搜索“其他”

00天:00小时:00分钟:00秒加入我们在迈阿密的行列查看完整阵容 过去几天里，我一直在测试一个令人印象深刻的开源权重AI编码模型，名叫Flint。它表明，完全递归自我改进（RSI）——一种用AI来构建AI的令人兴奋又颇具争议的方法——正越来越近。 Flint是Recursive公司的首个产品，这家公司旨在利用RSI来推进AI本身，并借助AI推进其他科学领域。“整个模型管线中几乎每一个环节实际上都是由AI完成并改进的，”Recursive首席执行官兼联合创始人Richard Socher告诉我。 Socher说，他的公司利用其名为Eureka Machine的递归AI系统，实现了模型开发中大部分环节的自动化。他说，这使得一家只有少数研究人员的公司能够在短短几个月内构建出一个世界级模型。 Socher告诉我，Eureka Machine设计出了多项创新，包括一种新的基座模型训练方式、新的模型架构，以及针对特定硅芯片优化的代码。Recursive分享了基准测试分数，表明Flint在编码任务上优于其他规模和架构相近的模型。 得益于其惊人的编码能力，AI已被广泛用于帮助构建、测试和改进AI。

匹配字段正文

你可以在更大的模型上使用相同的工作流程：在表中找到热点，在 trace 中验证它，然后确定融合操作或 torch.compile 能否降低其开销。 在第 2 部分中，我们将进入设备级剖析。你将打开 NEFF，检查 TensorEngine、VectorEngine 和直接内存访问（DMA）的分解情况，并将内核放置在 roofline 上，以确定它是受计算限制还是受内存限制。 特别感谢 Aritra Roy Gosthipaty 启发我开启本系列，并感谢我的同事 Pinak Panigrahi、Samir Araujo、Akhil Azhikodan、Esha Lakhotia 以及其他同事的审阅！ 本文提到的数据集 1 jlongen-aws/blog-assets 来自该作者的更多内容 使用 Strands Agents、LeRobot 和 Hugging Face Storage Buckets 在一个地方进行记录、训练和部署 从 Hugging Face 一键进入 Amazon SageMaker Studio 本文提到的数据集 1 jlongen-aws/blog-assets

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

Anduril投资方MVP Ventures拟设立1亿美元机会基金 这家成立五年的公司是Palmer Luckey的重要支持者，并希望以专业支持服务打动对方M. Sriram2026年10月21日∙付费内容 据一位知情人士透露，并有一份演示文稿被以下媒体看到，曾投资Palmer Luckey旗下三家初创公司的MVP Ventures正洽谈募集1亿美元，以增持其表现最佳公司的股份。 Newcomer. MVP是一家成立五年的公司，已募集两支风投基金，在硅谷并不知名，但它在国防科技公司Anduril、金融服务公司Erebor和游戏创业公司ModRetro中持有早期（尽管规模不大）的股份，这三家公司均由Luckey创办。其他投资还包括AI训练初创公司Turing、语音AI公司Wispr Flow和火箭发射初创公司Stoke Space。 本文仅供付费订阅者阅读已是付费订阅者？ 登录

匹配字段正文

Threads，时间为 2023 年 7 月。 李提到，其余达成这一规模的应用大多是手游，例如堡垒之夜（Fortnite）、绝地求生手游（PUBG Mobile）、宝可梦 GO（Pokémon GO）等。除 Threads 之外，迪士尼 +（Disney+）是唯一跻身这个精英榜单的非游戏类应用。 IT之家注意到，Meta 取得这一成绩，依托于公司可以借助旗下其他产品推广新应用，Threads 和 Muse 都是采用这套打法。Threads 依托 Instagram 的社交关系网络搭建，其内容已被整合到 Facebook 和 Instagram 中。而 Muse 的增长不仅得益于 Meta 在拥有 36 亿日活用户的全系应用内推广这款 AI 智能体，公司还投入大量广告资源，为 Muse 引流拉新。 Sensor Tower 的数据显示，Meta 在 10 月将全部广告预算的 39% 用于推广 Muse，高于上月的 23%。此外，按广告曝光量统计，Muse 本月在美国品牌榜单升至第 21 位，9 月时仅排在第 73 位。 不过，推广一款应用和热度褪去之后留住用户，是两码事。而 Muse 的

匹配字段正文

瑞典法律AI公司Legora今日表示，它已完成5.5亿美元融资，估值达88亿美元，而距其上一轮融资完成仅过去六个月。 本轮E轮融资由总部位于波士顿的投资公司Atreides Management领投，该公司为新投资方，同时还引入了一批其他新投资者。 这推动Legora的估值从六个月前的56亿美元升至88亿美元，当时它完成了6亿美元的D轮融资。 本轮新加入的投资者包括Baron Capital、Capital Group、Fidelity、Glade Brook Capital Partners和JP Morgan。 参与本轮融资的现有投资者包括Accel、Benchmark、Bessemer Venture Partners、General Catalyst、Iconiq、Insight Venture Partners、Redpoint Ventures、Salesforce Ventures和Sands Capital。 Legora表示，本轮融资围绕具有长期视角的投资者构建，将长期持有者与战略投资者，以及每天与律师事务所和企业内部法务团队合作的机构汇聚在一起。 Legora与Lo

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

成式AI仍处于实验阶段。 历史常常遗忘很久以前在巴黎从事雕塑工作的才华横溢的女性。艺术家Prune Nourry如今正利用AI重现她们失落的工坊，让她们的故事重获生机。这些数字模型让你可以漫步于她们的工作空间，了解她们的生活方式。这是一种很酷的方式，展现这些女性如何被不公正地排除在历史书籍之外。 摘要由Google AI生成。生成式AI仍处于实验阶段。 探索其他风格： 在19世纪末至20世纪初，才华横溢的女性雕塑家在巴黎各地生活和创作。尽管受到社会束缚、接受艺术训练的机会有限，这些先驱仍在以男性为主导的艺术界留下了自己的印记。然而在很长一段时间里，女性在艺术史中主要以模特或缪斯的身份出现，而她们作为活跃艺术家的角色则被推到了幕后。 10月20日，一场名为“Visionaries”的新展览在巴黎小皇宫开幕，恰逢巴黎巴塞尔艺术展。该展览呈现了由Prune Nourry雕塑的巨型石膏肖像，致敬18位历史女性雕塑家及其创作遗产。 为了更全面地展现她们的生平，Prune 与 Google Arts & Culture 携手电影导演 Vincent Lorca 合作拍摄了一部 10 分钟的纪录片。

匹配字段正文

重要的。 在 Latent Space 最近的一篇文章《智能体框架的演进》中，我提出：随着模型把越来越多的框架能力吸收进自身权重，剩下的那部分就面向人。它变成了注意力界面：这一层决定智能体何时打断你、向你展示什么，以及需要你做哪些决策。Claude Mods 是注意力界面的一个早期版本，而且是一个你可以自己塑造的版本。 我的判断是：最终，框架会成为一个平台，其他公司在其上构建，而模型则是引擎。正如浏览器成为 Web 应用的平台，框架也可能成为人与智能体之间界面的平台。 Claude Mods：它是什么？ mod 是一个 Claude Code 插件，由在 Claude Code 内运行的 TypeScript 或 JavaScript 函数组成。这些函数定制 CLI 和桌面端界面的行为与外观。Mods 响应事件，例如提示词、工具调用或界面渲染。它们可以观察事件、修改事件的渲染方式，并取代默认行为来处理该事件。 Claude Mods 是智能体框架的中间件。它们注入代码，改变 Claude Code 的执行与渲染流程，从而改变应用在运行时的行为。 Claude Mods 让人和智能体共同

匹配字段正文

大型公司走向小工作室和个体创作者。 门槛降低之后，新的难题随之出现：内容越来越多，怎样让作品有辨识度？作品完成之后，又怎样找到观众、获得商业回报？面对这些问题，Floo给出的答案不只是一套创作工具，而是一条完整的服务链路：向前帮助创作者打磨形象设定、故事剧本，中间护航从分镜到成片的全流程制作，向后提供发行变现与履约等创作者服务。这既是Floo的回答，也是它与其他AI视频创作工具的本质不同。 01 前期创作：让剧本不只是"写出来"，而是写出商业价值 AI能辅助写剧本，早已不是新鲜事。但能写，不代表能写出有流量、有市场、有商业价值的好剧本。真正的难点，在于对题材、故事结构、观众偏好和商业内容创作规律的深度理解。Floo在剧本环节做的，是把这些行业经验封装成可直接调用的能力。 爆款趋势知识库：贴着真实市场写选题 Floo持续追踪热门短剧、自媒体动画的热门IP榜单，可以一键查看爆款内容的全文文字剧本。不同于主要依靠通用训练知识的AI写作工具，Floo结合真实市场中持续更新的爆款案例，为选题策划、故事构思和剧本创作提供更具行业针对性的参考。 小说深度分析：从长篇里抓出最值得改编的部分 小说是短剧

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

机打不开，喇叭是个哑巴。也就是说，你既不能拿它打电话、发微信，也不能拍照、听歌。 另外，因为苹果系统的Metal图形接口还没跟高通的Adreno GPU彻底打通，现在的画面全靠CPU硬算。但CPU都干了GPU的活了，你能指望它能有多好的表现？ 最终就是好好的高刷手机，日常用起来卡顿感非常明显。项目作者还说，开机之后等苹果logo消失，他就等了4分钟。 更别说其他小毛病了。电池服务目前是写死的，右上角显示固定的100% 满电；虽然项目补充页面提到能点开App Store，但大概率是没法安装新的软件，而这个结果连开发者自己都不清楚。 而最关键的问题，就在于安全上。虽然有不少人为了安全才会选iOS，但为了让系统在非苹果硬件上启动，这个移植版本放宽了代码签名校验和沙盒限制，密钥存储相关的底层服务也用了简化替代，根本没法和原版iOS一样提供同规格的安全服务。 也就是说，现在的它，其实是个“裸奔版”iOS。 项目README中列出的早期功能限制｜图源：ios-sweet 之所以会造成这个结果，是因为操作系统的底层移植，不是改两行代码就能跑通的。开机引导、屏幕显示、触控交互、无线网卡、基带通信、相机

匹配字段正文

理解用户的日程、偏好与目标，并在用户确认后推进相关任务。用户可随时查看、修改或删除Today记住的内容。 对于传音而言，此次投资延续了其在AI助手和智能终端方向的探索。Today AI在个人记忆、主动交互和任务执行方面的研发，与传音面向新兴市场、结合用户使用场景提供AI服务的方向相契合。双方计划结合各自在软件、终端及本地化方面的积累，探索个人AI助理在手机及其他智能设备上的应用。 过去两年，AI手机陆续推出大模型接入、影像生成和文本处理等功能。随着相关技术逐步普及，AI手机需要进一步理解用户，在不同应用和设备之间保留上下文，并根据用户意图完成任务。 传音在这一方向上已有不少实践。近年来，传音旗下TECNO、Infinix等手机品牌不断把AI融入系统各个环节，借助智能体改善用户体验。目前，TECNO AI和Infinix AI已广泛应用于旗下产品，覆盖AI写作、AI翻译与转写、口语陪练、课业辅导、影像增强、健康管理等场景，并逐步探索主动服务能力。 在系统级智能体方面，TECNO推出的EllaClaw Beta，已经在CAMON 50 Ultra 5G上实现短信、笔记、日历、时钟、多媒体、

匹配字段正文

今具身智能兴起，这些技术有了新的用武之地，也让车企看到了汽车之外的第二增长曲线。 但问题在于，技术可以复用，商业化却很难复制。 最典型的就是特斯拉。早在2021年，马斯克就公布了Optimus计划。五年过去，Optimus才逐步走向面向量产的新一代产品，机器人本体、模型训练和生产线仍然需要持续投入，距离大规模商业化还有不小的距离。 连特斯拉都要花这么长时间，其他车企面临的挑战可想而知。 更现实的是，汽车行业的价格战和技术竞赛还没有结束，车企利润不断承压，研发开支却居高不下。如今又要为机器人追加一笔持续多年、回报周期尚不明确的投入。 这也意味着，车企造机器人的竞争，最终将演变成一场资本与耐力的较量。 今天看起来是车企集体抢跑，但几年以后，真正能留在牌桌上的，恐怕不会太多。 车企，开始集体“造人” 车企造机器人，并不是这两年兴起的新鲜事。 早在2021年，特斯拉就公布了Optimus计划，小鹏、小米也在同年进入了机器人领域；此后，2022年，广汽研究院启动相关研发；2023年，奇瑞也开始在内部孵化机器人项目。 但到了2025—2026年，这股热潮明显升温。 据不完全统计，目前国内已有14家

匹配字段正文

nk 8B BF16对查询—文档对进行联合打分，以优化文本和图像候选的相关性排序，为检索增强生成和智能体工作流筛选证据。检索范围涵盖文档文本以及表格、图表、信息图、数据手册和示意图等图像。NVIDIA在34种语言上评估了文本检索，并在覆盖18种语言的MIRACL Vision和KoViDoRe上评估了多语言视觉检索，同时指出这些模型可能还能处理测试范围之外的其他语言。 智能体检索实验 为衡量检索对智能体行为的影响，NVIDIA在ViDoRe v3、BRIGHT和BrowseComp-Plus上评估了Nemotron 3.5 Embed和Rerank。ViDoRe v3使用文本与图像组合输入，而BRIGHT和BrowseComp-Plus使用纯文本输入。所测试的流程中，智能体使用搜索工具检索语料库、审阅返回的证据并调整后续查询。测试矩阵在仅嵌入和嵌入加重排两种设置下更换搜索工具的实现，并使用不同模型，而智能体的LLM、工具、任务集、语料库和执行策略保持不变。评估跟踪了智能体是否为每个任务找到相关信息，以及每个任务在所有轮次中的智能体推理token总量，输入和输出token均计入。 据NV

匹配字段正文

量进行训练。 混淆 只是增加设备而不改变通信或内存设计。 风险 网络瓶颈和同步失败可能浪费大部分理论算力。 比较还应确定分析单元。一篇关于分布式 AI 训练的论文可能只孤立地研究一个模型或算法，而一个已部署的服务还会加入检索、路由、缓存、策略、身份、用户界面和监控。两个产品可能使用同一个标题术语，却实现该技术栈的不同部分。要问哪个组件执行决定性变换，以及哪些其他组件是所报告结果所必需的。 分布式 AI 训练现在很重要，因为 AI 系统正被赋予更大的上下文、更多模态、更多运行时算力、更广泛的工具访问权限，以及与组织决策更深的连接。在这些条件下，曾经看似研究细节的东西可能决定延迟、安全性、可访问性、环境成本、产品质量或法律责任。 相关的衡量标准不是分布式 AI 训练能否产生一个令人印象深刻的结果。而是该技术能否在代表性条件下改善一个重要的结果，并且比更简单的基线更有效。报告分布、失败类别、尾部延迟、资源使用和受影响的子群体，而不是把每个结果压缩成一个平均值。 在真实并发下对实际请求分布进行基准测试。报告首个结果的时间、稳态速度、尾部延迟、吞吐量、质量、利用率、失败以及每个有用结果的成本。具

匹配字段正文

端口 8004 上的“hmc-mcp”。这一信息来自 IBM 班加罗尔高级技术人员 Hariganesh Muralidharan 的一篇博客文章。据他介绍，更多 MCP 服务器已在计划中。 Power Mission Control MCP 服务器采集的数据包括混合 VM 清单、通过 DLPAR 动态调整 CPU 和 RAM 容量、能耗以及存储卷的分配。HMC MCP 服务器提供查询服务事件、解码系统参考代码（SRC）以及分析硬件故障和日志转储的功能。 IBM i 管理员可以将 PAO 用作自然语言接口，以获取其 LPAR 的信息。在“IBM i Guided Tour”中，Muralidharan 演示了如何通过一个简单的请求列出混合环境中 IBM i 分区的状态、分配的核数和内存等信息。他还展示了 PAO 如何自主采取措施优化 Power 运维。 与 IBM i 的直接集成仍在路线图中，此外还有接入更多软件环境以及面向完全离线安装的版本。在与其他 AIOps 工具连接方面，OpenTelemetry（OTel）也发挥着作用。这一厂商中立的开源框架用于采集和传输遥测数据。 (fo)

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

的2026未来创新技术博览会上展示了正在开发的智能双臂机器人。 这款基于物理AI的机器人拥有两条手臂和五指手，外形类似人体上半身。每条手臂的负载能力为7公斤，工作半径为630毫米。该机器人能够以类似人类的方式执行抓取和移动物体等精密任务。 该机器人的开发旨在克服传统工业机器人的局限，后者只能在限定区域内重复执行标准化任务。为打造针对制造环境优化的型号，公司采用了聚焦手臂和手部作业能力的上半身设计。 该机器人搭载了内部研发的机器人基础模型。它能够识别周围环境，并自主生成适合不同情境的动作。这使其无需对任务顺序和位置进行单独编程，即可灵活适应各种环境。 HD现代机器人公司正与Aidin Robotics合作推进触觉传感器技术，该公司于9月收购了Aidin Robotics的股权。此次合作重点在于提升机器人手臂和手部的作业性能。公司还计划分阶段扩展机器人的移动能力，先集成轮式移动平台，最终开发双足行走能力。 智能双臂机器人将先应用于捆扎和装配工序，随后再扩展至其他制造环境。通过这些应用积累的任务智能也将融入公司现有的工业和协作机器人产品线。 朴钟宇 jwpark@thelec.kr 我的评论

匹配字段正文