搜索“其他”

增强 使用以下功能连接系统和知识： 文件 API（在新标签页中打开），用于跨对话上传和引用文档 引用（在新标签页中打开），用于将响应建立在源文档之上 网络搜索（在新标签页中打开）和网络抓取（在新标签页中打开），用来自网络各处的当前真实数据增强 Claude 的知识 MCP 连接器（beta）（在新标签页中打开），无需编写客户端代码即可将 Claude 连接到其他工具 使用以下功能管理成本和性能： 提示缓存（在新标签页中打开），用于降低重复上下文的成本和延迟 批处理（在新标签页中打开），用于高容量异步工作负载 Claude Opus 5.5 的快速模式也面向使用 Google Cloud 上的 Claude 模型（Anthropic 托管）的客户正式可用。快速模式优先考虑速度，输出 token 生成速度最高提升 2.5 倍，适用于快速迭代、实时调试和交互式智能体等输出速度能带来更好用户体验的场景。输入和输出 token 价格分别为每百万 8 美元和 40 美元。 请在我们的文档（在新标签页中打开）中查看 Google Cloud 上的 Claude 模型可用功能的完整列表。 使用 Ant

匹配字段正文

，但这项技术已经足够先进，足以催生新一代产品和服务。没有人确切知道这一代会是什么样子，但我们已开始窥见一斑。我们尤其关注这些进步将催生的新产品和新市场，包括那些无法归入现有类别的产品与市场。 最重要的是原生用例的出现：即你以前无法从事的全新活动。新技术的早期应用往往侧重于把旧事情做得更好。迄今为止，AI 主要用于更快、更好、更便宜地完成现有活动——比如编程和其他知识工作。但很快，原生用途将开辟全新的、意想不到的体验。起初，其中许多实验会显得奇怪、不严肃，像玩具和爱好，但随着时间推移，其中一些会成长为大众产品。区分二者的关键在于理解它们的潜在改进速度，以及那些可能将看似微不足道的增长扭转为指数曲线的因素。 我们有幸生活在人类历史上最具影响力的曲线之一之中。技术进步正在迅速加速，我们已经开始看到关于后 AGI 世界可能是什么样子的早期信号。其一，软件以及越来越多的硬件正变得更容易创造。正如智能手机的增长推动了上一轮计算周期，我们预计新设备的激增将支撑这一轮周期。其中一些将是能够在物理世界中感知、推理和行动的自主机器。另一些将借助生物学和医学的进步。还有一些将处于两者之间，属于控制论意义上的

匹配字段正文

数通用工具以及相似的任务风格。这些共享元素限制了迁移主张的范围。 为什么选择很重要，归结为关于 GRPO 的一个算术事实。如果八次 rollout 全部失败，奖励向量为 [0, 0, 0, 0, 0, 0, 0, 0] 。如果八次全部成功，则为 [1, 1, 1, 1, 1, 1, 1, 1] 。无论哪种情况，组内中心化都不会产生任务奖励优势，因为没有轨迹比其他轨迹表现更好。++ 像 [0, 0, 0, 1, 1, 1, 1, 1] 这样的混合组提供了 GRPO 可以学习的对比。对于有状态智能体来说，这种区分代价高昂：每次 rollout 都要配置隔离的后端、运行真实的工具会话，并调用单独的模型来扮演用户。 因此，塑造这项工作的核心问题不仅是哪个模型或优化器？而是：哪些候选任务应进入固定训练池？ 我们使用对后验的离线通过率过滤器来选择训练池。它估计哪些任务在基础策略下可能产生对比性的终态奖励。 因此我们进行探测。每个候选任务针对基础策略模型重复运行。通俗的规则很简单：模型总是失败的任务不太可能现在就能教会它；模型总是通过的任务已经学会；模型有时能解决的任务才是结果可以提供对比的地方。

匹配字段正文

同时包含子 shell 的命令中未能阻止对该路径的 Bash 重定向的问题 - 修复了工作树隔离会话接受某些带区域设置前缀的命令的问题，隔离防护本应拒绝这些命令 - 修复了 zsh 上的工作树隔离会话接受某些算术命令的问题，隔离防护本应拒绝这些命令 - 修复了 Claude Code 创建的工作树和分支检出未忽略 git replace refs 的问题，其其他 git 操作已忽略这些引用 - 修复了当配置目录通过符号链接到达时，配置文件存储写保护未生效的问题 - 修复了在读取超大嵌套 CLAUDE.md 下的文件后会话反复压缩的问题；超过大小限制的嵌套 CLAUDE.md 现在只加载其开头部分 - 修复了 ctrl+enter（立即发送）在响应开始前按下时仅将消息排队的问题， 以及在提示的钩子运行期间按下时重启钩子却将消息留在队列中的问题 - 修复了通过按键绑定的斜杠命令在 ! 模式下于 shell 中运行的问题 - 修复了 ctrl+o 不显示其他代理和会话中仍在等待投递的消息的问题；这些消息现在会完整显示在转录内容下方，并标记为等待中 - 修复了较长的工具输出预览在表情符号处被截

匹配字段正文

发布于 2026 年 10 月 22 日星期四 // 21:14 UTC 像 Nvidia 的 NV72 这样的现代机架系统，内部布满了数英里长的铜质飞线电缆，这些电缆构成了让六打以上 GPU 协同工作如同一体的基础。如今，随着 Nvidia 及其他厂商着眼于更大规模的 scale-up 网络，光互连已不可避免。但随着 scale-up 域不断扩大，从机架后部伸出的光纤数量也随之增加。 这正是光子学初创公司 Mixx 旨在解决的首要问题。该公司由 Vivek Raghuraman 和 Rebecca Schaevitz 于 2023 年创立，其首款产品于今年早些时候亮相，将 64 根光纤集成到一个名为 SxC 的连接器中。NEXTPLATFORM 广告 “我们可以在 800mm2 的范围内布置 1,000 根光纤，”Raghuraman 告诉 The Next Platform。 除了更大的光纤连接规模外，Raghuraman 还认为，大规模 scale-up 计算域的出现要求我们以全新的方式思考如何构建系统，即让机架的背板充当内部硅芯片的光学中介层。摆脱了铜的限制，他看到了一条通往全

匹配字段正文

消失的风险，这进一步加剧了那种虚假的安全感。 直接继续滑动，还是核实信息 根据该研究，深度伪造和经过修改的视频片段的大量涌现导致了明显的信任流失。如今，81%的受访者更频繁地怀疑视频的真实性。各有约四分之三的人表示，他们担心受到欺骗，对动态影像的信任总体上不如从前，并且会更加批判性地核实。各有约十分之九的人要求对AI内容实行普遍的标识义务、公开AI所占比例，并特别要求针对新闻和政治类格式制定明确规则。83%的人赞成禁止某些形式的深度伪造。 与此同时，信息格局也在发生变化。政治和社会议题不再只出现在经典新闻格式中。它们越来越多地作为次要话题出现在网红的内容中，而这些网红实际上专注于娱乐、文化或体育。约87%的社交媒体用户会定期接触到此类内容。 广告后继续阅读 尤其是对30岁以下的年轻一代来说，创作者在舆论形成中扮演着重要角色：45%的人将其视为重要的信息来源。在媒体监管机构看来，问题在于这些发布者大多没有新闻从业背景。因此，一部分用户了解与之相关的风险，例如有针对性的舆论引导或过度简化：面对有问题的内容，略过半数的多数（55%）选择直接划走。41%的人会主动到其他来源进行核实。 (ds)

匹配字段正文

服务的群体，恰恰可能是最需要这些能力的人。Anthropic一直以专业领域为目标，而Duet虽然定位具体，却非常符合这家公司的一贯风格。 Claude Duet围绕Opus 5.5设计，该应用旨在简化你的日常运营。与Claude本身类似，Duet允许你连接工作中使用的软件，并会持续寻找需要你关注的事项。这意味着你可以连接Gmail、日历、Slack以及数千款其他工作和生产力应用。 与其他智能体工具一样，Duet是一个主动型助手，会帮助你优先处理它认为最重要、最值得你首先关注的事项。Duet的“主动”之处在于，你不必总是提示它为将来的事情做些什么；它会通过查看你的工作应用来评估并汇总你需要了解的信息。它也会做相反的事，告诉你哪些事情可以稍后再处理，以便你专注于更高优先级的任务。 更多来自CNET的内容 Anthropic表示，Claude Duet会优先保护你的隐私。至少是在AI工具所能做到的范围内。它设有专门的安全协议和措施，确保敏感信息不会外泄，除非你希望如此。Duet会自动拒绝高度敏感的信息，例如信用卡号、身份信息等。对于其他敏感信息，例如健康和财务信息，Duet会在发送任何内容之

匹配字段正文

t（正式名称为 Eta Robotics AG）于今年早些时候由首席执行官 Manuel Yves Galliker 创立。这位高管此前曾在机器人初创公司 Physical Intelligence Inc. 和 1X Technologies AS 担任工程岗位。Enact 团队还包括来自 Google DeepMind、Amazon.com Inc. 及其他行业主要参与者的前员工。 Enact 正在开发专门用于控制机器人的 AI 模型。这类算法过去通常针对特定的机器人形态量身定制。因此，一个为驱动人形机器人而构建的模型，可能无法可靠地操作一台独立的机械臂。相比之下，Enact 的算法旨在支持多种多样的机器人设计。 早期初创公司通常使用开源模型的定制版本来驱动其软件。最近的一则招聘信息表明，Enact 正在采取不同的路线。该公司正在招聘一名具备预训练专长的 AI 研究员——预训练是指从零开始开发 AI 模型，这项任务可能比定制开源模型要困难得多。 Enact 表示，公司不仅开发 AI 模型，还开发机器人的物理组件，其中最引人注目的是执行器。执行器是充当机器人肌肉的机械子系统。一个执行

匹配字段正文

门户，”FracTracker Alliance研究员萨姆·劳告诉404 Media。“看起来他们把它忘了，自从州长下令暂停以来，这个门户一直在悄悄发放许可，包括本周一和周二发给OpenAI和Amazon的许可。” 这17项被暂停的许可涉及雨水施工，该审批允许施工公司平整和抬高地面。这是得州任何施工项目审批流程中的关键一环，有时也是最后一步。 “这不对”：得州曾表示将暂停数据中心许可。该州却仍在推进“考德威尔科技园[…]、Stargate设施，以及一批其他非常大型的超大规模设施都获得了监管批准[…]所以这算不上真正的暂停。”404 Media马修·高尔特 “现在他们采取了前所未有的举措，暂停17项批准并关闭整个网站，同时转向更复杂的人工审查流程，”劳说。“我并非没有意识到其中的讽刺。在对抗AI数据中心建设扩张时，能有一个清晰的例子说明有些工作最好留给人类来做，这很不错。” 劳说，他联系了TCEQ，但没有收到任何回复。该委员会也没有回应404 Media的置评请求。“我非常担心，由于承包商习惯了这种自动审批流程，他们可能不知道许可已被暂停，并继续在得州一些最大的超大规模设施施工，”劳说。

匹配字段正文

。这些工具现在都按用量计费，而不是按席位，所以单个用户在理论上可以花掉无上限的钱。他们可以在最贵的模型上跑一个小循环，然后去吃午饭。也许那个循环确实在做很有价值的事，但也许只是在烧 token。如果你的成本指数级增长而收入没有，那么迟早会出问题。我们到了成本有可能逆转效率提升的地步，而效率提升正是我们做这一切的全部理由。 那时我开始亲自深度参与。我和我认识的其他大规模采用 AI 的科技公司领导者交流了经验（Coinbase、Uber、Stripe 等）。我们中的许多人 collectively 在采用类似的技术。如今在 Databricks，即使总使用量和价值持续上升，我们的人均 token 支出已大致持平。 别再给最好的开发者设硬性上限 Catherine： 大多数公司的第一反应是设置硬性支出上限。你们试过。结果如何？ Patrick： 这是显而易见的第一步，你确实需要这个机制。但硬性中断是很糟糕的体验。你在任务中途切断某人，他们就失去了心流，可能损失数小时的工作。而触及上限的人往往是你最好的用户。切断他们，其中一些人干脆去用个人账户，现在你什么都看不见了。 所以我们转向逐步升级的摩

匹配字段正文

——才是加速创新的正确方式。除了显而易见的成本影响之外，为什么这种思路对 AI 采用来说是错误的？ Kevin Stumpf： 行业正从 tokenmaxxing 转向 valuemaxxing。早期有公开排行榜，展示人们消耗了多少 token，这在当时作为一种策略是合理的。很多人原本不愿开始使用 AI，因此展示大家所敬仰的领导者都是 AI 的重度用户，给了其他人跟随的理由。如果我看到自己尊敬的人大量使用 AI，我也想成为那样的人。 但这套体系被钻了空子。一旦登上排行榜榜首成为一种身份象征，人们就发现最快的登顶方式不是做好工作，而是堆量。启动一个在循环中运行的愚蠢智能体，让它一遍又一遍地问天气，在几乎什么都没做的情况下烧掉大量 token。这是一个奖励原始使用量而非结果的激励结构所必然导致的结果。 如今，各组织已普遍接受 AI，讨论已转向负责任、有效的使用。我们真正应该努力构建的是另一种排行榜：按人们用 AI 创造的影响除以其成本来排名。这就是投资回报率，它比原始 token 计数难量化得多，但却是真正重要的数字。相关阅读： 是什么在推动企业 AI 采用？ 成本归因在实践中究竟意味着什

匹配字段正文

-DxO的准确率分别约为医生的3.7倍和2.3倍。 在来自MIMIC-IV-ED的更典型的急诊科病例上，MAI-DxO达到了80%的准确率，而医生为47%——高出1.7倍以上。 当更侧重成本优化时，MAI-DxO在保持强劲表现的同时选择了更具成本效益的检查方案。在NEJM病例上，一种配置以不到对比系统一半的成本达到了81%的准确率。 在两个数据集上，没有任何其他人类或AI方法比MAI-DxO既更准确又更便宜。 当我们使用包括GPT-5.5在内的更新模型重复评估、且不改变编排方法时，这些提升得以保持——并有所改善，这表明该方法并不绑定于某一代模型。 我们正在开源SDBench中部分NEJM病例的相关内容——包括基准、Gatekeeper、Judge和成本估算代码——以便研究人员能够复现评估、测试其他模型，并对研究结果提出挑战或加以扩展。 从更好的诊断到更好的照护 诊断只是照护旅程的一部分。更好的照护还需要跟上医学知识的步伐、选择正确的治疗方案、理解随时间发生的变化，并支持反映个人价值观和照护可及性的选择。机遇在于将这些能力统一为一种目前尚未广泛可用的照护标准。在 《医学超级智能的构建模块

匹配字段正文

发的设备，这些设备从未离开过办公场所，且他们在现场期间全程有人陪同。 METR、Redwood Research 和 OpenAI 将该演练设计为一项试点，目的是让外部研究人员深度访问内部基础设施，而非作为就 OpenAI 监控系统向公众实现有力透明的载体；各方事先同意只公开发布一篇相对简短、高层次的公开文章。OpenAI 保留对公开版本中其自行判定为机密或其他敏感信息的任何内容进行删节的权利。这些发现描述的是截至 7 月 21 日及之前所评估的历史系统，并未评估当时正在进行的变更；METR 指出，OpenAI 在演练期间正在扩展其监控系统。 METR 估计，在演练期间，来自至少与 GPT-5.5 同等强度的模型的内部 Responses API 智能体流量中，约有 75–94% 符合监控条件，同时承认两个方向上均存在相当大的不确定性。Responses API 为 Codex 等提供支持，而在用于内部 Codex 智能体的那部分流量中，评估者估计有 99.2% 符合监控条件。他们表示，由于访问权限和时间限制，无法估算他们所知的其他内部智能体编码流量的规模，例如在 OpenAI 内部研

匹配字段正文

备本地的浏览数据。 停运时间表 根据公司的关键日期帮助文章，自 2026 年 10 月 22 日起，将无法再创建新的 Arc 账号，而现有用户暂时不受影响。最新版 Arc 新增了将全部数据导出浏览器的选项，并让导入 Dia 更加顺畅。 2026 年 11 月 23 日，iOS 和 Android 版 Arc Search 中的 Browse for Me 及其他 AI 功能将被停用，这些应用也将不再允许用户登录或与 Arc 同步标签页，但两者仍可作为浏览器继续使用。macOS 和 Windows 版 Arc 将从该日期起开始显示有关停运的提醒。 2026 年 12 月 15 日是用户申请获取与 Arc 账号相关的个人数据副本或要求公司删除该数据的最后一天。公司表示，副本涵盖账号详情，例如用户姓名、电子邮件地址和加入日期，以及用户使用 Arc 的记录。它不包括存储在设备上的浏览数据，例如历史记录或密码，因为公司无法访问这些数据。 直到 2026 年 12 月 22 日，macOS 和 Windows 版 Arc 将继续接收常规的基础更新和修复，但公司不再添加新功能。在停运期间，公司表示只

匹配字段正文

浏览器很难说得过去，尤其是在安全方面。“Dia 从底层开始就是按照当今的安全标准构建的，因此我们的工程和安全团队今后将把重点放在那里，”该公司写道。 Arc 的停用将逐步推进：虽然现有 Arc 用户的使用不会发生变化，但从今天起已无法创建新的 Arc 账号。11 月 23 日，iOS 和 Android 版 Arc 的标签同步、Browse for Me 及其他 AI 功能将被关闭。最后，桌面版 Arc 将于 12 月 22 日停止工作，Arc 账号也将被停用。 The Browser Company 今天强调，其新的 Dia AI 浏览器支持 Arc 的热门功能，例如侧边栏中的垂直标签、Spaces（现称为 Profiles）、固定标签、文件夹和分屏视图。Dia 还可以在注册时导入所有用户数据（登录信息、扩展、Spaces、收藏夹、固定标签和文件夹）。 在一份常见问题解答中，The Browser Company 表示，其新的 Dia 浏览器比 Arc“快得多”，并且其 AI 功能是可选的。Dia 提供自然语言 Omnibox、内置 AI 助手（带有可选的记忆功能）、多标签分析以及自

匹配字段正文

任，获取当前业务信息变得越来越重要。从人工辅助决策转向自主运营，改变了企业交付信息的方式。Clowes 解释说，持续工作的智能体需要访问运营数据，而无需等待人员去收集。 “人们过去常说数据是新的石油，但他们真正的意思是，数据在某种意义上已经存在，并被人类用来做出好的决策，”他说。“企业由人类运营……[而]这就是你取胜的方式。” 信息可能源自石油钻井平台、游轮或其他远程系统。Clowes 表示，企业必须将这些来源连接成可用的运营视图，而不能假设某一个集中式解决方案会包含一切。 “你应该始终问自己，‘我如何才能知道我的业务现在的状态？’”他说。“因为那才是你做出决策的世界。那也是人类会做出决策的世界。” 以下是完整的视频采访，属于 SiliconANGLE 和 theCUBE 对 IBM“AI 运营模式”访谈系列报道的一部分： （ 披露：theCUBE 是 IBM“AI 运营模式”访谈系列活动 的付费媒体合作伙伴。无论是 theCUBE 活动报道的赞助商 IBM，还是其他赞助商，均不对 theCUBE 或 SiliconANGLE 上的内容拥有编辑控制权。） 图片：SiliconANGLE

匹配字段正文

，”1Password 表示。 “无论你拥有一个还是多个个人智能体，1Password 都能与之连接，让它们在不查看你密码的情况下开展工作，”该公司补充道。 起步阶段，1Password for Agents 可与 Meta Muse 和 SpaceXSI 的 Grok Bot 配合使用。该公司还将在未来与 OpenAI、Anthropic 以及名单上的众多其他合作伙伴推出更多集成。 今天我们宣布推出 1Password for Agents 平台，并与 @Muse、SpaceX Super Intelligence Grok @Bot、@AnthropicAI 的 @Claudeai、@OpenAI、@TownAI、@Browserbase、@Browser use、@heydana ai、Instinct、@usekernel、@Perplexity ai、@tryramp、@Tomo 和 @wajo ai 等公司合作，还有…… pic.twitter.com/505moAiIfO—— 1Password (@1Password) 2026 年 10 月 22 日 用你的 Appl

匹配字段正文

人工智能 在符合 HIPAA 资格的环境中，使用 Amazon Quick 部署 AI 医疗健康组织对 AI 的期望与其他所有企业并无二致：更快的答案、更少的人工操作，以及能及时送达决策者手中、可供其采取行动的洞察。然而，医疗健康行业的独特之处在于，其数据格外复杂、高度依赖上下文，且受到严格监管。因此，本文先给出几个定义，为后续所有内容奠定基础。 受保护健康信息（PHI）是指任何可识别个人身份、且与该个人的健康、护理或护理付费相关的信息，例如病历记录、理赔单或会员 ID。当软件触及 PHI 时，就属于《健康保险流通与责任法案》（HIPAA）的管辖范围，该联邦法律规定了 PHI 数据的访问、保护和审计方式。 代理式 AI 改变了软件“触及 PHI”的含义。传统分析工具读取数据并返回结果。而像 Amazon Quick 这样的代理式工作空间可能走得更远。例如，其聊天代理可同时处理非结构化内容（如临床笔记和申诉信）与结构化数据（如理赔记录和会员记录）。代理可能从非结构化和结构化来源中检索数据，通过连接器调用其他系统，并代表用户完成多步骤任务。 连接器 是预构建的集成，使 Amazon Qui

匹配字段正文

语的生成式语音。该升级现已正式投入生产环境使用。 重要的是，这是一次针对现有生成式语音的原地升级。语音名称和 API 调用均保持不变，因此您现有的应用程序可以像现在一样继续正常工作。 Amazon Polly 是一项完全托管的 AWS 服务，可将文本转换为听起来自然的语音，适用于联络中心、基于大语言模型（LLM）的智能体应用、媒体与娱乐、在线学习、无障碍以及其他需要大规模可靠语音输出的应用。 听听差异 您可以使用示例音频直接评估这些改进。 更自然、更真实、更具表现力的语音。 听听 Tiffany 如何用令人愉悦的语气欢迎您。 “嗨！我是 Tiffany，Polly 的生成式语音之一。我的设计目标是听起来自然、富有表现力，还带点令人愉悦的感觉。我们聊点什么好呢？” 对数字、货币、地址等的准确语音生成。 Kenneth 朗读订单确认信息，准确读出包括跟踪号、日期和时间、货币和地址在内的内容。 “感谢您的来电。您的订单，编号 4471 9902，将于今天发货至 85 Harbor View Drive, Apartment 4B, Portland, Oregon 97209。预计将于 10

匹配字段正文

是需要留意的四种主要幻觉类型： 事实性幻觉：模型提出的主张与可验证的事实相冲突，例如捏造统计数据、人物或事件。 上下文性幻觉：回答得不到提供给模型的上下文支持。这在 RAG 系统中尤为重要，因为回答可能听起来合理，却歪曲或超出了检索到的材料。 虚构：模型用未提供或未确立的细节填补空白，在证据不足的情况下给出连贯的回答。 自相矛盾：模型提出的主张与其自身回答的其他部分或先前提供的信息相冲突。 这些区分说明了为什么不存在通用的幻觉检测器。例如，接地性检查可以识别偏离检索上下文的说法，但它未必能告诉你源材料本身在事实上是否正确。在生产系统中，可靠的检测意味着让检查与失败模式相匹配——而且往往要将多项检查分层组合。 在生产环境中有效的检测方法 LLM 幻觉检测作为分层系统效果最好。没有任何单一检查能捕捉所有失败模式：有些方法将回答与其上下文进行比较，另一些则寻找不一致的输出或不确定性，还有一些会将可疑结果升级交由人工处理。将这些信号组合起来，比把单一评分当作决定性的通过或失败能提供更大的覆盖范围。 忠实度与接地性检查 忠实度检查询问模型的主张是否确实得到其所接收上下文的支持。例如，在 RAG

匹配字段正文