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......
Newcode Raises $13.5m, Relativity Invests
Newcode 是一家为律师事务所提供的“可配置人工智能工具”，已在 A 轮融资中筹集了 1350 万美元，Relativity 的投资部门 Rel Labs 也参与了本轮融资。请参阅...
Legal AI Works, Why Is the Return So Hard to Find?
作者：Alejandro Castellano，Caddi 首席执行官。两年前，摆在每个管理委员会面前的问题是人工智能是否有效。这个问题很大程度上是......
