MIT 研究发现，顶级 AI 聊天机器人（如 GPT-4、Claude 3 Opus、Llama 3）对弱势用户（如低英语水平、低教育背景、非美国用户）提供的信息准确性更低，且拒绝回答率更高。研究使用 TruthfulQA 和 SciQ 数据集，发现当用户特质叠加时（如低教育背景的伊朗用户），偏见更为严重。例如，Claude 3 Opus 在对低教育用户拒绝回答时，有 43.7% 使用了居高临下的
本文详细介绍了如何利用 Amazon Bedrock AgentCore 构建一个名为 CAKE 的多 Agent 客户智能系统。系统采用 Supervisor Agent 进行意图分析和并行调度，协调多个专用工具（如 Neptune 图查询、DynamoDB 指标查找、OpenSearch 语义搜索）来获取客户全景信息。核心亮点包括：在 Neptune 中构建销售知识图谱以支持基于 GraphR
文章详细报道了印度四大IT服务巨头（Infosys, Persistent, Tech Mahindra, Wipro）基于NVIDIA技术构建企业级AI Agent的实践。案例具体且数据详实：Wipro的客服平台已处理42%的呼入电话，支持900路并发；Tech Mahindra开发了用于自主网络运维的大型电信模型；Infosys训练了25亿参数的编码小模型；Persistent则利用BioNe
阿里巴巴 Qwen 团队发布了新一代大型语言模型 Qwen3.5，其旗舰版本 Qwen3.5-397B-A17B 采用稀疏混合专家（MoE）架构，总参数量达 397B，但每次前向传播仅激活 17B 参数，在保持 400B 级别模型智能的同时，实现了接近小型模型的推理速度。模型采用创新的高效混合架构，结合门控 Delta 网络（线性注意力）和 MoE 块交替布局，并作为原生视觉语言模型通过早期融合训
今日收录 7 篇文章，精选 3 篇，另有 19 条 KOL 推文，覆盖 MarkTechPost、sujianlin、simonwillison、ML Techniques 等来源。
今日收录 3 篇文章，精选 2 篇，另有 46 条 KOL 推文，覆盖 MarkTechPost、sciencedaily、simonwillison 等来源。
今日收录 18 篇文章，精选 9 篇，另有 13 条 KOL 推文，覆盖 AWS、OpenAI Blog、MarkTechPost、ai-news 等来源。
OpenAI 发布了专注于极致速度的 AI 编程模型 GPT-5.3-Codex-Spark 研究预览版。其核心突破在于性能：比旗舰版 GPT-5.3-Codex 快 15 倍，每秒生成超过 1000 个 token，实现近乎实时的代码生成。这一成就得益于与 Cerebras 的深度合作，首次采用其 Wafer-Scale Engine 3 (WSE-3) 单晶圆级芯片，消除了传统 GPU 集群间
Meta 提出了一种名为 Just-in-Time Tests (JiTTests) 的创新测试方法，旨在应对 AI 驱动的 Agentic 开发对传统测试的挑战。其核心在于利用 LLM 在代码提交时实时生成测试用例，这些测试针对特定代码变更定制，无需维护庞大的静态测试套件。系统能推断开发者的变更意图，并生成“变异体”来模拟潜在故障，再结合基于规则和 LLM 的评估器来最大化测试价值、最小化误报。
文章深度剖析了软件包管理中“vendoring”（将依赖代码直接复制到项目）的衰落与“lockfiles”（锁文件）的崛起。核心观点是，Git 的克隆机制使 vendoring 的成本（巨大的仓库体积和历史）显性化，恶化了开发者体验。而 lockfiles（如 Gemfile.lock）结合中央注册表和内容哈希，提供了无需存储代码的可重复构建。文章还分析了 left-pad 事件如何推动行业加强注
Meta 详细揭秘了其千兆瓦级 AI 集群 “Prometheus” 的核心网络架构——后端聚合（BAG）层。BAG 作为一个集中式的以太网超级骨干，连接多个数据中心和区域，旨在提供宠物比特级（如 16-48 Pbps）的带宽。文章深入探讨了其模块化硬件（基于 Jericho3 ASIC）、两种拓扑设计（平面与扩展连接以平衡性能与弹性）、关键的管理过订阅比率（L2 到 BAG 约 4.5:1），以
字节跳动开源了生物分子结构预测模型 Protenix-v1，其在训练数据截止日期（2021-09-30）、模型规模（3.68亿参数）和推理预算上严格对齐 AlphaFold3 (AF3) 的条件下，实现了与 AF3 相当的性能，覆盖蛋白质、DNA、RNA 和配体。模型采用 AF3 风格的扩散架构，并提供了完整的训练/推理代码、预训练权重及数据管道。同时发布的 PXMeter v1.0.0 评估工具