发数为 1 时在 Intel Xeon 6 上使用 Qwen3.5-9B 实现了 3.92 倍的自回归吞吐量。我们详细分析了加速的来源，解释了接受指标，并展示了决定推测是否有效的因素。CPU 上的推测解码：使用 DFlash 使令牌生成速度加快近 4 倍首先出现在《走向数据科学》上。
10 Positions for Enterprise RAG That Mainstream Tutorials Get Wrong
企业文档智能 [Vol.1 #M3] - 该系列争论的十个立场，以及争论它们的每篇文章的地图主流教程错误的企业 RAG 的 10 个立场首先出现在《走向数据科学》上。
Can an LLM Forget the Right Things?
大多数 LLM 推理运行时不知道存在物理截止日期。这个拒绝入场而不是错过 33 毫秒的机器人控制周期，通过意义而不是年龄驱逐 KV 缓存，并且完全用手写 CUDA 编写 - 没有 cuBLAS，没有 libtorch。 帖子 Can an LLM Forget the Right Things? 帖子 Can an LLM Forget the Right Things?首先出现在《走向数据科学》上。
How to encourage smarter AI use in the classroom
本文来自《麻省理工学院技术评论》的限量版时事通讯《Making AI Work》，探讨如何在各行业应用法学硕士。要在您的收件箱中接收它，请在此处注册。几年前，聊天机器人的发布令许多学校感到惊讶。突然间，学生们的手机里装了一个应用程序，它可以神奇地回答几乎任何问题……
Kids outlearn AI—and we still don’t know why
据我们所知，人们相互交谈至少已有 100,000 年的历史。一直以来，世界上只有一种东西可以完美流利地学习人类语言：人类的孩子。现在有两个。 ChatGPT 发布短短四年后，......
Data Intelligence: Building Your Competitive Advantage in the Era of AI
为了跟上现代商业的步伐，数据战略正在转向更加自主的实时系统，这些系统可以在做出决策时提供情报。在代理人工智能的推动下，现代数据团队不再只是简单地查看发生的事情。现在，他们正在自动化复杂的工作流程，分析正在发生的事情，预测接下来可能发生的事情，并建议 [...]
Build an End-to-End Data Science Project with Grok Build and Grok 4.6
使用 Grok Build 通过 EDA、scikit-learn、模型训练、FastAPI、API 测试和云部署创建生产就绪的数据科学工作流程。
How to Leverage Local Small Language Models for Your Projects
在您自己的硬件上运行紧凑、保护隐私的语言模型的实用指南，以实现更快、更便宜且更可控的人工智能应用程序。
TR Launches Thomson 1.0 – Its Own LLM
经过几个月的工作，TR 推出了 Thomson 1.0，它自己的法学硕士，根据自己的数据进行训练 - 它显示出...
TR CEO Steve Hasker on Thomson 1.0
正如Artificial Lawyer刚刚分享的那样，汤森路透推出了汤森路透1.0，这是自己的开放权重法学硕士，使用自己的数据进行训练。在这里，AL深入探讨...
Draftwise Launches ‘Legal Ontology’ to Capture The Judgment Layer
Draftwise 推出了“法律本体论”，它利用律师事务所文件中数据之间关系中嵌入的知识和律师判断。此举...
Lexis Rolls Out Legal Intelligence Engine Agentic Capabilities
LexisNexis 正在推出统一且无摩擦的代理产品，与其法律情报引擎工具配合使用。这汇集了大量的法律......
