搜索“编码”

ek-V4.1-Flash-1017 和 GLM-5.3 的分数取自发布博客（https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017）；其余所有分数均来自 Vals ProgramBench 排行榜（https://www.vals.ai/benchmarks/programbench). 内部编码基准：Kimi Code Bench 2.0 和 Kimi Code Bench 3.0 Long-horizon。Kimi K3.1 Pro 使用 Claude-Code 测试框架进行评估；所有其他模型均在其最大努力设置下进行评估。请注意，专有模型的测试可能涉及一些回退行为。 BenchCAD。开放模型由我们在从完整的 17,900 个案例的 Vision2Code 数据集中随机抽样的 1,000 个案例子集上以最大推理努力程度进行评估。带工具的结果使用 Claude Code 测试框架；不带工具的结果使用官方 BenchCAD 提示词和评分流程进行单次生成。Claude Fable 5.1 和 Claude Opus 5.5

匹配字段正文

列引用都会根据其读取的数据集的模式进行解析，因此不存在的列会被拒绝，而不是在运行时失败。 数据集之间的每个依赖关系都会与图中的生产者匹配，因此对没有任何声明所引用的表的引用会在管线启动前被捕获。 图会检查完整性和顺序，因此由引擎决定何时运行什么，而不是信任模型碰巧写出的顺序。 2. 声明式管线将样板任务卸载给 Spark 在过程式 PySpark 中，AI 编码智能体编写数据操作，例如过滤无效行和连接表。它还会编写代码来按正确顺序运行管线的各个步骤并保存其结果。这种支持性代码在多个管线中重复了大量相同的样板内容。 在声明式管线中，AI 智能体定义每个数据集以及生成它的查询。Spark 处理执行顺序并保存结果。由于 Spark 处理这些样板内容，智能体编写的代码更少，团队需要审查和维护的内容也更少。 我们测试了什么 我们测试了22个数据工程任务。每个任务看起来都像一张真实的工单：它描述了一个问题，并指定了管线必须生成的表、列名和数据类型。智能体可以选择任何实现，只要输出符合这些要求即可。 对于每个任务，我们生成了12个不同的输入数据集，其中包含生产数据中常见的各种杂乱值。智能体为每个数据

匹配字段正文

ell的产品设计师，负责面向企业客户和dell.com购物者的客户账户体验，覆盖移动端、平板和桌面端。由于Dell的 设计系统团队 如何用Figma agent减轻设计系统维护工作 Figma的agent可以承担设计系统中的重复性工作，从维护组件库到自动化设计遵循组件库的方式。在此，我们分享几种让Figma agent发挥作用的方法。 已在Figma中提供其编码的React组件，Miguel的代码层便基于开发者使用的相同组件构建。这让团队成员能更真实地了解提议的设计在已发布产品中的外观和行为。Miguel使用代码层将会话式AI体验带到画布上：利益相关者可以提问，原型会用正确的屏幕作出回应。“利益相关者真的可以在文本框中输入内容，这开启了我们以前没有的下一级原型体验，”他说。 一旦其他设计师批准了某个流程，Miguel就会在代码层中将其构建出来，以获得跨职能合作伙伴的签字确认，因为他们发现可运行的原型比一系列静态屏幕更容易理解。在编辑时，他会复制代码层以并排保留版本，这比切换版本历史更容易在备选方案之间做选择。“就像你看着一面墙，看看A，再看看B，”Miguel说。可运行的原型在评审周期

匹配字段正文

、评估证据、处理失败，并管理模型推理与确定性执行之间的边界。 内容摘要 TinyFish 介绍了其智能体搜索架构，以及构建深度研究系统的关键工程经验。该系统基于四个网页原语（TinySearch、TinyFetch、TinyBrowser 和 TinyAgent），围绕基础模型运行一个七阶段控制循环。在 OpenBenchmarks 上，TinyFish 在编码任务中实现了 79.0% 的完成率，同时提供了最低的中位任务成本（0.050 美元）和 token 占用，凸显了刚性控制循环、针对具体失败的重试以及统一推理优于独立规划器的重要性。 TEXTTABLELAYOUT你的 PDF 解析器真的解析正确了吗？omni parse bench · 对文本、表格和布局进行评分 · 开源在 GitHub 上加星→赞助 什么是智能体搜索架构？ 智能体搜索架构使 AI 智能体能够规划检索、访问来源、评估证据，并在新信息出现时调整其方法。模型提供推理能力，而外围应用则管理状态、工具执行、证据处理、运行时策略和输出验证。这些组件共同使智能体能够处理不完整的结果、可恢复的故障以及不断变化的信息需求。 T

匹配字段正文

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建自主软件工厂，这种反模式就变得无法忽视了。过去，人类写代码的速度足够慢，以至于无效的关卡不那么明显。更有甚者

匹配字段正文

DSA 本身对每个 query 只读约 2048 个关键 key（注意力近似线性），但 indexer 要对每个 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

匹配字段正文

Qi 标准无线充电，但这个充电线圈放在正面的做法着实奇怪，以至于我都怀疑是不是为了露出背后的丹拿 logo 而为之…… 扬声器、声音模式与编解码器｜Driver, Sound Modes & Codec Enco X4 跟 X3 一样也搭载了双动圈单元，这次是同轴的一颗 11mm「超瞬态流延振膜」动圈和一颗 6mm 微动圈，也有双 DAC 分频驱动。 支持的编码是 SBC / AAC / LHDC 5.0 / LC3，但 OPPO 的 LHDC 向下和跨机型兼容已经是个老大难问题了。除此之外，它还第一次支持了 LHDC Lossless 48kHz / 24bit 档位，可实现最高 2.3Mbps 码率，总之又是一个限定机型的东西。 Enco X4 也支持空间音频，实际也并非严格 Dolby Atmos 标准。我们还是按照流程跑一遍，它可以呈现出不错的脑后信息量，仅有轻微的压缩感，三个方向的空间呈现也比较规整，边界相对清楚。低频的混响还是挺多的，总体厚度也有增加。头部追踪的灵敏度和准确性都还不错。 所谓「黄金听感」，是基于耳道扫描以及类似听力测试的做法结合生成一个基于六个频段的调节选项

匹配字段正文

受益，例如当AI代理在Workers平台上于隔离环境中运行完整的开发工具链时。 由AI代理完成移植 tsrs最初由Max Schwenk开发。他在餐饮软件供应商Owner.com负责AI开发者工具，并在那里遇到一个案例：TypeScript 7.0在单线程中检查一个约37,000个文件的后端时，需要19 GByte内存和80秒，以至于几乎不再有资源留给并行的编码代理。移植工作借助AI完成，具体使用的是Anthropic Claude Opus 5.5。Schwenk表示，他自己没有写过一行代码。 （图片：maximkostenko / 123rf.com） betterCode() Rust将于2026年11月26日展示哪些架构、工具和流程适合使用Rust进行代理式软件开发。讲座将传授最佳实践和指导方针，说明哪些任务适合有意义地使用代理，以及哪些事情最好还是自己做。 根据项目文档，tsrs在TypeScript的一致性测试套件中，几乎所有的错误基线都与原版一致，只有少数偏差被开发团队归因于测试环境。Schwenk将项目移交给Oxc团队的理由是，他希望把项目交到那些以维护Rust工具为全

匹配字段正文

→ Figma agent 应始终遵循的规则 → 这些规则的例外情况 → 应避免的错误以及应采取的替代做法 → 如何在相似的组件、变体或模式之间做选择 一旦 agent 拥有了你的库，它就知道有哪些构建块可用。但有些决策无法从库本身明显看出，比如何时使用某些组件，或者何时存在该用法的例外。 Guidelines——附加到你已发布设计库的书面说明文件——正是你编码这些判断的地方。对于任何启用了库的提示，它们都会被自动包含，为 agent 在创建新设计时提供可遵循的指导，而无需每次都有人重新说明。 当 agent 从零开始创建设计时，Guidelines 效果最好。我们正在努力改进它在编辑现有设计时应用 Guidelines 的一致性。 要添加 Guidelines，请打开你的设计库。然后前往 Library → Manage guidelines，上传包含你 Guidelines 的文件，并点击 Apply changes。 例如，假设你的库同时包含主要按钮和次要按钮，但你的团队在结账屏幕上始终为“Place order”CTA 使用主要按钮。你可以把这条规则写进 Guideline，让

匹配字段正文

报告之前修复问题 启用告警和自动修复后， Monitoring Agent 会在问题发生时收到通知。它会调查原因、验证修复，并通过电子邮件向你发送事件摘要。 自动部署修复 启用自动发布后， Monitoring Agent 可以部署经过验证的修复，并汇报改动了什么。修复是否自动发布由你决定。 迈向自主软件团队 Replit 是首个在云端实现 agentic 编码的平台。随着 agent 能力不断增强，我们的重心正从单一的编码 agent 扩展到 能够完成现代软件工程团队所能做的一切乃至更多的自主软件团队。 我们相信，软件的未来是由 agent 团队协同工作，来构建、维护、保护和优化软件，而创作者负责设定方向并保持掌控。 在过去六个月里，我们推出了业界领先的系统，用于 黑盒安全扫描, 增长, 以及现在的生产监控。这些是迈向自主 agent 团队的重要步骤，这些团队能够管理任何在 Replit 上构建的应用、工具或业务。 所有这些都服务于一个简单的理念：应该让更多人能够把想法变成现实。 构建应用只是这段旅程的一部分。保持其可靠、安全、可被发现并持续改进，历来需要一整个团队。通过让每位创作者

匹配字段正文

除了因配置损坏而无法在任何加速器上运行的模型，并筛选出数十万个具有可运行、可执行代码的模型。 在所有那些模型上评估 TorchNeuron 代码的每一个修订版本将极其耗时。然而，而且此外，其中许多模型执行相似的任务或处理相似类型的数据。 因此，我们团队的成员构建了另一个智能体，根据一组定义的架构属性对模型进行分类。例如，大型语言模型有三个主要组件：前端通常是编码器，针对不同数据类型（如文本、音频、图像、视频或其某种组合）进行专门化。主干包含主要的 Transformer 块、注意力机制和前馈层，但注意力机制可能是自注意力、交叉注意力或两者兼有，并且有多种变体，如 flash attention、ring attention 和 delta attention。最后，后端将模型的内部表示转换为可用的输出形式，这可能是任何类型的数据，通过任意数量的策略生成。 在所有模型中，无论是 LLM 还是其他模型，我们发现仅 841 个代表性模型就覆盖了 TorchNeuron 在实际中可能遇到的所有设计特征。 但即使在 841 个模型上完整评估新的代码修订版本，对于快速回归检测来说仍可能耗时过长，因

匹配字段正文

还是 FinOps 问题？ Kevin Stumpf： 良好的支出可见性要求每一次 AI 交互都流经一个集中式系统。正是这一点让你能够一致地锁定正确的信息，从而在其之上构建可靠的仪表盘和告警。AI gateway 为跨模型、智能体、工具和团队的 AI 成本管理提供了一个集中式控制点。Databricks Unity Gateway 旨在跨模型、智能体、工具和编码智能体提供这一集中式控制点。当 AI 交互流经一个共同的控制点时，组织就可以在一个地方观察使用情况、归因成本、执行预算并优化支出。 但仅有集中式系统本身还不够。你还需要一种方式来确保每个人都确实将其 AI 流量路由通过该系统。可见性只有在采用是普遍而非可选的情况下才能发挥作用。 平衡成本优化与输出质量 成本控制不能以牺牲质量或可靠性为代价。你如何判断某项优化已经走得太远，并开始损害输出？ Kevin Stumpf： 这确实因用例而异。你需要一个反馈机制，它可以是主观的，也可以是客观的。主观反馈是轶事性的，团队中有人告诉你，他们在当前预算内无法完成工作。这种反馈获取很快，但很容易被当作一个人的抱怨而不予理会。客观反馈来自自动化评估

匹配字段正文

图优先事项包括将智能体框架连接到训练系统、验证环境、提供训练配方，以及在训练期间支持任务采样、课程和评估，各项 RFC 处于不同的审查和实施阶段，而非单一的即将发布的版本。 OpenSandbox OpenSandbox 是一个面向 AI 应用的通用沙箱平台，提供多语言 SDK、统一的沙箱 API，以及 Docker 和 Kubernetes 运行时，适用于编码智能体、GUI 智能体、智能体评估、AI 代码执行和强化学习训练等用例。“虽然 OpenSandbox 是在阿里巴巴创建的，但我们不希望它的未来由单一公司定义，”阿里巴巴开发基础设施负责人徐晓斌表示。 一份介绍该项目的基金会文章指出，OpenSandbox 采用 Apache 2.0 许可证，其沙箱协议是一组 OpenAPI 规范，主要包含两部分：用于创建、检查、暂停、恢复、续期、快照和删除沙箱的生命周期 API，以及用于运行命令和代码、处理文件、保持会话打开和收集资源指标的执行 API。一个名为 execd 的执行守护进程在每个沙箱内运行并处理这些工作，Docker 和 Kubernetes 运行时后端共享同一生命周期接口，其

匹配字段正文

-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 内部研究推理服务上运行的智能体。 若干发现涉及该覆盖范围的缺口。演练开始时，强化学习训练运行不在监控系统的覆盖范围内，尽管评估者获悉，在 3 月至 6 月期间，一部分 RL 训练 rollout 已接受失准监控。METR 估计，不监控压缩事件很可能导致 2026 年 5 月至 7 月期间约 10% 的符合条件的内部 Codex 流量未被监控，这一缺口 OpenAI 员工在演练开始前已独立发现，并在演练期间修复。由于系统在智能体将控制权交还给用户时才会触发，智能体本可以仅通过在该期间持续行动来无限期推迟被监控；受访问限制，评估者无法核查实际上是否有任何智能体这样做过。另外，评估者看到的信息表明，在

匹配字段正文

们不禁思考： （作为用户）我能否直接在聊天中与图表交互，以探索数据并根据我所选的内容提出后续问题？ （作为开发者）我能否让我为客户构建的 AI 智能体生成交互式可视化，帮助他们探索和理解自己的数据？ 是的，这是可能的，但存在显著的实践差距。即使拥有能力强大的前沿模型，我们仍然面临： 高生成成本。智能体很少能在一轮内生成完全令人满意的交互式可视化。反复的推理、编码和调试会消耗 token 和时间。 可靠性。交互式可视化本身就颇具挑战，富有表现力的交互式图表很容易引入糟糕的布局或损坏的交互，而我们在尝试修复这些问题时又可能引入新的问题。 这些挑战有助于解释为什么在现实应用中持续生成高质量的交互式可视化仍然困难。同时，一些可视化库中的内置交互本身表现力不足，无法创建定制的交互式图表。而这些挑战的根源在于缺乏一种既有表现力又高层的语言来指定视觉交互。 视频系列 再想一想 由 Sinead Bovell 主持的视频系列，围绕大家关于 AI 都在问的问题展开。汇集微软各领域的专家声音，我们剖析这项快速变化的技术所带来的张力与前景，探索什么在演变、什么有可能实现。 Flint-interactive

匹配字段正文

ation，简称RAG）。门槛已然消失：例如Amazon Bedrock Knowledge Bases通过现成连接器接入Confluence、SharePoint乃至整个Web域名，并顺带完成分块与索引。一键之下，源系统便进入向量索引。没有内容层面的预筛。也没有人问一句：这些内容究竟会不会有人来检索。 利用检索日志优先处理数据质量 OpenWiki实测：为编码代理提供记忆 教程：用来自互联网的最新事实充实本地AI模型 链式操作如何变成风险：AI代理中的传话游戏 便利是有代价的，而且这笔账不会记在向量存储的账单上。真正计费的是系统在每次请求时传给语言模型的上下文。索引中未经整理的内容越多，目标信息出现在靠前命中结果中的概率就越低，团队也就越会大方地调高参数k。该参数决定每次请求有多少个最相似的文本片段被送入语言模型。 以上是我们heise-Plus文章《利用检索日志优先处理数据质量》的试读部分。订阅heise-Plus即可阅读全文。 小巧省电早已不够：六款搭载AMD、Apple和Intel SoC的迷你PC展示了它们应对现代AI任务的能力。 一篇声称认证机制让Passkey变成陷阱的博

匹配字段正文

配置，从而离线识别帕累托最优策略。 2. 三层协同进化（APEX): 挑战： 单层提示调优只能提供脆弱的权宜之计，而无约束的代码自我修改则存在系统不稳定性风险。 机制： 智能体进化被划分为三个受治理的时间尺度： 第 1 层（临时热补丁）： 合成并挂载内存中间件工具，在数秒内中止正在发生的故障。 第 2 层（原则蒸馏）： 将经 Cloud KMS签名的经验教训编码至 Agent Platform Vector Search ，以便在未来告警时阻止禁忌操作。 第 3 层（拓扑重连）： 将永久性专家子智能体编入活跃的多智能体有向无环图（DAG）。 3. 步骤级 Shapley 归因（AgentEvolver): 挑战： 在混乱的事件中，多个干预措施会依次发生；粗粒度的结果奖励无法区分哪一步治愈了服务、哪一步造成了附带损害。 机制： AgentEvolver 利用干预前后的遥测增量（P99 延迟、HTTP 5xx 率和数据库连接池饱和度），计算每个执行跨度上的边际 Shapley 信用，从而将有益的补丁与错误的补丁区分开来。 3. 四阶段参考演练：自我进化的实际运作 我们 将此架构实现 为 G

匹配字段正文

a25330df36af7a1db16e8fb55529 64，用于追踪目的。 此次演练与METR对Hugging Face事件的调查相互独立，后者恰巧在此次演练的第一天被公开报道。↩ 一份经OpenAI删减的38页版本已与METR和Redwood的领导团队共享。↩ 与我们此前与Anthropic进行的压力测试演练（以及METR此前与许多实验室的合作）类似，我们只发布这份非公开报告的一小部分内容，并且OpenAI有权从这一公开版本中删减任何OpenAI（自行酌情）认定为机密或其他敏感的信息。与近期其他合作（如《前沿风险报告》和Hugging Face事件调查）不同，我们无权单方面说明此类删减内容，不过我们认可本文所呈现的每一项发现。↩ 请注意，这不包括我们所知的其他内部智能体编码流量来源，例如运行在OpenAI内部研究推理服务上的智能体——由于访问权限和时间限制，我们无法估算此类流量的规模。↩ 符合监控条件的流量本应被发送至监控器，但原则上，负载削减、监控器错误或实现缺陷可能导致部分符合条件的流量无法走完整个监控流程。↩ 由于访问权限限制，我们无法核查智能体在实践中是否利用了该漏洞。↩

匹配字段正文

ateway 一起，API Gateway 是 Google Cloud AI 网关能力的轻量级入口。 您可以流式传输的内容 API Gateway 现在支持现代 API 所依赖的全套流式传输模式： 服务器发送事件（SSE） ——将模型输出流式传输到浏览器或客户端 SDK 的事实标准，也是大多数 OpenAI 兼容聊天补全 API 背后的传输方式。 分块传输编码和 HTTP 响应流式传输 ——包括换行分隔 JSON（NDJSON）以及任何其他逐步交付的响应体。响应会随着您的后端生成而透传，而不是被缓冲并在最后交付。 WebSocket ——用于聊天、协作、实时仪表盘、通知和交互式会话的全双工连接。 gRPC 流式传输 ——服务器端流式传输和双向流式传输，因此您可以将网关置于此前无法代理的 gRPC 服务之前。 流最长可保持打开一小时。与任何长连接一样，客户端应实现重连逻辑，以便会话在流结束后仍能存续——行为良好的 WebSocket 或 SSE 客户端本来就应该这样做。 您的 API 契约不会改变 这是最令我们满意的部分： 没有任何新东西需要学习。 流式传输不是不同的产品、不同的资源类

匹配字段正文

独作为更小的嵌入使用。视觉 transformer 读取卫星数据，Attention Pooler 将输出 token 池化为每块土地一个向量，再由一个线性层将该向量降为 128 个数字。技术报告描述了一种 Matryoshka 式蒸馏，其学生模型是一个单线性层，与主干网络在同一次前向传播中联合训练，报告称这使得蒸馏基本没有额外成本。 报告指出，以 20 米编码器分辨率运行视觉 transformer 和 Attention Pooler 并输出 10 米结果，比以 10 米分辨率运行 transformer 便宜 7.7 倍：每个窗口分别为 308 和 2,378 GMACs。训练使用了与 OlmoEarth v1.2 相同的数据和配方——Sentinel-1、Sentinel-2 和 Landsat-8 观测，以及 WorldCover、WorldCereal、SRTM 和 OpenStreetMap 等地图目标——采用 AdamW 优化器，批大小为 512，训练 667,200 步。 基准测试结果与 PLANTEUR 数据集 Ai2 报告称，在覆盖六大洲的 27 项评测中，将 v

匹配字段正文