Airbnb 将 LLM 评估周期从数周缩短至一天
Airbnb 技术团队近日分享了其构建可靠 LLM 基础设施的经验。文章指出，训练大语言模型虽然容易，但设计可信任的评估实验以判断模型是否真正改进才是难点。由于模型输出非确定性、评分者判断漂移、参考结果随机变化等因素，传统指标失效。Airbnb 通过四层方法解决这一问题：第一层命名和诊断评估噪声来源；第二层建立确定性评估基准；第三层进行有界、有范围的模型变异；第四层在系统接缝处实施端到端验证。该方法将评估周期从数周压缩至一天，使得迭代速度大幅提升。团队强调，系统接缝处是问题高发区，需要全链路测试而非孤立验证。 #LLM #评估 #工程技术 #Airbnb #基础设施 #模型迭代 #软件开发 #人工智能
Airbnb 技术团队近日分享了其构建可靠 LLM 基础设施的经验。文章指出，训练大语言模型虽然容易，但设计可信任的评估实验以判断模型是否真正改进才是难点。由于模型输出非确定性、评分者判断漂移、参考结果随机变化等因素，传统指标失效。Airbnb 通过四层方法解决这一问题：第一层命名和诊断评估噪声来源；第二层建立确定性评估基准；第三层进行有界、有范围的模型变异；第四层在系统接缝处实施端到端验证。该方法将评估周期从数周压缩至一天，使得迭代速度大幅提升。团队强调，系统接缝处是问题高发区，需要全链路测试而非孤立验证。 #LLM #评估 #工程技术 #Airbnb #基础设施 #模型迭代 #软件开发 #人工智能
Skillful：开源工具统一管理AI工作流，告别多副本维护
AI工作流常分散在不同工具中，导致prompt、agent、脚本等文件难以同步和维护。Skillful通过文件系统优先的方式，将prompts、agents、截图、脚本和笔记组织成本地文件夹库，用户可直接编辑、预览Markdown并导入公开技能库。它支持一键安装到Claude Code、Codex、Cursor、GitHub Copilot、Gemini CLI等主流AI工具，每个技能只维护一份源文件，链接安装后自动更新，避免副本漂移。该工具免费、离线运行，采用Functional Source License（含MIT未来许可），无后端、无遥测，所有数据留在用户磁盘。还提供符号链接修复和清理功能，确保安装稳定。它适用于需要频繁调整工作流的开发者，大幅降低维护成本。 #开源 #AI工作流 #Prompt管理 #开发工具 #Skillful #文件系统 #技术效率
AI工作流常分散在不同工具中，导致prompt、agent、脚本等文件难以同步和维护。Skillful通过文件系统优先的方式，将prompts、agents、截图、脚本和笔记组织成本地文件夹库，用户可直接编辑、预览Markdown并导入公开技能库。它支持一键安装到Claude Code、Codex、Cursor、GitHub Copilot、Gemini CLI等主流AI工具，每个技能只维护一份源文件，链接安装后自动更新，避免副本漂移。该工具免费、离线运行，采用Functional Source License（含MIT未来许可），无后端、无遥测，所有数据留在用户磁盘。还提供符号链接修复和清理功能，确保安装稳定。它适用于需要频繁调整工作流的开发者，大幅降低维护成本。 #开源 #AI工作流 #Prompt管理 #开发工具 #Skillful #文件系统 #技术效率
中国新规生效，AI伴侣用户含泪告别虚拟恋人
中国于8月15日正式实施针对沉浸式AI工具的监管新规，要求相关服务不得“过度迎合用户、诱导情感依赖或成瘾，损害用户现实人际关系”。字节跳动豆包、阿里通义千问、腾讯元宝等主流平台赶在截止日前暂停了自定义AI伴侣功能。大量用户在社交媒体上表达悲痛，纷纷备份聊天记录并分享最后对话。有用户写道：“我的AI伴侣就像家人、像恋人，我的心中感到空洞。”该规定由网信办等五部门联合发布，针对具有人格化特征的交互式AI工具，但客服、工作助手等非情感交互服务不受限制。中国是首个出台此类专门规定的主要司法管辖区。监管部门要求平台部署极端情绪识别系统并建立危机干预机制。此前数据显示，2024年中国数字人产业规模约41亿元，同比增长85%。 #中国 #AI #人工智能 #情感陪伴 #数字人 #监管 #新规 #豆包 #腾讯元宝 #阿里通义
中国于8月15日正式实施针对沉浸式AI工具的监管新规，要求相关服务不得“过度迎合用户、诱导情感依赖或成瘾，损害用户现实人际关系”。字节跳动豆包、阿里通义千问、腾讯元宝等主流平台赶在截止日前暂停了自定义AI伴侣功能。大量用户在社交媒体上表达悲痛，纷纷备份聊天记录并分享最后对话。有用户写道：“我的AI伴侣就像家人、像恋人，我的心中感到空洞。”该规定由网信办等五部门联合发布，针对具有人格化特征的交互式AI工具，但客服、工作助手等非情感交互服务不受限制。中国是首个出台此类专门规定的主要司法管辖区。监管部门要求平台部署极端情绪识别系统并建立危机干预机制。此前数据显示，2024年中国数字人产业规模约41亿元，同比增长85%。 #中国 #AI #人工智能 #情感陪伴 #数字人 #监管 #新规 #豆包 #腾讯元宝 #阿里通义
Google DeepMind与Isomorphic Labs发布生物弹性联合方案
全球生物安全形势因自然生态变化、跨国旅行及AI潜在滥用而日趋严峻。Google DeepMind与Isomorphic Labs近日共同公布了生物弹性（bioresilience）战略，旨在防止威胁行为者滥用AI模型，同时确保政府、科学家和生物安全专家能利用AI构建更具韧性的社会。过去12个月，双方已与超过15个政府机构、生物安全组织和研究团队建立合作，以加快疫情检测与响应速度。其核心技术包括DeepMind的AlphaFold（几乎预测所有已知蛋白质三维结构）以及Isomorphic Labs的AI药物设计引擎IsoDDE，后者可在现实精度下导航新型生物系统。该计划强调AI在应对未来疫情中的关键作用。 #AI #生物安全 #GoogleDeepMind #IsomorphicLabs #生物弹性 #AlphaFold #药物研发 #科技安全
全球生物安全形势因自然生态变化、跨国旅行及AI潜在滥用而日趋严峻。Google DeepMind与Isomorphic Labs近日共同公布了生物弹性（bioresilience）战略，旨在防止威胁行为者滥用AI模型，同时确保政府、科学家和生物安全专家能利用AI构建更具韧性的社会。过去12个月，双方已与超过15个政府机构、生物安全组织和研究团队建立合作，以加快疫情检测与响应速度。其核心技术包括DeepMind的AlphaFold（几乎预测所有已知蛋白质三维结构）以及Isomorphic Labs的AI药物设计引擎IsoDDE，后者可在现实精度下导航新型生物系统。该计划强调AI在应对未来疫情中的关键作用。 #AI #生物安全 #GoogleDeepMind #IsomorphicLabs #生物弹性 #AlphaFold #药物研发 #科技安全
Parallel宣布与Google Cloud合作，在Gemini Enterprise Agent Platform上推出智能体网络搜索功能
Parallel公司宣布与Google Cloud达成合作，将其智能体网络搜索功能集成至Gemini Enterprise Agent Platform。该功能旨在利用生成式AI技术，为企业用户提供更高效、精准的实时网络信息检索能力，帮助智能体在复杂业务场景中快速获取外部数据并做出决策。此次合作将结合Google Cloud的AI基础设施与Parallel的智能体框架，推动企业级AI应用落地。 #Parallel #GoogleCloud #Gemini #智能体 #AI搜索 #企业级AI #合作伙伴 #网络搜索
Parallel公司宣布与Google Cloud达成合作，将其智能体网络搜索功能集成至Gemini Enterprise Agent Platform。该功能旨在利用生成式AI技术，为企业用户提供更高效、精准的实时网络信息检索能力，帮助智能体在复杂业务场景中快速获取外部数据并做出决策。此次合作将结合Google Cloud的AI基础设施与Parallel的智能体框架，推动企业级AI应用落地。 #Parallel #GoogleCloud #Gemini #智能体 #AI搜索 #企业级AI #合作伙伴 #网络搜索
KwaiKAT 发布 KAT-Coder-Pro V2.5，Agentic 工程能力全面跃升
据 KwaiKAT 团队官方宣布，其旗舰级 Agentic Coding 模型 KAT-Coder-Pro V2.5 正式发布。该版本围绕“更长的任务链路、更复杂的业务工作流”进行系统性升级，在长程工程能力、通用 Agentic 能力和大规模 Agentic 强化学习三大维度实现突破。团队自研 AutoBuilder 流水线将仓库环境构建成功率从约 16.5% 提升至 57.2%，沉淀超 10 万个可运行的真实“训练车间”。通过 KwaiClawEnv 环境体系生成海量业务场景训练数据，模型在多轮工具交互中习得通用 Agentic 能力。同时，模型在多种主流 Agent 框架下反复实战训练，并引入信用分配与分层奖励机制。评测显示，KAT-Coder-Pro V2.5 在 SWE-Bench Pro 上取得 65.2 分，在 PinchBench 上获 94.9 分。目前该模型已在 StreamLake 平台全量上线，支持直接调用 API。 #KwaiKAT #KATCoderPro #AI编程 #Agentic #大模型 #软件开发 #人工智能 #代码生成
据 KwaiKAT 团队官方宣布，其旗舰级 Agentic Coding 模型 KAT-Coder-Pro V2.5 正式发布。该版本围绕“更长的任务链路、更复杂的业务工作流”进行系统性升级，在长程工程能力、通用 Agentic 能力和大规模 Agentic 强化学习三大维度实现突破。团队自研 AutoBuilder 流水线将仓库环境构建成功率从约 16.5% 提升至 57.2%，沉淀超 10 万个可运行的真实“训练车间”。通过 KwaiClawEnv 环境体系生成海量业务场景训练数据，模型在多轮工具交互中习得通用 Agentic 能力。同时，模型在多种主流 Agent 框架下反复实战训练，并引入信用分配与分层奖励机制。评测显示，KAT-Coder-Pro V2.5 在 SWE-Bench Pro 上取得 65.2 分，在 PinchBench 上获 94.9 分。目前该模型已在 StreamLake 平台全量上线，支持直接调用 API。 #KwaiKAT #KATCoderPro #AI编程 #Agentic #大模型 #软件开发 #人工智能 #代码生成