搜索“其他”

触达真正感兴趣的各方，而房地产经纪人必须同时管理买卖双方。团队着手构建和编排相互连接的 AI 智能体和子智能体，使其能够支持自然对话，同时为他们提供理解智能体行为、评估性能并持续改善每一次交互体验的工具。 构建第一个智能体 Immobiliare.it 首先从为每条房源提供支持的对话式 AI 智能体入手。自然的语音质量至关重要，尤其是在意大利语及其南欧市场的其他语言中，听起来像母语者的声音往往决定了来电者是继续通话还是挂断。团队还需要塑造智能体行为、快速进行实验，并了解真实对话中实际发生了什么。 ElevenAgents 满足了所有需求。它提供了丰富的自然、母语般的声音目录，覆盖其核心市场的真实本地口音，同时提供智能体开发、对话分析和工作流编排工具。 “构建一个智能体很简单，但持续优化要复杂得多。ElevenLabs 为你提供了这两个阶段所需的所有工具，”Immobiliare.it 首席产品官 Paolo Sabatinelli 表示。“我们更愿意投资于在最佳平台上构建智能体的文化和专业知识。而借助 ElevenAgents，你不需要是经验丰富的开发者。” 每一通电话都有人接听，每一

匹配字段正文

：宝马需要更好用的生产工具，Figure要把改进做进自己的产品，服务更多客户。 车企自身近年的智能化投入，又使它们有机会进一步参与开发。小鹏在IRON中采用自研图灵芯片，同时为机器人新建专用产线。芯片、计算设施和研发工具可以服务不同产品，机器人仍要建立自己的动作控制与任务能力。对企业而言，这种投入的意义不只是少建一套系统：原来用于汽车的技术资源，开始有了验证其他产品方向的机会。 车能识别道路，机器人还要学会抓取、接触和操作物体，产品面对的约束并不相同。但一家企业如果相信智能技术能够不断扩大可完成的物理任务，就有理由在汽车之外保留一个研发方向。等到机器人市场完全成熟再进入，意味着把早期的产品定义、使用反馈和合作关系都留给先行者。提前投入所购买的，既有技术进展，也有选择下一门生意的时间。 投入怎样回到生意里 一家企业同时推进多种机器人用途时，就得分配有限的研发人力和预算。门店希望机器人外形亲切、交流顺畅，工厂更关心负载、动作可靠性和连续运行。为接待优化的产品，未必适合进入生产线；针对工厂开发的能力，也未必能吸引消费者。管理层需要先确定优先服务谁、由哪个部门承担开发和试用成本，才能按相应的要

匹配字段正文

科技行业人士。 Warp Sciences近期成立于美国旧金山，该公司计划利用AI、机器人和自动化实验室，帮助药企完成药物研发中的分子变体筛选。 据彭博社报道，Warp Sciences不自行开发药物，而是服务于药物研发的后续实验：研究人员筛选出有潜力的分子后，还要制作数百甚至数千个略有不同的版本，逐一测试它们的药效和副作用。制药公司过去长期把这一环节外包给其他公司，Warp希望用AI和机器人提升实验效率。 一、前OpenAI高管创办，瞄准AI驱动的药物研发 Warp Sciences的联合创始人兼CEO韦尔曾于2024年加入OpenAI担任首席产品官，后转任OpenAI for Science副总裁，负责推动AI在科学研究中的应用。今年4月，韦尔从OpenAI离职。 Warp Sciences的其他联合创始人包括曾任Meta超级智能实验室副总裁的马诺哈尔·帕卢里（Manohar Paluri）、曾任白宫首任首席数据科学家的D.J.帕蒂尔（D.J. Patil），以及前Terremoto Biosciences高管所罗门·赖斯伯格（Solomon Reisberg）。 ▲Warp Sc

匹配字段正文

。它与隐私浏览的区别是根本性的：浏览器可以放弃本地历史数据，而伴随的智能体仍会将内容存入持久存储中。 提示词和工具调用的日志也应纳入数据保护审查。此类记录有助于排查故障，但可能包含机密信息。策略团队希望厘清可以采集哪些数据以及谁有权查看。 开放标准而非封闭的智能体世界 除了直接的用户风险之外，W3C 文件还警告可能出现更强的集中化。优先服务合作方网站、依赖单一模型以及厂商专属工具注册表的智能体，可能削弱可互操作的 Web。因此，拟议的价值准则既反对智能体锁定，也反对取代由人类操作的 Web 的纯 AI 访问路径。 内容提供方也应能够控制其作品的使用方式。策略团队认为，目前尚不存在与以往同搜索引擎交换（抓取内容、换取访客导流）相对应的系统性机制。它希望研究现有关于机器可读的使用保留声明和权利描述的工作如何能够兼顾不同利益。 接下来的步骤主要是将这些要求转化为具体的工作任务。策略团队建议，除其他事项外，为智能体 Web 工作组（Agentic Web Working Group）设立明确的安全、数据保护、身份和委托权限任务。这些要求是否以及如何形成规范，将由 W3C 各小组讨论。 (fo)

匹配字段正文

日在一篇博客文章中首次公布。该公司还在 X 上发布了这一消息，并附上一长串合作伙伴名单：Muse（Meta）、Grok Bot（SpaceXSI）、Claude Duet（Anthropic）、ChatGPT Work 和 dots（OpenAI），以及 Perplexity。初期只有 Muse 和 Grok Bot 可以使用，预计将在未来几天内逐步部署。其他集成则宣布将在稍后推出，但未给出具体日期。 1Password 解释道：“许多客户告诉我们，他们希望使用这些新的个人 AI 助手来提高工作效率，同时也希望对助手能够访问的数据拥有更好的控制，并享有同等水平的信任和同样便捷的使用体验。” 让你的数字生活更安心 Bitdefender Premium Security 是一款欧洲网络安全解决方案，可自动保护你免受黑客和各类网络威胁的侵害。让你安心享受在线活动 赞助内容 网络安全产品正在促销 延伸阅读 1Password：最受欢迎的密码管理器究竟值不值得用？ 密码被填入，随即又被撤回 显然，关键在于稍微打开存放密码的数字保险箱，让 AI 智能体只能取用自己所需的内容，而不会危及所有其他

匹配字段正文

oglebook 上。 这与被更大力宣传的 Magic Pointer 功能造成了略显尴尬的重叠，但在合适的场景下，这是一个有趣的补充和选项。 使用这个功能，你必须先在系统设置中找到并激活该选项——它藏在“System”部分里——然后你可以同时按 Google 键和 A 键来召唤 Circle to Search，并高亮屏幕上的任何内容（无论是文本、图像还是其他什么）以了解更多信息。 Android 的 Circle to Search 系统就在那里，等待在 Googlebook 上被发现。 JR Raphael, Foundry 在概念上，它与 Magic Pointer 的预期功能非常相似。但 Circle to Search 是一个成熟得多的系统，拥有自己完整的内置操作和快捷方式生态系统，所以看到它也出现在 Googlebook 环境中很巧妙（尽管略显混乱！）。 Googlebook 亮点 3：自定义角落快捷方式 对于我们当中的快捷方式爱好者来说，一个特别有趣的补充是能够创建自己的自定义快捷方式，以便在将鼠标移到 Googlebook 屏幕角落时触发不同的操作。 自定义角落快捷方

匹配字段正文

I的东西构建了十年，所以我不在乎这个问题会如何被接受。我还是问了。 我认为这正是每个人都应该问的问题。一项真正改变生活的技术的好处多快流经经济，才是它被采用速度的实际衡量标准。Collective[i]网络所看到的情况表明，答案比几乎任何人预期的都要快。在网络内的企业中，我们看到公司选错了人、采用了错误的方法，却仍然看到修复在数周而非数年内落地。我曾在博客的其他地方写过《无人做出的取舍》，谈到数百万人现在通过大型语言模型获得了医生、律师或导师的帮助，而他们以前从未有过这些。这对世界很大一部分人口来说是改变生活的转变，而它发生在二十四个月内。 那个被嘲笑的问题也不是新问题。 1987年7月，经济学家Robert Solow写下了宏观经济学史上被引用最多的句子之一。“你到处都能看到计算机时代，唯独在生产率的统计数据中看不到。”又过了十年的计算机投资，美国生产率增长才真正摆脱长期停滞。数据并没有显示出每个人都知道正在发生的事情。 我们现在正生活在同一个悖论之中。AI出现在每一场财报电话会上。它出现在每一份董事会材料里。它出现在每一则招聘广告、每一份产品路线图、每一次咨询提案中。仅2025年一

匹配字段正文

颇具讽刺意味的是，AI巨头Anthropic正在寻找一位人类撰稿人，年薪最高可达34.5万美元。Claude AI模型的开发商Anthropic正在招聘一名“高管传播撰稿人”，这一职位凸显出，即便AI工具在写作及其他专业任务中占据越来越大的份额，人类判断力依然具有持续的价值。据报道，该公司正在为首次公开募股（IPO）做准备，估值可能达到约2万亿美元。在一个人们越来越依赖AI起草从生日祝福到解雇信等各种文本的世界里，某些类型的写作仍然需要的不仅仅是把文字写在纸上。 1 查看图库 Anthropic Claude。（图片来源：Stockinq / Shutterstock）该职位要求至少八年工作经验，并具备快速理解复杂技术术语的能力。最高34.5万美元的年薪对于写作类岗位而言相当可观，该职位还可能附带股权补偿。此次招聘之际，Anthropic自身的技术正在推动劳动力市场的变化。Claude Code等工具正在改变软件开发方式，给一些传统编程任务带来压力，尤其是在初级层面。与此同时，聊天机器人已经能够处理许多常规的写作和翻译任务。Anthropic首席财务官Krishna Rao在5月表示，

匹配字段正文

：超越Data Mesh 第三幕。表演式的相互指摘开始了，用项目行话来说就是“踢皮球”。状态报告里每周都出现“测试数据待澄清”这一行，而澄清本身却毫无进展。责任真空随着每一次并未发生的升级而愈发固化。 以上就是我们heise-Plus文章《测试启动前的数据治理闹剧及其化解之道》的试读部分。订阅heise-Plus即可阅读全文。 在一款应用中管理来自iCloud、Google、Outlook及其他服务的日程：我们在iPad上演示如何兼顾私人事务与工作职责。 借助Claude和Xcode，无需自己编写代码即可开发Mac应用。我们逐步演示如何将一个想法变成可运行的应用。 Melty承诺能将任意游戏组合在一起——多亏了AI。我们试用了它，看看结果如何，以及潜在的危险在哪里。 这部刚修复的科幻经典为传送技术提供了范本，展示了通讯器、相位枪，以及一位作为柯克舰长原型的莱斯利·尼尔森。 DNS服务器Technitium以功能丰富著称，但配置起来并不简单。我们演示安装与配置过程。 自LLM出现以来，提示注入便随之而来。软件工程师Viviana Sutedjo在采访中讲述了Google如何应对这一问题。

匹配字段正文

在软件开发生命周期中，下游的人工审查从来都不是有效的控制手段，无论对质量还是安全而言都是如此。当团队试图借助智能体工程构建自主软件工厂时，这种反模式就变得无法忽视了。 最好的代码审查，是你和其他人坐在同一个房间里，就架构、最佳实践等获得反馈，并把它当作一次学习经历。一旦把这些都规范化，你就只希望工具能捕捉与质量、安全、标准、代码异味、架构等相关的问题。机器最擅长确定性检查，而事实是，这些工具覆盖了运行良好的代码审查中发现的大多数重大问题。例如，对代码异味、密钥扫描、编码标准、架构规则和验收测试运行自动化检查。 把人们聚到一个房间里，共同决定团队希望如何定义系统架构、希望如何转化和捕获客户验收标准，这非常有帮助。但之后你可以使用变异测试之类的工具来验证行为，并启动一个新的子智能体，对照验收标准验证已实现的内容。人的判断应当用在讨论标准、架构、如何定义验收标准，以及需要应用哪些质量、安全和其他检查的房间里。然后把工具和策略规范化为代码，并作为强化后的部署流水线的一部分来运行。 智能体把薄弱的关卡变成了瓶颈 如果人工审查一直都是坏的，为什么现在它变得重要得多？随着构建者采用智能体工程并考虑构

匹配字段正文

skill）。 · 规模化例子：2026 年 8 月某用例，首支团队部署约 2 个月；第二支团队约 1 天。后续团队继续变快。 出现智能缺口就闭环 · 有时产品升级就能简化定制；有时模型本身还做不到。若只做今天模型已会的事，就挖不出 Research 该攻的下一题。 · 电信客服语音案例：语音约占客服量 90%。立项时模型在关键评测上约 60%。FDE 与客户共建平台并定义需求，Research 用连续模型快照对照客户要求补能力。约六个月后关键评测从约 60% 到 80%、再到 90%+，达到可上线水平。成果反哺该客户部署、其他客服定制，以及 Presence 托管部署。 其他产品化例子 · Presence（企业语音与聊天 agent）从真实部署长出来：从 Swarm 到 Agents API；一文称某客户超一半通话已由 AI 处理。 · Thrive Holdings / Crete 税务 AI：试点处理约 7000 份报税，吞吐约提升 50%。租赁房产报税自动化约花六周工程与实务复核，才达到约 90% 的 precision / recall；模式再复用到簿记、审计、IT 支持。

匹配字段正文

每个 query 给全部「每 4 token 一池」打分，稀疏注意力的二次成本被挪到了 indexer。 四块优化 1. DSA 真稀疏 · 问题：Megatron 融合稀疏核只认 DeepSeek-V3.2 的张量形状；Flash 版 DSA 无位置编码（NoPE）、维度更窄，且选 2051 而非 2048 个 key。内核静默拒掉后回退到全量稠密注意力。其他优化都开着时，16k 就要约 114 GiB/GPU，32k 直接 OOM。 · 做法：把张量 pad 到核期望形状；选用 TileLang（相对 cuDNN/FlashMLA 在 128k 约省 3 倍显存）。16k 降到约 56 GiB。 · Indexer 按 query 分块打分：32k 时全量打分峰值约 64 GiB，分块后约 2.3 GiB。 · Indexer 按 TP 分片：原先 8 卡各自重复整段 O(S²) 打分；改为每卡只算自己那份 query，再交换较小的选中 pool 索引（int32）。256k / 64×B200 上，整步从约 218 s 到约 102 s（约 2.1×），是 DSA 相关里最大的加

匹配字段正文

Meta 的新论文发现，AI 智能体可以从自己过去尝试任务的过程中学习，即使是那些没有人标记对错的尝试——只要在知道最终结果后回看每一步即可。 大多数智能体的运行过程既没有正确答案，也没有奖励，而标准训练恰恰依赖这些。RSD 让同一个模型在每次运行结束后重新阅读整个过程，同时知道它是如何结束的，以及在类似任务上哪些做法奏效。它为每个动作打分，智能体则从这些分数中学习。 在 ScienceWorld 上，Qwen3-14B 的成功率从 12.9% 提升到 20.6%。在 ALFWorld 上，Qwen3-8B 达到 76.6%，超过了所有其他被测方法，甚至包括那些获得奖励或标准答案的方法。 保留智能体未标注的运行记录（包括失败），并基于对这些记录的事后回看进行训练。每轮都要重新生成回看笔记，因为冻结笔记到第 3 轮时 ALFWorld 成功率停留在 59.7%，而使用新鲜笔记时为 67.9%。

匹配字段正文

同。对互联网大厂而言，AI不仅是开辟新业务，更是改造原有生态的工具。无论搜索、内容、办公、电商还是硬件，庞大的既有用户和业务场景为它们提供了充足的试验田，也让它们有更多需要守住的市场。 赛道铺开之后，哪些产品还留在场上？ 进入一条赛道，并不意味着能持续保有一款独立产品。从统计图中可以看出，在赛道铺开后，各家都在不断调整产品的形态与去留。 基础入口全员保留，但其他赛道频繁洗牌。 八家公司全部布局了聊天助手，这是承接搜索、创作和任务处理的基础入口。但在其他方向，产品退出、停运时有发生。 以AI陪伴为例，过去四年，MiniMax的Glow下架，月之暗面的Ohai停更，腾讯音乐的未伴、百度的月匣停运。但同一赛道内，Talkie、星野、猫箱等产品仍然正常运营。 大厂在广撒网后，普遍走向内部整合与收拢。 字节的特点是布局广，同时不断调整产品之间的分工。豆包、即梦、猫箱分别承接不同需求，星绘团队并入豆包，MarsCode编程助手改为TRAE插件，TRAE团队后来也并入了豆包体系…… 百度部分能力向既有体系收拢。文心一格迁入文心一言；文心快码并入百度搭子；聊天助手经历“文心一言——文小言——文心”的更

匹配字段正文

需求。 过去一年，SpaceX的算力规模从0.6吉瓦增加到1.7吉瓦，超级智能业务的收入随之跳升。根据约翰森的介绍，2026年三季度，这项业务的收入环比增加了约50亿美元，同比增加约67亿美元，主要来自云服务协议的逐步放量。 SpaceX自家产品用的算力同样吃紧。马斯克称，为了腾出更多算力训练模型，公司曾尝试把一部分推理任务（即模型响应用户请求时的计算）交给其他云服务商。因为相比训练，推理任务更容易拆分到其他平台上运行。他还认为，最终用掉公司大部分超级智能算力的，可能是智能体助手Grok Bot。 Grok Bot于8月份推出，马斯克称，这是他见过增长最快的产品，目前已在部分客户中先行使用，几周内将面向企业客户大范围部署。根据该公司总裁兼首席运营官格温·肖特韦尔的介绍，10月份早些时候，Grok Bot的付费周活跃用户已经达到80万，一个月里增长了一倍多，企业客户是增长最快的一类。 马斯克推算，算力的扩张加上Grok Bot的需求，到2027年底，SpaceX的年化经常性收入（按年底当月收入折算的全年收入）会在5000亿美元到1万亿美元之间。约翰森则在业绩会上提到，今年底这一数字的目标

匹配字段正文

枚举，这些看似零散的案例都指向同一件事，AI 正在接管批量产素材这道工序。过去这道工序靠的是人力，编导写脚本、团队排拍摄、模特出镜，谁的人多、谁的棚多、谁的效率高，谁就能更快地铺量。现在，一个会用提示词的团队，就能把这道工序重做一遍，成本砍到只剩过去的零头。 目前看，以温博士、可逐为代表的厦门头部美妆品牌，还没有大规模用纯 AI 生成的视频做种草。反而是很多其他领域的商家，正用 AIGC 低成本撬动流量。 成本跌到5元，AI如何批量做素材 单条成本从上百元降到 5 元，不是凭空省出来的，而是操盘手们把内容生产重新组织了一遍。运营社梳理下来，大致是三步：先拆件，再分级出片，最后过平台审核这一关。 1）把素材拆成积木，靠一套经验证的模板疯狂走量 大部分资深操盘手通常会将指令拆成两类，一类是固定块，管这条片子长什么，包含视频风格、灯光、画面比例、运镜等，这些内容每个素材都一样，定一次就能反复用。 另外一类是变量块，管这条片子讲什么，比如卖点、场景、人物动作、口播文案，这些指令跟随产品、目标人群不断变化。 具体来说，固定块定下来，就是一套模板。变量块，是模板里能换的部分。业内常说的“换变量出几

匹配字段正文

新的数学定理，或者独立完成数学证明。 也许，这部分工作正在结束，或者至少正在发生根本性变化。但与此同时，我们也发现，一些极其复杂、难以理解的数学证明，本身并不一定能够直接给人们带来帮助。 现在，已经有人开始对另一类工作产生兴趣：理解这些新的数学思想，弄清楚它们究竟意味着什么，再把它们转化成普通人能够理解的内容，或者写出优美、清晰的数学证明。 我相信，还会出现其他新的工作。 毫无疑问，去年作为一名数学家所意味着的事情，到了明年，在某些方面就会有所不同。我们可能会发现，数学家还有很多其他工作是人们真正需要的，而借助 AI，他们能够把这些事情做得更好。 至于这是否意味着社会对数学家的总体需求会增加，我还不知道。但我认为，这里面确实存在一个非常重要的变化。 Matthew Berman：你之前提到过，自己从来没有像现在这样忙碌，每天都有做不完的事情。这其实有点反直觉。很多人原本以为，AI 会让人类越来越清闲，甚至让我们没有那么多工作可做。 Sam Altman：是的，也许未来某一天真的会这样。但现在看来，事情远没有表面上想象得那么简单。我一直希望人们能够少工作一点，不要那么忙碌，可以拥有更多时

匹配字段正文

年。我做的很多事情都已经实现了自动化。这次对我来说并不疯狂，还有一个原因：我自己其实没有任何运行 PHP 的系统。所以对我而言，事情大概就是：“好，我对互联网用户负有责任。”如果当时我正在亚得里亚海中央的一艘船上，那一天可能就会很疯狂。这种情况确实有可能发生。但这次我有时间准备软件包。 Warzel：这还挺不可思议的。 Surý： 就算没有我，大家仍然可以从其他渠道获取 PHP，然后自己编译。但对所有人来说，过程会复杂得多，有些人也不具备立即升级 PHP 的技能。PHP 项目发布的是这门语言的源代码，而我做的工作，是把源代码打包成可以安装到服务器上的软件包。这样非常方便，也更快，还能自动化。你可以把同一个软件包安装到数百台、数千台服务器上，不需要自己编译。 如果我当时无法参与，整个过程就会花更长时间，有些人也不具备所需的技能。真正值得感谢的，是 PHP 项目把我纳入了那个知情的小圈子，让我能在漏洞公开前就获知情况并提前准备。 Warzel：收到邀请时，你有没有觉得“糟了”？ Surý： 我现在的人生阶段，大概会想：“这很糟糕，必须修好。”但至少对我来说，这不会引发恐慌。很多人确实因此慌

匹配字段正文

式，说的就是这种配合。 据澎湃报道，崔添翼毕业于浙江大学计算机专业，曾在量化交易公司Jane Street工作九年，今年3月加入DeepSeek，其Harness团队也在当月组建。约半年后，他带着这支年轻团队做出的产品还在预览和迭代中，职责便扩到了原有的网页、App和开放平台。 这些入口接触着不同的用户。网页和App直接提供聊天服务，开放平台则通过API（供其他软件调用的接口）提供模型。 早在8月13日发布V4 Pro正式版时，DeepSeek就调整了接口，让Codex能够接入；9月10日发布V4.1 Flash，又宣布WorkBuddy、OpenCode等Agent产品完成接入。公司一边推出自己的执行环境，一边继续让模型进入别人的工具。 DeepSeek也走到了下一步 把Token价格打下来，曾是DeepSeek走向用户的重要一步。 而“Agent = Model + Harness”这个公式中，DeepSeek的Model长板确实明显，但Harness呢？ 10月17日，DeepSeek发布V4.1 Flash更新。在官网同步发布的《DeepSeek V4.1 Flash 新版本：

匹配字段正文

读的 MORSE。当时所有人都说，天哪，太书呆子了。我讨厌告诉别人。现在则是，哇。是啊，大家都说，天哪，机器学习、AI。是啊是啊。然后是衍生品。所以我做过这些。我的背景始于英格兰的 Warwick，然后我知道我想做交易。我不知道你进入交易行业的故事是什么，但我想要的是节奏快、与数据相关的东西，我绝对热爱数据。当我读到交易是什么的时候，我无法想象自己从事任何其他职业。所以我就下定决心要做这个。于是我在投资银行和交易领域拿到了第一个实习，然后在 JP Morgan 拿到了实习，从那里开始。 3:04 我先是在新兴市场交易台，然后转到大宗商品，在那里做衍生品交易。所以我职业生涯的大部分时间都在能源衍生品领域。因为我有数据背景，我总是从想要把市场拆解成各个不同部分的角度来看待它。比如在大宗商品中，很多是关于基本面、关于不同的新闻和不同的实体动态。所以我一直着迷于从零开始搭建。所以当我做交易的时候，我看到了这种转变：先是数据，然后某件事将会发生。就在那时我离开了 JP Morgan，去——其实我想成为一名创业者和创始人。但我想做一家数据公司。所以我拿到了富布赖特奖学金来到美国，因为你们这里有如

匹配字段正文