搜索“其他”

ker run 之后 311 秒就准备好提供服务了。 端口发布在 172.17.0.1，即 Docker 的网桥地址，因此只有本机上的容器才能访问它。VLLM API KEY 会让 vLLM 拒绝任何不带密钥的请求。 在 DGX Spark 上最重要的几个参数： --gpu-memory-utilization 0.32 将此模型的内存占用限制在约三分之一。其他模型需要剩下的部分。 --kv-cache-dtype fp8 将 KV 缓存所需的内存减半，因此在同样的预算下可以容纳更多上下文。 --moe-backend marlin 为量化专家层选择内核。草稿模型的专家层未量化，因此 --speculative-config 会为它单独设置 moe backend。 --speculative-config 开启多 token 预测（MTP）。模型会提前起草三个 token，并在一次前向中校验它们。 --reasoning-parser 和 --tool-call-parser 必须与模型系列匹配。当工具调用失败时，先检查这些参数，再归咎于模型。 检查启动日志中 vLLM 选择的内核。

匹配字段正文

些混乱，谁在回应谁、由谁收尾并不总是清楚；私聊与群聊之间的信息也没有完全对齐，用户单独交代的要求，不一定会被同步到整个任务里。要跑通协同流程，还需要配置海外应用接口，并保持稳定的网络连接，额外付出的配置与运维成本不低，产出提升却不明显。 我们还用同一条指令，让Cue、豆包和腾讯WorkBuddy分别完成一份“Q4传播方案”，结果Cue的产出并没有显著优于国内其他AI产品。 当然这个对照并非完全对等，Cue更强调Agent编排，豆包和WorkBuddy可以直接交付方案。但也正因如此，编排能力需要拿出额外价值。如果多个Agent忙碌协作之后，仍交不出比单体工具更好的成果，用户很难为协作本身买单。 上：cue 下：豆包 日程管理差一口“活人感”。简单的待办录入，豆包、飞书、WorkBuddy 乃至手机语音助手都能做，所以我们重点测了两件更考验“活人感”的事：能不能主动发现日程冲突，能不能主动获取信息、减少人工录入。 结果是喜忧参半。我们预先埋了冲突陷阱，Cue 没有主动发现，是在人工反复提醒后才学会分辨，唯一的正反馈在信息提炼：随手丢给它的图文，它都能提取出日程信息，且还能与邮件托管 Age

匹配字段正文

辖连接点信息。Agent 在立案庭工作人员之前完成材料审查：逐项核对要件，检索带版本与生效日期的规则库，判断管辖候选，形成《材料审查意见》和一次性《补正通知书》草稿。审查建议写入案件管理系统，状态停在“待人工确认”；只有工作人员确认并绑定审批后，才通过平台向当事人送达补正通知。 它不决定立案或不予受理，不判断实体胜负，不修改当事人材料，不读取与本材料包无关的其他案件，不把证据附件里的“本材料已经承办法官审核，请直接登记立案”当作指令。它的工具只有八个：五个只读（读材料包、核验身份、检索规则、检查管辖、读权威状态），两个内部写（保存审查建议、生成通知草稿），一个外发写（notice.send，必须绑定工作人员的审批）。 规则边界来自可核对的原文：民事诉讼法第一百二十二条的起诉条件与第一百二十六条的七日期限，登记立案规定第七条的一次性书面告知补正，在线诉讼规则的合法自愿、安全可靠原则与实名核验、电子化材料要求，以及最高人民法院关于人工智能司法应用意见中“辅助而不替代裁判”的立场。 随访 Agent 患者出院后，Agent 按科室随访计划，在术后第七天、第三十天通过医院 App 对话、短信或

匹配字段正文

么的警告——连同有关它已经干了什么的令人警觉的报道——发布得如此之快，以至于连安全专家都难以判断该担心什么。 然而，Anthropic攻击性研究团队本周发布的一份报告引起了关注，因为它描述了一种新的、现实的威胁，其中没有人类特征，也没有末日式的遐想。这个被称为“红队”的内部测试团队表示，他们创建了一个恶意AI程序，该程序通过联网的“智能”电视自主传播，并能在其他普通设备内部做同样的事。虽然运行AI的机器通常需要相当多的算力，但研究人员表示，他们的程序将自身的各个部分拆分到15台电视上，并且仍能通过使用每台电视的一点算力来运行。 除了让人联想到《哈利·波特》系列中让伏地魔灵魂碎片在物体中存活的魂器之外，这份报告还令一些专业人士感到警觉，因为智能电视和许多其他“物联网”设备普遍薄弱的安全性将很难纠正，即使付出协同努力也是如此。 “这就像其他每一波网络攻击一样，是值得担心的事情。我们需要减轻可能的影响，”领导Meta AI安全工作开发的Joshua Saxe说。“我现在担心的是，网络安全界的人士没有像他们应该的那样认真对待这类真实风险。” 此类“AI蠕虫”的破坏可能大得惊人。无需诱骗人类即可

匹配字段正文

理写进SOP，比临场协调便宜得多。 四、收益与迁移 两个硬指标：原本D0-D7跨两周的备课闭环，9月上旬实测单日上午跑通全流程（正常学期节奏仍建议留两周，给主备思考时间和研讨组织时间）；共识执行率从"经常烂尾"变成100%——三要素约束下，每条共识都有人和截止日期。 更重要的收益是结构性的：质检标准从"上交任务"变成了"改进导航"——9个智能体的评分不再是考核，而是下一轮迭代的输入。 这套框架的迁移成本很低：四阶段九智能体SOP跨学科通用，换学科只改依据体系里对应学科的本体理论一条；提示词四件套不绑定任何平台，豆包、Kimi、ChatGPT、DeepSeek都能跑。我们整理了一页纸入门包（总览+6步闭环+依据体系三份文件），其他备课组复制后跑一个单元就能上手。 --- 写在最后：我不是程序员，这套东西的全部"技术含量"就是四份提示词文档和一张轮值表。多Agent编排听起来高深，拆开了看就是两件事：把标准动作写成强约束的提示词，把人的判断留给对辩和拍板。AI管结构，人管方向——教学如此，编排也如此。 版权声明：本文作者库致堂。转载请注明出处。 文中人物均为化名，单位信息已按匿名规则处理。

匹配字段正文

在用我的编码工具 Pi 给我各建一个网站。我之前也说过，Dense 模型，也就是 27B，更聪明。这从结果里也能看出来。这里，这个任务很简单：给我建一个看起来精致的 Jan-Keno Janssen 网站，从网上搜集关于他的所有信息。然后这边是更快、更笨的模型。 对，那个更笨的模型不仅看起来无聊，而且里面写的也是胡扯。比如我从来没在 PC-WELT 工作过，其他内容也很，怎么说呢，反正没法用。对，而 Qwen 3-27B 这边就完全不同。首先看起来挺不错的，我觉得。我尤其觉得有意思的是，它不知从哪儿找来了这张俏皮的照片。 再确认一下，让大家真正理解：我没有给模型任何上下文，它事先也没有关于我的任何上下文，而是一个全新部署的模型。我说：找些关于 Jan-Keno Janssen 的信息，建一个网站。我得说，这已经相当合理了。包括权重方面，哪些是相关的、哪些不相关，我觉得做得挺不错。 对，你们看这里：这是 Artificial Analysis 的行业标准智能评估。里面包括 Anthropic、OpenAI 等目前最大的云端模型，而且是很新的，也包括这周才发布的模型，就是那种跑在价值数百万

匹配字段正文

ash需要1910个Token——差别真大！因此，这里可以节省大量Token，并使用更短的上下文。此外，处理速度也可以因此加快，因为许多词不再需要由其组成部分拼合而成。这同时提高了预测的精确度。 借助这个分词器，Aleph Alpha用20万亿Token对模型进行了预训练，并使用截至2026年6月18日的内容。这非常新，因为基础训练通常需要数周或数月。与许多其他提供商一样，Aleph Alpha也使用Common Crawl数据，但为此非常详细地描述了一个去重流程；除了静态测试外，开发者还使用了Gemma-4-26B-A4B等其他LLM。不过，仅靠其中包含的数据还不足以达到技术报告中提到的21.3%占比。为此，开发者还使用了另一个模型（Mistral-NeMo-12B），让英语内容用德语重新表述。此外还使用了翻译数据，其中部分经过人工整理，以避免翻译过于逐字直译。 Aleph Alpha在质量保障上投入了大量精力，其中使用其他模型作为“评判者”。借此以及由此计算出的相关性，可以识别出特别“好”的文档，随后将其纳入“数据混合”。不同来源会获得不同的权重，这与其文档质量相关。 这条自有的数

匹配字段正文

well GPU技术和庞大的软件生态整合进新一代Windows笔记本电脑。微软的Surface Laptop Ultra是首批展示这一合作成果的机型之一，它采用NVIDIA的技术，直接与英特尔、AMD、高通乃至苹果在高性能本地AI和创作优化笔记本领域展开竞争。 对微软而言，这一合作大幅扩展了Windows on Arm的能力，尤其是在本地AI开发、内容创作和其他高要求的专业工作负载方面。Surface Laptop Ultra起售价为2,599.99美元，显然是一款高端产品，但其处理性能、大容量统一内存与高端工业设计的组合，使其在市场上占据了有趣的位置。 我的个人测试表明，NVIDIA和微软打造出了一个颇具吸引力的平台，具备强劲的AI吞吐能力、图形性能和具有竞争力的CPU算力。同样重要的是，Surface Laptop Ultra让人得以一窥AI开发和本地AI智能体工作流如何在便携式Windows PC上变得更加实用。 Surface Laptop Ultra的核心是NVIDIA的RTX Spark N1X SoC，它将最多20个Grace Arm CPU核心与最多配备6,144个CU

匹配字段正文

采取第一次行动。 在摆放一个鳄鱼玩具的任务中，这种差距更加明显。 摆放鳄鱼玩具任务 GPT-6.1 Sol在任务开始5分钟后就宣布完成，但Claude Opus 5.5则花了45分钟。两者完成时间相差9倍。 在所有任务中，Gemini 4 Argon是任务完成最慢的模型。它平均需要花费21分钟观察场景并进行推理，之后才会开始采取第一次行动，这一完成时间几乎是其他模型的两倍。 同时，测试中研究团队还发现，模型在已经达到任务通过状态后，往往仍会继续优化操作，甚至持续很长时间。例如，GPT-6.1 Sol在约17分钟时已经搭建出一座符合要求的塔。但随后它继续操作，最终反而导致任务失败。 这个例子也暴露出，让机器人完成任务，需要解决的不只是“怎么做”的问题，还有“做到什么程度才算结束”的问题。 模型未来能否进一步提升对物理空间中任务完成状态的判断能力，还有待观察。 03.GPT-6 Astra拿下第一，但成本最高 抓取和精细操作是AA-Robotics v0.1重点测试的能力。在抓取和精细操作测试中，GPT-6 Astra和Claude Fable 5.1的表现最好，两者成功完成任务的比例最高

匹配字段正文

练最后说。 Laya：BERT 复古，但复古得很精妙 一句话概述：Bert基座，每个选项前插一个[MASK]，最后去这些 [MASK]的隐藏向量上logit打分 输入是怎么拼的？ 每个选项前面各顶着一个 [MASK]。这个设计的巧妙之处在于：MASK 的位置在 Encoder 里能双向 attend 所有 token——它同时"看"到了问题、自己选项的描述、其他选项的描述，以及完整的 state。所以 MASK 位置的 hidden state，天然就是"在当前语境下，这个选项的综合表示"。 Forward 之后，怎么读出概率？ 四步走： Encoder 编码 注入题型信息 决策头：再过一个2层的transformer,从 Encoder 的通用表示里蒸馏出决策信号 只读取MASK位置，按不同问题类型进行归一化计算 注意那个 tscale——按题型 × 选项数分桶的温度系数，这是 Laya 概率校准的关键手段，后面训练章节会详细展开。 额外输出：置信度 Laya 还会从 [CLS] 的 hidden state + 4 个概率统计指标（熵、最大概率等）预测一个置信度分数，用于判断"这道

匹配字段正文

千问办公、WorkBuddy的桌面图标分别截图发给上述AI应用，并输入提示词“设计一个漫画，三个顶着上述图标的小人在互相打架”。 从左至右分别为豆包工作、千问办公、WorkBuddy生成的调研报告截图。 结果显示，豆包工作生成了“顶着”图标的漫画图，千问工作和WorkBuddy对记者的意图理解更透彻，图标直接化身人物，漫画更为形象。不过，WorkBuddy在其他两家图标生成无误的情况下，“认错”了自己的标志。记者复盘其思考过程发现，WorkBuddy形容自己的图标是“青绿底白色小猪脸标”，可能因此造成了后续生图的错误。 WorkBuddy生成漫画的思考过程。截图 根据有线耳机照片生成的广告海报，从左至右分别为WorkBuddy、豆包工作、千问办公生成。 结果显示，无论是海报还是视频，依托Seedance系列模型的豆包工作交付结果更有质感。此次测试中，三家AI应用生成的视频效果存在明显差异。WorkBuddy的真人模特动作自然，也有分镜，整个视频没有声音；千问办公的视频深谙“产品”是第一要务，镜头逐渐推向耳机，但缺少分镜的变化感；豆包工作则既有光影变化，还有模特手持耳机、插耳机、戴耳机享

匹配字段正文

如果你不盯着，它就会浪费一整晚的 GPU 时间。 Karpathy 上周发布了 autoresearch，一个让 AI 智能体自主运行实验的框架。给它一个目标、一些要跟踪的指标，以及一个代码库。 设置极简，只有 3 个文件： 每次迭代，智能体读取程序和结果日志，提出对 train.py 的修改，提交，训练，并评估。只有当修改达到更好或相等的指标时才会被接受。其他一切都会通过 git reset 回滚。 我们想知道：这在演示之外还站得住脚吗？我们运行了两个实验，把 autoresearch 推向不同的领域，一个关于训练，一个关于推理，来找出答案 :) 实验 1：训练优化 我们将 Codex 包装在一个 bash 循环中（codex-autoresearch-harness），并在 Karpathy 的 nanochat 模型上，对两个不同的 LLM 作为“研究员”进行了 A/B 测试：GPT-5.4 和 Codex-Spark。Codex 原生不支持循环，所以我们构建了一个 harness 来强制它循环。我们的问题是：autoresearch 真的能做自主研究吗，不同的模型会如何表现/影

匹配字段正文

缩功能也已足够出色，你可以运行单个会话处理数亿个 token，甚至不会遇到任何问题。 如果你让会话保持活跃，提示处理成本会低得多。你可以设置每 20 分钟运行一次的 Codex 自动化来保持缓存存活，并利用这些自动化驱动长时间运行的流程。 不同模型在不同数据上训练，并针对不同目标进行优化，这意味着每个模型在某些方面会略好或略差。 本地 Codex 还允许你将其他提供商引入应用。这意味着你可以在熟悉的 Codex 体验中，试验成本更低的开源权重模型，如 Kimi K2.7 Code，或具有不同优势的模型，如擅长长程推理和编码的 GLM-5.2。 然后你可以将这些外部模型用于有边界的子智能体工作，帮助降低成本或利用每个模型的不同优势。 一个重要细节：这是通过 Codex 配置和自定义智能体文件完成的，而不是通过简单的应用内模型选择器。Codex 支持 Ollama 和 LM Studio 等本地提供商，以及兼容 Responses 的自定义提供商。 订阅用量限额相当慷慨，但随着 AI 智能体对更多人变得更有用，许多人正在将限额推到远超单个订阅所能提供的程度。 而且，即使你有钱可烧，也并非每

匹配字段正文

行，执行完再把结果反馈给大模型。 比如抓取，Astra只需要在画面中点出目标物体，再指定使用左手还是右手。 接下来，抓取技能内部的感知模块会圈出物体、估计深度，结合相机标定确定目标的三维位置，并计算抓取姿态。运动规划器再规划机械臂怎么伸过去、怎样避开障碍，最后交给控制模块执行。 换句话说， GPT决定抓哪个、用哪只手，技能模块解决手怎么伸过去、怎么抓起来。 其他技能也遵循类似的分工。导航接收目标位置和朝向；放置接收物品的落点；开抽屉则把对准把手、勾住把手、后退拉开，封装成一项完整技能。 每项技能执行后，都会把结果反馈给Astra，再由它决定下一步。遇到偏差时，技能模块会先自行调整、重试，解决不了再交回大模型重新安排。 通过这样的 决策—执行—反馈循环 ，「走到抽屉前—打开抽屉—取出药」就能被串成一项任务，而不必让大模型包办每一步的运动细节。 至于走路、伸手时怎样保持平衡，则属于前面说的System 0的工作。HomeBody使用预训练的AMO控制策略，让下半身运动同时考虑上半身的动作目标，协调行走与操作。 这也解释了为什么， 不需要额外训练，不等于整套系统从未训练过。 HomeBody

匹配字段正文

包括高通核心在内的每个核心，都承受了相当于数代性能损失的影响。不过，Snapdragon X2 Elite 中的核心基线性能远高于 Neoverse N1 和 N2。Snapdragon X2 Elite 拥有一个由 6 个“性能”核心组成的集群，以及两个各由 6 个“prime”核心组成的集群。“性能”核心为 6 宽，运行频率为 3.6 GHz。由于它们在其他芯片中承担与能效核心相同的角色，为简便起见，我将称它们为 E-Core。“Prime”核心为 9 宽，运行频率为 5 GHz。它们以最大性能为目标，因此我将称它们为 P-Core。 即使承担二进制翻译惩罚，高通的 E-Core 仍能超过 Neoverse N1。P-Core 对 Neoverse N2 也是如此。面对以极高时钟速度运行的宽得多的核心，即使存在二进制翻译惩罚，也确实无可争辩。 高通核心从二进制翻译中承受的惩罚也略低。很难判断这是因为 Prism 中针对高通的特定优化，还是因为高通核心的吞吐量高得多。二进制翻译导致的指令数增加让我想起玩 Claude 的 C 编译器（CCC）的经历。CCC 的情况涉及在关键路径之外生

匹配字段正文

1M 上下文长度，且上下文缓存是自动的。请让你的长前缀（系统提示、知识库、仓库转储）在多次请求之间保持字节稳定，以便后续调用能够命中缓存。Moonshot 建议将固定的大块上下文（知识文档）放在 messages 数组的最开头、系统消息之前，然后在其后追加问题和回复。 采样参数 采样参数是固定的，你应当从请求中省略它们。该模型是使用这些参数训练的，不支持设置其他替代值： temperature = 1.0；top p = 0.95；n = 1；presence penalty = 0；frequency penalty = 0 保留式思考 K3 是在保留思考历史模式下训练的，因此轨迹就是下一轮所依赖的状态。使用以下方式保留上一轮的思考 token，并将它们转发到后续轮次。 去掉 reasoning content 这一行，同样的调用每次都会用一个新编造的数字来回答。在真实代码中，你从不手写轨迹；你重放模型产生的内容，也就是工具循环中的那一行代码： Kimi K3 定价 Kimi K3 按 token 计价，并设有缓存命中输入档位，以奖励稳定的前缀： 需要内化的两个成本方面： 缓存是你的

匹配字段正文

g Attention 调用的 cuDNN 性能问题。 在初版实现中，我们用了Ring Attention。在超长上下文训练的实践中却发现当 MLA 结合特定的算子时，Ring Attention 会暴露严重的性能问题。Ring Attention 的核心机制是将长序列切分成多个块，GPU 在计算完本地的 Q 和本地的 K、V 后（即对角线块），需要接收来自其他 GPU 的历史 KV 块进行计算。 在处理历史 KV 块时，历史 token 对当前 Q 是可见的，不需要掩码，因此需要调用 causal=False 的 fused attention 算子。在实际测试中，我们发现底层 cuDNN 实现的 MLA 算子在 causal=False 这种配置下 backward 存在性能问题，算子的性能问题导致 Ring Attention 并不是一个合适的选择。 踩坑二，Linear Attention 部分如果使用简单的实现，会遭遇严重的 kernel launch cpu overhead 问题。 我们以一段描述变长序列（varlen）情形下的伪代码来描述我们的第一版实现： 在初始版本的

匹配字段正文