UK’s Starmer and Trump discussed military options for Strait of Hormuz
法国总统埃马纽埃尔·马克龙也提出了欧洲人确保重要水道安全的可能性，但前提是战争结束后。
Why Every AI Coding Assistant Needs a Memory Layer
AI 编码助理需要一个持久的内存层来克服 LLM 的无状态性，并通过系统地跨会话提供上下文来提高代码质量。为什么每个 AI 编码助理需要一个内存层一文首先出现在 Towards Data Science 上。
Write Pandas Like a Pro With Method Chaining Pipelines
掌握方法链接、分配() 和管道()，以编写更清晰、可测试、可用于生产的 Pandas 代码这篇文章《使用方法链接管道像专业人士一样编写 Pandas》一文首先出现在《走向数据科学》上。
Introduction to Reinforcement Learning Agents with the Unity Game Engine
针对机器学习最棘手领域之一的分步交互式指南。使用 Unity 游戏引擎强化学习代理简介一文首先出现在 Towards Data Science 上。
Your ReAct Agent Is Wasting 90% of Its Retries — Here’s How to Stop It
大多数 ReAct 风格的代理都默默地将重试预算浪费在永远不会成功的错误上。在 200 个任务的基准测试中，90.8% 的重试都花在了幻觉的工具调用上——不是模型错误，而是架构缺陷。本文展示了为什么即时调整无法解决这个问题，以及完全消除浪费重试的三种结构变化。 文章《你的 ReAct Agent 正在浪费 90% 的重试 — 以下是如何阻止它》首先出现在 Towards Data Science 上。
A Survival Analysis Guide with Python: Using Time-To-Event Models to Forecast Customer Lifetime
通过 Kaplan-Meier 曲线和 Cox 比例风险回归对客户保留进行建模来理解生存分析。Python 生存分析指南：使用事件时间模型预测客户生命周期一文首先出现在 Towards Data Science 上。
How Visual-Language-Action (VLA) Models Work
人形机器人视觉-语言-动作 (VLA) 模型的数学基础等视觉-语言-动作 (VLA) 模型如何工作的帖子首先出现在走向数据科学上。
A Visual Explanation of Linear Regression
一篇包含 100 多个可视化内容的长篇文章，涵盖了从如何构建线性回归模型、衡量质量以及如何改进模型等一系列主题。《线性回归的视觉解释》一文首先出现在《走向数据科学》上。
The Future of AI for Sales Is Diverse and Distributed
真正的创造力和创新将来自人类与代理的协作。一个人，数百万个代理。《销售人工智能的未来是多样化和分布式的》一文首先出现在《走向数据科学》上。
How Does AI Learn to See in 3D and Understand Space?
深度估计、基础分割和几何融合如何融合为空间智能人工智能如何学会在 3D 中观察并理解空间？首先出现在《走向数据科学》上。
A Guide to Voice Cloning on Voxtral with a Missing Encoder
如果我们有 Voxtral 文本转语音模型的音频，我们可以重建音频代码吗？这篇文章《使用缺失编码器在 Voxtral 上进行语音克隆指南》首先出现在《走向数据科学》上。
Why MLOps Retraining Schedules Fail — Models Don’t Forget, They Get Shocked
我们将艾宾浩斯遗忘曲线拟合到 555,000 笔真实欺诈交易中，得到 R² = −0.31 — 比平坦线更糟糕。这一结果解释了为什么基于日历的再训练在生产中失败，并引入了一种在实际系统中有效的实用冲击检测方法。文章《为什么 MLOps 重新训练计划失败——模型不会忘记，他们会感到震惊》一文首先出现在《走向数据科学》上。
When Things Get Weird with Custom Calendars in Tabular Models
自 2025 年 9 月以来，我们在 Power BI 和 Fabric 表格模型中引入了基于日历的时间智能。虽然这个功能提供了巨大的可能性，但我们必须意识到它的陷阱。以下是其中的一些。当表格模型中的自定义日历变得奇怪时，这篇文章首先出现在走向数据科学上。
Agents don’t know what good looks like. And that’s exactly the problem.
Luca Mezzalira，《Building Micro-Frontends》一书的作者，最初在 LinkedIn 上分享了以下文章。经他许可，本文将在此处重新发布。每隔几年，就会有一些东西出现，有望改变我们构建软件的方式。每隔几年，该行业就会出现可预见的分裂：一半人宣布旧规则已失效；另一半人宣布旧规则已失效；另一半人宣布旧规则已经失效。另一半则交叉双臂并 [...]
“When Machines Start Thinking Too Much”: Why Experts Are Suddenly Worried About AI Going Rogue
人工智能周围的气氛已经发生了变化。这并不是那种通常预示着新黎明的戏剧性转折，而更像是一个安静的房间，每个人都突然环顾四周。这种情况发生在过去几天，一些知名人士开始提出一个以前被视为幻想的问题。他们问，如果人工智能没有达到他们的预期，它安全吗？这就是本报告的总体主题，即为什么有些人担心人工智能最终可能会“失控”。由于人工智能的各个部分是 [...]
Will Claude Managed Agents Impact Legal Tech?
Anthropic 推出了 Claude Managed Agents，它提供了“大规模构建和部署代理所需的一切”。简而言之，这意味着您可以构建...
