Dr. Valerie Joseph named chair of Hallmarks Faculty Fellows
坎贝尔标志和品格教育办公室很高兴地宣布推出一项新举措，该计划的更多内容瓦莱丽·约瑟夫博士任命为标志学院研究员主席的帖子首先出现在博客上。
Can Large Language Models Understand Context?
理解上下文是理解人类语言的关键，人们越来越多地看到大型语言模型 (LLM) 在令人印象深刻的程度上展示了这种能力。然而，尽管法学硕士的评估涵盖了自然语言处理领域的各个领域，但对探讨其理解上下文特征的语言能力的关注有限。本文通过调整现有数据集以适应生成模型的评估，引入了上下文理解基准。该基准测试由四个不同的任务和九个数据集组成……
From developer desks to the whole organization: Running Claude Cowork in Amazon Bedrock
今天，我们很高兴在 Amazon Bedrock 中宣布 Claude Cowork。您现在可以直接通过 Amazon Bedrock 或使用 LLM 网关运行 Cowork 和 Claude Code Desktop。在这篇文章中，我们将介绍 Claude Cowork 如何与 Amazon Bedrock 集成，并展示知识工作者如何在实践中使用它的示例。
Another npm supply chain worm is tearing through dev environments
另外，有效负载引用了“TeamPCP/LiteLLM 方法”，而另一种 npm 供应链攻击正在通过受感染的软件包进行蠕虫攻击，在开发人员环境中移动时窃取秘密和敏感数据，并且它与上个月归因于 TeamPCP 的开源感染有很大的重叠。
Noida Airport CEO Rejected Over Nationality Rule, Launch Faces Fresh Delay
印度航空安全监管机构拒绝了诺伊达国际机场瑞士首席执行官 Christoph Schnellmann 的安全许可，理由是 2011 年的一项规定要求新建机场首席执行官必须是印度公民。这一决定使该机场在总理纳伦德拉·莫迪 (Narendra Modi) 就职典礼几周后面临商业启动的风险。 诺伊达机场 (Noida Airport) 后首席执行官因国籍规则被拒绝，启动面临新的延误
A Practical Guide to Memory for Autonomous LLM Agents
有效的架构、陷阱和模式这篇文章《自主 LLM 代理记忆实用指南》首先出现在《走向数据科学》上。
CNCF Warns Kubernetes Alone Is Not Enough to Secure LLM Workloads
来自云原生计算基金会的一篇新博客强调了组织在 Kubernetes 上部署大型语言模型 (LLM) 的关键差距：虽然 Kubernetes 擅长编排和隔离工作负载，但它本质上并不理解或控制人工智能系统的行为，从而创建了一个根本不同且更复杂的威胁模型。作者：克雷格·里西
MixAtlas: Uncertainty-aware Data Mixture Optimization for Multimodal LLM Midtraining
本文在 ICLR 2026 的导航和解决基础模型数据问题研讨会 (NADPFM) 上被接受。原则上的领域重新加权可以大幅提高样本效率和下游泛化能力；然而，多模式预训练的数据混合优化仍未得到充分探索。当前的多模式训练方法仅从数据格式或任务类型等单一角度调整混合物。我们介绍 MixAtlas，这是一个通过系统域分解和更小的代理模型进行计算高效的多模态混合优化的原则框架......
Your Chunks Failed Your RAG in Production
上游决策没有模型，一旦你弄错了，LLM 就可以修复你的块在生产中失败了你的 RAG 帖子首先出现在走向数据科学上。
NPR receives $113 million in charitable gifts
“我希望这一承诺能够提供 NPR 大胆创新和加强其全国网络所需的稳定性和火花，”康妮·鲍尔默 (Connie Ballmer) 说道，她捐赠了 1.13 亿美元中的 8000 万美元。
Note to Self: My Views This Afternoon on the Current State of MAMLM GPT LLM Pseudo-AGI
在付费专区后面，因为只有那些真正有兴趣密切关注我的 MAMLM 解释和评估之旅的人才会感兴趣。当前观点：思想哑剧：法学硕士...
Accelerating decode-heavy LLM inference with speculative decoding on AWS Trainium and vLLM
在本文中，您将了解推测性解码的工作原理以及它为何有助于降低 AWS Trainium2 上每个生成令牌的成本。
Prefill Is Compute-Bound. Decode Is Memory-Bound. Why Your GPU Shouldn’t Do Both.
内部分解的 LLM 推理 - 大多数 ML 团队尚未采用的 2-4 倍成本降低背后的架构转变。预填充是受计算限制的。解码受内存限制。为什么你的 GPU 不应该两者兼而有之。首先出现在《走向数据科学》上。
Complex & Intelligent Systems, Volume 12, Issue 4, April 2026
1) 6G Metaverse 网络的 AI 原生云边缘编排：LLM 引导的多代理 DRL 方法作者：Daniel Ayepah-Mensah、Amine Kidane Ghebreziabiher、Jamal Bentahar2) RAMAR：用于零样本讽刺检测的检索增强多代理推理作者：Congyin Hu、Shuang Cao、Fengjiao Jiang3) 改进的大型邻域解决动态取货和送货问题的搜索算法作者：Qingxia Shang，Yuanji Ming，Liang Feng4）Efficient person re-identification via Progressive F
В почте «Яндекса» появился ИИ-ассистент на базе «Алисы»
Alice AI LLM 在用户邮箱中搜索信息时不是按单词，而是按含义。
RAG Isn’t Enough — I Built the Missing Context Layer That Makes LLM Systems Work
大多数 RAG 教程侧重于检索或提示。当上下文增长时，真正的问题就开始了。本文展示了一个用纯 Python 构建的完整上下文工程系统，该系统控制内存、压缩、重新排名和代币预算 - 因此 LLM 在实际约束下保持稳定。 帖子 RAG 不够 - 我构建了使 LLM 系统工作的缺失上下文层首先出现在《走向数据科学》上。
How two mathematicians solved a cryptography mystery
Diffie-Hellman 密钥交换可保护从短信到政府机密的所有内容
