搜索“其他”

注，完成你交给它的任务，即使你暂时离开也会继续工作，并在代表你采取行动之前先与你确认。我们打造 Claude Duet，是为了帮助那些手头事务多到难以一一追踪的专业人士和小企业主。 它以独立应用的形式在 iOS 和 Android 上提供，也可在 claude.ai 上使用。在本次研究预览期间，Claude Duet 包含在 Pro 和 Max 套餐中，并与其他 Claude 功能共用相同的用量限制。如需获取访问权限，请加入等待名单（在新标签页中打开）。 把注意力放在最重要的事情上 我们将 Claude Duet 设计成一位你可以信赖的伙伴。各类专业人士每天都要应对大量决策，我们认为他们会发现 Claude Duet 格外有用。它能帮助你确定该把时间和精力优先投入到哪里，并为那些过去看似不可能或令人望而生畏的宏大项目留出空间。 Claude Duet 之所以如此有用，在于它的判断力。我们围绕 Claude Opus 5.5（在新标签页中打开）设计它，让它善于随机应变，能够判断哪些事情需要你处理、哪些可以等待，以及何时应先与你确认。 每天早晨，它会就你已连接的各应用中最重要的事项，向你发

匹配字段正文

合并前捕获回归。 每月 10 万个事件，免费 我们希望你能从第一天起就看到智能体在生产环境中的运行情况，因此每月免费提供 10 万个可观测性事件，保留 15 天（无需信用卡）。需要更多？额外用量为每 10 万个事件 10 美元。 Teams 计划为每月 250 美元，包含每月 100 万个事件、六个月保留期、多个团队、SSO 和 SOC 2 文档。额外用量为每 10 万个事件 8 美元。 注意：开始使用 Mastra Observability 或 比较各计划. 如果你是从其他平台迁移过来，请遵循我们的 追踪导入指南 或 联系我们 ，获取将追踪记录和数据集迁移到 Mastra 的帮助。分享到 X 或 LinkedInAlex Booker开发者体验负责人 Alex Booker 是 Mastra 的开发者体验负责人，他帮助开发者理解并使用 Mastra 构建智能体系统。他每周与团队成员举办研讨会，并在 Mastra YouTube 频道发布视频。在 Mastra 之外，他是一位自豪的伦敦人，也是一名热情的自行车爱好者，尽管他的腿力还跟不上他的热情！Alex Booker 的所有文章 →

匹配字段正文

分工：Vera Rubin系统负责计算AI模型，Vera CPU负责运行智能体及其工具。BlueField-4 DPU则借助安全软件Sentry承担独立监控和访问规则的执行。 Nvidia承诺，当智能体越过预设的安全边界时，Sentry能在毫秒内将其隔离并停止。由于这些控制运行在实际沙箱之外，智能体应无法更改或绕过它们。OpenShell软件是开源的，也支持其他供应商的智能体框架，包括Anthropic的Claude Code和OpenAI的Codex。 为AI打造的安全区 Nvidia由此在基础设施层面为AI模型的安全机制补充了控制手段。迄今为止，供应商主要试图通过对齐来防止不受欢迎的回答。为此，模型会在事后接受训练，以拒绝特定请求。对于可自由获取的模型，这些限制部分可以通过所谓的消融（Abliteration）再次移除，即有针对性地改变内部表征。 广告后继续阅读 OpenShell采取了不同的方法。运行时环境不限制模型的回答，而是控制智能体可以访问哪些文件、程序和网络服务。管理员可以通过它规定智能体究竟能访问哪些模型服务器和推理端点。因此，该系统可以阻止未经授权的访问，但无法控制A

匹配字段正文

的做法可能让人有些似曾相识，的确，科技公司确实热衷于使用集装箱，尽管有时这更像是一种公关噱头，而非对真实问题的解决方案。 例如，早在2006年，Sun Microsystems就推出了Project Blackbox，这是一个装在20英尺集装箱里的数据中心。十年后，时任AWS CEO的Andy Jassy在re:Invent 2016主题演讲的结尾，让一辆18轮卡车将Snowmobile——一个可运输100 PB数据的45英尺集装箱——开上了舞台。 此后，微软和AWS都为灾区和军事任务建造了集装箱式数据中心。 然而，所有这些都与Nvidia在这里所做的不同。DSX POD本质上是可插入数据中心的预制部件。Buck将其描述为新建AI工厂的构建模块。 Armada已经在销售集装箱式边缘数据中心，它是建造这些系统的17家合作伙伴之一，其他合作伙伴还包括Bull、Dell、HPE、Schneider Electric和Vertiv。 Nvidia表示，合作伙伴将从2027年初开始在全球交付DSX POD系统。 文章《Nvidia希望AI工厂在真正的工厂里建造》首发于The New Stack。

匹配字段正文

上。Databricks 正将 Kumo 异常检测模型与其 6 月推出的上下文层 Genie Ontology 搭配使用，而 Snowflake 客户可以在 Snowflake Notebooks 中运行 Kumo 模型。 “我不考虑 ACL、数据访问之类的事情。这就是为什么我需要合作伙伴，”El Hallak 说，他指的是访问控制列表及其企业合作伙伴提供的其他安全功能。 掌控整个技术栈 并非所有供应商都走这条路。SAP 于 7 月完成了对 TabPFN 表格模型背后的公司 Prior Labs 的收购，并承诺在四年内向其投入超过 10 亿欧元。它现在在 SAP AI Core 中提供 TabPFN-3.5 Plus，与其自有 RPT 模型并列。 与此同时，Nvidia 通过 Hugging Face 分发其模型，并已于 9 月同意以 129 亿美元收购后者。“我们只是构建一些小的权重和模型，然后把它们发布在 Hugging Face 上，”El Hallak 说。 这就形成了这样的分工：Nvidia 负责构建模型，而 Snowflake 和 Databricks 等公司则继续掌控数据

匹配字段正文

到策略违规，可在数毫秒内隔离智能体。 后续步骤 探索 OpenShell GitHub 仓库 ，开始实施安全的智能体治理。 查阅 安全智能体工作区参考设计文档 ，获取部署指导。 由 NVIDIA Nemotron 提供支持。AI 生成内容可能对信息的总结不完整。请核实重要信息。 了解更多 自主智能体 可以连续数小时处理复杂任务，访问文件、工具和互联网，并派生其他智能体协同工作。在长时间跨度内执行复杂任务会带来累积风险：智能体可能下载代码、构建新工具、申请额外权限，并触及更多底层基础设施。 智能体的行动路径是在其工作过程中、在推理完成目标所需步骤时确定的。当它们与周围的工具和系统交互时，会调整自身的推理和行为以完成任务。 智能体的适应性正是其强大之处，但它们以目标为导向，在追求目标的过程中可能不会优先考虑安全性。要让智能体既能自主又能安全地工作，我们需要构建能够对智能体行为提供控制和可见性的环境。 智能体无法自我治理。安全与治理应归属于智能体所运行的基础设施。 OpenShell 在智能体触及范围之外提供确定性治理 NVIDIA OpenShell 是一个开源运行时，可将智能体系统所需的

匹配字段正文

时显式插入的标记才会映射到真正的特殊token，用户输入里同样的文本会被当成普通文字编码。 另一个是长文本提速：特殊标记之间的普通文本可以独立编码，所以它先定位边界，再并行编码各段，最后按顺序拼回去，降低长上下文请求的分词延迟。 在真实的场景中，这三个产品是能串联在一起的。比如有家公司想要自己部署V4.1 Flash，那它就需要用DeepInfer。想要配合其他模型，那就挂上recipe来转格式。 执行层再拿着这个调用去请求Search和Fetch，把清洗好的结果塞回对话，模型继续往下输出答案。 为什么DeepSeek像可口可乐？ 这三样东西还有个共同点，那就是每一样都留了一扇门，让你无论出于什么样的场景，都可以用到DeepSeek的产品。 如果你算力够，想自己部署和DeepSeek官方同款的推理能力，那就用DeepInfer，加上已经公开的模型权重。 而且不管你是英伟达的GPU，还是国产GPU，DeepInfer全都兼容。 如果你已经有自己的推理后端，想跑DeepSeek的模型，又不想自己重写协议转换和提示词渲染，那就用deepseek-recipe。 如果你用的是别家的模型或Har

匹配字段正文

不用再跳转抖音。 用户向左滑动更多，会看到更多直播间，上下滑动即可切换不同直播间。但是，直播间数量有限，上述回答仅提供五个直播间。 就直播间而言，豆包直播间和抖音整体没有太大差别，点开带货总榜，也能看到和抖音一样的榜单，比如与辉同行位于带货榜首，点击即可跳转。 目前，豆包内的直播功能主要围绕交易展开。用户可以进入商品橱窗，却无法像在抖音一样查看账号主页、浏览其他短视频。 但这一动作也足够重要。 抖音的根基是内容电商，据36氪报道，2024年抖音的直播场景GMV占比为60%，豆包把直播间嵌进商品推荐，等于把抖音最核心的商业化场景接进了豆包里。 与直播间动作同步的，是豆包对双11的投入节奏。今年“双11问豆包”入口的上线时间，比618更早。 抖音双11活动从10月15日开始，双11开始第一天，豆包就把“买前问豆包”入口前置；三天后，这一入口又升级成“双11问豆包”，红色字体和其他黑色字体明显区分，使入口位置更加醒目。 相比之下，今年618，直到6月18日当天，“买前问豆包”才被换成“6.18问豆包”。 至少从这一入口调整来看，豆包这次对双11的投入明显更积极。 入口前置、平台补贴、直播间内

匹配字段正文

oogle 跟踪代码管理器（noscript） 结束 Google 跟踪代码管理器（noscript） 随着个人智能（Personal Intelligence）功能的推出，Google 的 Gemini 聊天机器人在 Android Auto 以及内置 Google 的汽车上的集成今天得到进一步提升。启用后，Gemini 中的个人智能会将聊天机器人与用户在其他 Google 服务（如 Gmail、Google 日历、Google 相册和 Google 搜索）中的数据连接起来，从而提供更个性化、更有用的回答。 在实际使用中，个人智能让 Gemini 能够在用户驾驶时轻松找到有关即将出行的有用信息。借助这些额外的上下文，Gemini 可以在用户航班延误时发出提醒；它还能根据以往的预订记录，为用户找到符合其口味的餐厅等等。 « 个人智能有两大核心优势：一是从邮件、照片或你在 Google 地图中保存的地点等来源中检索具体细节来回答你的问题，二是跨复杂来源进行推理。当你双手握着方向盘时，这一点尤其有用。个人智能承担了繁重的工作，让你可以自然地说话，而无需解释上下文或费力查找信息， » Gem

匹配字段正文

00道口语推理题的基准测试Big Bench Audio上，Max得分为98.8%，而Mini为75.9%。 ElevenLabs建议将Max用于频繁或复杂调用工具的智能体。 这一差距在工具使用方面更为明显。Max完成了87.1%的任务，而Mini仅完成了60.3%。ElevenLabs建议将Max用于频繁或复杂调用工具的智能体。构建用于处理预订、客户账户或其他多步骤工作流的智能体的开发者，会希望亲自测试这一差异。 该公司将Mini设为默认模型，称其能够处理大多数用例。Mini在Full-Duplex-Bench上的表现也略好，该测试考察停顿、打断和轮次切换，Mini得分为95.8%，而Max为94.1%。 两款模型在延迟方面差距要小得多。Max的首个音频平均延迟为570毫秒，而Mini为620毫秒。Artificial Analysis的6月语音到语音指数记录到Deepslate Opal的更快结果为440毫秒，不过该早期基准测试与Eleven Realtime并非直接可比。 从OpenAI的Realtime API迁移 ElevenLabs也在争取已经运行OpenAI Realti

匹配字段正文

两段视频从相同的初始帧开始，但遵循不同的动作序列，展示了器械控制如何导致同一场景的不同延续，并伴随物理上准确的组织变形。 此外，这些推演使我们能够检查器械是否遵循控制指令、组织是否对交互做出连贯响应，以及解剖结构和器械外观是否随时间保持一致。 4. 适配你自己的数据和控制器 Cosmos3-H-Dreams 包含用于胆囊切除术的四步和两步检查点。该系统可适配其他具有同步视频和兼容动作表示的数据集与具身形态。要在你自己的数据集上训练实时学生模型，我们在分步指南中提供了教师微调和 Self-Forcing 蒸馏的完整配方。其中描述了数据准备、公开的教师训练工具以及蒸馏各阶段。控制器集成必须使用与训练相同的动作约定和归一化方式。 5. 下一步是什么 视觉真实感的进步开辟了若干研究方向： 对完整手术过程建模。扩大覆盖范围和时间一致性，使胆囊切除术的所有阶段都能被系统地探索，并具有清晰的任务边界和成功标准。 连接生成式与数值模拟。将学习到的视觉真实感与显式几何、接触和组织力学相结合。数值模型和实测数据可以帮助约束和验证形变，使模拟行为既可检查又令人信服。 与外科医生共同评估。评估解剖准确性、器械

匹配字段正文

制来定义张量存储的设备特定实现（通过在 c10::UniqueVoidPtr 内使用 c10::StorageImpl). TorchTPU eager 执行的一个独特特性是，它可以通过多种模式将 Aten 算子调度到 TPU： 立即, 有效实现逐算子调度； 延迟 一直到自动确定的 物化点 （例如，一个 .to("cpu") 语句），并与截至该点被延迟的所有其他算子一起聚合/编译； 介于两者之间的任何情况。 虽然这种灵活性确实给设计带来了额外的复杂性，但我们从一开始就刻意加入它，因为我们希望尝试不同的策略，以在基本的逐算子调度模式之上提升 eager 性能。（此外，事实证明这种灵活性对于处理视图语义和 torch.compile 非常方便，正如本文档后面所讨论的。） 总之，TorchTPU 提供 3 种 eager 模式，可以通过环境变量或上下文管理器设置： Strict （默认）：我们一次调度一个 Aten 算子，它们在 TPU 上与 CPU 异步执行。这相当于在 GPU 上以 eager 模式运行 PyTorch 时所期望的行为。 Debug (export TORCH TPU L

匹配字段正文

在 Android Auto 上可用，在你驾驶时为你提供帮助。它可以查看你的电子邮件、照片和地图，来回答问题或查找路线，而无需你触碰手机。你可以自然地与它交谈来完成任务，例如查找你的航班登机口或一家你会喜欢的餐厅。你的隐私完全由你掌控，因此你可以精确选择 Gemini 可以访问哪些信息。 摘要由 Google AI 生成。生成式 AI 仍处于实验阶段。 探索其他样式： Gemini——你乐于助人的 AI 助手——现已在全球范围内的 Android Auto 和 内置 Google 的汽车上可用。借助 Gemini，你可以自然地说话，在驾驶时完成更多事情或构思创意。 当助手了解世界、也了解你时，它会更有帮助。这就是我们从今天起随 Gemini 推出 Personal Intelligence 的原因， 1 为你提供独一无二的定制化回答，让 Gemini 在行车途中更有价值。 经你许可，Personal Intelligence 会安全地连接你已在使用的 Google 应用中的信息——Workspace（包括 Gmail 和 Google Calendar）、Google Photos、G

匹配字段正文

到的情报提供给银行、电信运营商等客户机构，支持后续反诈行动。 二、创始人陪骗子聊了44分钟，萌生自动化反诈想法 Apate的创业灵感，来自一通真实的诈骗电话。 几年前，该公司创始人卡法尔与家人野餐时，接到一个陌生号码的来电，发现对方是骗子后，他当着孩子们的面故意装糊涂，将通话拖了44分钟。 这件事让家人笑作一团，也让卡法尔意识到：这44分钟里，骗子没有时间给其他潜在受害者打电话，但自己的时间也被占用了。他由此想到，能否把这个过程自动化，同时从中获取有用信息。 此后，卡法尔与麦考瑞大学的同事利用机器学习和自然语言处理，分析诈骗通话内容，探索更好的诈骗识别与预防方法。 Apate联合创始人兼首席商务官布拉德·乔菲（Brad Joffe）认为：“行业中许多防范措施仍然偏向事后处置。电信运营商封禁号码，骗子可以换号；银行监测交易时，诈骗分子往往已经联系到客户。Apate希望通过直接与诈骗分子交谈，在真实受害者遭受损失前获取信息。” 让骗子白忙一场并非新鲜事。过去，一些人把故意戏耍骗子、拖延他们的时间当成一种爱好，有时还会让骗子朗读整本书，甚至让他们去纹上荒唐的纹身。如今，随着AI能力不断增强，

匹配字段正文

他与 Sam Asante 以一家名为 Noats 的公司名义开发了这款应用。它于周二在 Product Hunt 上线，瞄准的是放在壁橱里、运行 AI 智能体的无头 Mac Mini。 这个卖点很棒：用户不必打开屏幕共享、操控整个远程桌面，而是从另一台机器上挑选单个窗口——比如某个终端会话，或智能体正在其中工作的浏览器窗口——它就会与用户面前 Mac 上的其他所有内容并排打开。它会获得自己的 Dock 图标，并可通过 Command+Tab 切换器调出。调整窗口大小会同步调整另一台 Mac 上的窗口大小。键盘快捷键可用，文件可以拖拽过去，应用音频可以在本地播放。应用本身始终不离开原机器。当一个窗口不够用时，Beam 可以拉取整个显示器或整台 Mac。 Shah 在 Product Hunt 发布帖中围绕自己的配置来阐述这一点，描述了运行智能体和本地模型的 Mac“即使没人在跟前，工作也仍在继续”。要访问这些机器中的某一台，通常意味着使用屏幕共享并操作第二个桌面。Beam 旨在把这一过程缩减到那个真正重要的窗口。 Beam 顺应了由 Mac 驱动 AI 系统这一蓬勃发展的生态，因此该应

匹配字段正文

NPU 上！！，”这位评论者写道。 另一位用户似乎是在调侃 Anthropic 的 Claude Opus 5.5，此前有报道称，涉及为华为 AI 芯片进行内核编程的请求可能会触发防护机制，将某些高级 AI 开发任务重定向到较旧的模型。 “别让 Opus 5.5 看到这个！它会删掉昇腾支持的，”这位用户开玩笑说。 值得注意的是，Nvidia 和华为实现版本的功能支持有所不同。DeepInfer 的批次不变推理和确定性采样功能有助于确保在指定条件下输出可复现，但这些功能仅在 Nvidia 硬件上可用。DeepSeek 公布的性能测量数据也使用 Nvidia GPU，其中 4 块 SM100 GPU 用于预填充，64 块用于解码，这就留下了该框架在华为芯片上相比表现如何的疑问。 对于无法获得这两个芯片系列的开发者来说，直接价值可能在于研究新公开的代码，并将其优化适配到其他推理引擎。目前，DeepSeek 已经向更广泛的开源社区提供了相当多的推理技术供其试验。 文章《DeepSeek 开源其 API 背后的推理引擎。华为与 Nvidia 获得同等关注。》首发于 The New Stack。

匹配字段正文

a 和 Google Workspace。 上传你的品牌风格，为你的营销创建风格一致的专业视觉素材。 让 Gemini 在几秒钟内把杂乱的电子表格转化为清晰的财务洞察。 摘要由 Google AI 生成。生成式 AI 仍处于实验阶段。 Gemini 正在推出新工具，帮助小企业主节省时间、完成更多工作。它现在可以处理创建品牌视觉素材、整理杂乱的财务数据以及连接其他应用等任务。这些更新让创业者能够专注于自己的热情，而不是枯燥的文书工作。世界各地的企业主已经在使用它来发展公司、解决棘手问题。 摘要由 Google AI 生成。生成式 AI 仍处于实验阶段。 探索其他样式： 如今，数千万小企业主正在使用 Gemini 头脑风暴未来产品、管理客户反馈并分析业务表现。今天，我们宣布推出新工具，旨在把这些创业者的时间还给他们，让他们能够专注于最初让他们踏上这条路的东西：他们的热情。 面向小企业主的中央枢纽，尽在 Gemini 我们推出一个新的企业落地页，旨在帮助小企业主简化日常任务。从这个中央枢纽，他们可以打造品牌、分析财务、了解客户洞察等等。 我们还让 Gemini 可以轻松连接 Google B

匹配字段正文

我们发布 DeepInfer、deepseek-recipe 以及其他用于部署 DeepSeek 模型的关键组件，希望世界各地更多公司和机构能够部署 DeepSeek 模型并从中获益。

匹配字段正文

大模型规模，却在多项测试中取得了明显提升。 最受关注的是Terminal-Bench 4.0。 这项测试主要考验AI能否在终端环境中使用工具、编写和修改代码，最终完成一项复杂任务。新版得分从初版的31.2分升至42.3分，提升了11.1分，超过了GPT-5.6 Sol的39.9分和GLM-5.3的37.9分，但仍低于Claude Opus 5的51.8分。 其他测试也有提升。DeepSWE v1.1从74.2分升至77.0分，ProgramBench从20.3分升至29.1分，Automation-Bench则从54.8分升至60.5分。11项官方列出的测试中，新版成绩全部高于初版。 以编程任务为例，这意味着AI不只需要生成一段代码，还要能运行程序、发现报错、修改代码、再次测试。任务越复杂，需要的操作步骤就越多，模型能否稳定完成整个流程就越重要。 而在跑分之外，这次更新中另一个更直观的亮点，是官方所说的“许愿式编程”。 10月17日，DeepSeek在公告中展示了几个新版本从零开发完整项目的案例，包括故宫3D建模、网页版赛车游戏，以及使用Godot引擎复刻《传送门2》等。 官方称，这些

匹配字段正文

TL;DR FP8 登陆 Mac：以 BF16 一半的空间存储 float8 e4m3fn 值，并使用缩放矩阵乘法以及 CUDA/CPU 上支持的所有其他运算！ MoE 模型解码速度比 2.14 快 5–6.5 倍：得益于原生分组矩阵乘法及专用解码路径、更少的 GPU-CPU 同步和更快的 top-k 路由，Qwen3.6-35B-A3B 在 M3 Ultra 上从 9.4 tokens/s 提升到 61.3 tokens/s。 每个 LLM 的每 token 耗时更少：单行线性层使用专用矩阵-向量内核，词表上的 softmax 约快 8 倍。 GPU 上更多线性代数运算：复数 LU 与三角求解、更快的小矩阵求逆，以及更快的 QR 分解。 音频、视频和训练也得到关注：卷积、填充、dropout、插值反向和归约的更快路径。Wan2.2 的视频 VAE 解码现在峰值内存为 8 GiB，而非 270 GiB。 从 Python 获得更多控制：公开的 MPS 流和更可靠的事件计时。 更新后的要求：MPS 现在要求 macOS 15 或更高版本；PyTorch 2.15 要求 Python 3.

匹配字段正文