币安推出AI交易代理平台，接入主流大模型
币安于周四正式上线Agent OS开发平台，允许外部AI应用接入其交易、市场数据、钱包和支付等核心基础设施。该平台整合了币安API、代理钱包集线器、x402支付层，并支持Model Context Protocol（MCP）标准，使得OpenAI的ChatGPT、Anthropic的Claude等主流AI工具能够无缝连接。用户授权后，AI代理可实时查询行情、执行交易，但所有操作均运行在独立子账户内，且默认禁止提币，以物理隔离用户主账户资产。用户可自行设置每笔交易确认权限或允许代理自主操作，并随时撤销授权。币安产品副总裁Jeff Li强调，将控制权置于账户层面是为了保护资金安全。目前各国监管机构尚未明确AI代理交易行为的定性，但新加坡和欧洲已提出相关治理规则。在AI交易代理领域，Kraken、Coinbase、OKX等交易所此前也已推出类似工具，行业竞争加剧。 #币安 #AgentOS #AI交易代理 #加密货币 #科技 #金融科技 #MCP #监管
币安于周四正式上线Agent OS开发平台，允许外部AI应用接入其交易、市场数据、钱包和支付等核心基础设施。该平台整合了币安API、代理钱包集线器、x402支付层，并支持Model Context Protocol（MCP）标准，使得OpenAI的ChatGPT、Anthropic的Claude等主流AI工具能够无缝连接。用户授权后，AI代理可实时查询行情、执行交易，但所有操作均运行在独立子账户内，且默认禁止提币，以物理隔离用户主账户资产。用户可自行设置每笔交易确认权限或允许代理自主操作，并随时撤销授权。币安产品副总裁Jeff Li强调，将控制权置于账户层面是为了保护资金安全。目前各国监管机构尚未明确AI代理交易行为的定性，但新加坡和欧洲已提出相关治理规则。在AI交易代理领域，Kraken、Coinbase、OKX等交易所此前也已推出类似工具，行业竞争加剧。 #币安 #AgentOS #AI交易代理 #加密货币 #科技 #金融科技 #MCP #监管
垂直AI创始人正面临三大生存危机
垂直AI行业的创始人普遍面临三大存在危机，这些危机在创业的兴奋中常被忽视，却直接威胁商业模式的可持续性。首先，许多产品建立在第三方大语言模型和API之上，如同在他人土地上建造，缺乏核心数据所有权，容易被技术巨头或原始提供商通过原生集成取代。其次，AI系统基于概率运行，但企业销售中强调确定性输出，这种矛盾可能导致客户期望落差和运营故障。最后，随着欧盟AI法案等监管框架出台，合规性从附加项转变为产品必需特性，增加了开发复杂性和成本。这些因素共同侵蚀垂直AI公司的竞争优势，而创始人通过验证工作流程和案例，实际上为巨头提供了免费市场研究。文章指出，忽视这些危机是最冒险的举动，并提出了ZizkaDB作为AI代理的运营数据库，旨在解决数据自主性、系统可靠性和合规集成问题，帮助构建更稳固的业务基础。 #垂直AI #AI创始人 #生存危机 #AI监管 #ZizkaDB #AI代理 #科技新闻
垂直AI行业的创始人普遍面临三大存在危机，这些危机在创业的兴奋中常被忽视，却直接威胁商业模式的可持续性。首先，许多产品建立在第三方大语言模型和API之上，如同在他人土地上建造，缺乏核心数据所有权，容易被技术巨头或原始提供商通过原生集成取代。其次，AI系统基于概率运行，但企业销售中强调确定性输出，这种矛盾可能导致客户期望落差和运营故障。最后，随着欧盟AI法案等监管框架出台，合规性从附加项转变为产品必需特性，增加了开发复杂性和成本。这些因素共同侵蚀垂直AI公司的竞争优势，而创始人通过验证工作流程和案例，实际上为巨头提供了免费市场研究。文章指出，忽视这些危机是最冒险的举动，并提出了ZizkaDB作为AI代理的运营数据库，旨在解决数据自主性、系统可靠性和合规集成问题，帮助构建更稳固的业务基础。 #垂直AI #AI创始人 #生存危机 #AI监管 #ZizkaDB #AI代理 #科技新闻
新研究提出交互分布外推方法，发布于arXiv平台
2026年8月20日，研究人员Marin Šola及其合作者在arXiv预印本平台提交了题为《交互分布外推》的学术论文（版本1，文件大小2,350 KB）。该论文针对统计学和机器学习中的交互效应分析提出了一种创新方法，背景是传统模型在处理高维数据或复杂交互时面临准确性挑战。新方法通过分布外推技术，旨在提升交互项估计的精度和模型的泛化能力，为社会科学、生物统计等领域的交互建模提供新工具。论文的发布标志着该方向的最新进展，可能激发更多实证研究和算法优化，对推动智能数据分析和决策具有潜在影响。目前，论文的详细内容和实证应用有待后续验证，但其初步提出已引起学术界关注。 #统计学 #机器学习 #论文 #arXiv #学术新闻 #研究 #交互分析 #数据科学
2026年8月20日，研究人员Marin Šola及其合作者在arXiv预印本平台提交了题为《交互分布外推》的学术论文（版本1，文件大小2,350 KB）。该论文针对统计学和机器学习中的交互效应分析提出了一种创新方法，背景是传统模型在处理高维数据或复杂交互时面临准确性挑战。新方法通过分布外推技术，旨在提升交互项估计的精度和模型的泛化能力，为社会科学、生物统计等领域的交互建模提供新工具。论文的发布标志着该方向的最新进展，可能激发更多实证研究和算法优化，对推动智能数据分析和决策具有潜在影响。目前，论文的详细内容和实证应用有待后续验证，但其初步提出已引起学术界关注。 #统计学 #机器学习 #论文 #arXiv #学术新闻 #研究 #交互分析 #数据科学
新研究分析AdamW优化器中小批量扰动动态
一篇题为“Finite-Horizon Input-Output Dynamics of Minibatch Perturbations in AdamW”的学术论文近日在arXiv预印本平台发布，引发了机器学习领域的关注。该论文由研究者Kang Liu和Suyan Li撰写，于2026年8月20日提交，聚焦于深度学习中广泛使用的AdamW优化器。背景上，AdamW作为Adam算法的改进版，在训练大语言模型等任务中扮演关键角色，而小批量训练中的随机扰动常影响算法稳定性与收敛性。论文通过有限时域分析，探讨了这些扰动如何动态影响模型的输入输出关系，为理解优化过程中的随机性提供了理论框架。经过上，研究基于数学建模揭示了扰动传播机制，可能揭示传统分析中未充分考虑的边界效应。影响方面，这项工作有望优化器设计提供新思路，提升训练效率与鲁棒性，并推动后续实证研究，对人工智能算法发展具有潜在价值。 #学术论文 #优化器 #AdamW #深度学习 #arXiv #机器学习 #算法研究 #训练动态 #理论分析
一篇题为“Finite-Horizon Input-Output Dynamics of Minibatch Perturbations in AdamW”的学术论文近日在arXiv预印本平台发布，引发了机器学习领域的关注。该论文由研究者Kang Liu和Suyan Li撰写，于2026年8月20日提交，聚焦于深度学习中广泛使用的AdamW优化器。背景上，AdamW作为Adam算法的改进版，在训练大语言模型等任务中扮演关键角色，而小批量训练中的随机扰动常影响算法稳定性与收敛性。论文通过有限时域分析，探讨了这些扰动如何动态影响模型的输入输出关系，为理解优化过程中的随机性提供了理论框架。经过上，研究基于数学建模揭示了扰动传播机制，可能揭示传统分析中未充分考虑的边界效应。影响方面，这项工作有望优化器设计提供新思路，提升训练效率与鲁棒性，并推动后续实证研究，对人工智能算法发展具有潜在价值。 #学术论文 #优化器 #AdamW #深度学习 #arXiv #机器学习 #算法研究 #训练动态 #理论分析
Andrew Gracyk 发表论文
arXiv学术预印本平台近日收录了由研究者Andrew Gracyk提交的一篇论文，题为“K\"ahler landscapes for complex neural network descents and guarantees including a search and destroy of the Calabi-Yau manifold”。该论文于2026年8月20日正式上线，核心探讨将卡勒流形景观的概念引入复杂神经网络的下降优化过程中，旨在提供相关的数学理论保证，并涉及对卡拉比-丘流形的搜索与破坏机制。这一研究可能为神经网络在复几何背景下的优化算法提供新的理论框架，推动人工智能与数学物理等领域的交叉融合，尤其在深度学习的理论分析方面具有潜在意义。论文的发布标志着该前沿方向上的最新学术进展，有望激发更多跨学科探索。 #arXiv #学术论文 #神经网络 #卡勒几何 #卡拉比-丘流形 #AI #数学 #机器学习 #理论物理
arXiv学术预印本平台近日收录了由研究者Andrew Gracyk提交的一篇论文，题为“K\"ahler landscapes for complex neural network descents and guarantees including a search and destroy of the Calabi-Yau manifold”。该论文于2026年8月20日正式上线，核心探讨将卡勒流形景观的概念引入复杂神经网络的下降优化过程中，旨在提供相关的数学理论保证，并涉及对卡拉比-丘流形的搜索与破坏机制。这一研究可能为神经网络在复几何背景下的优化算法提供新的理论框架，推动人工智能与数学物理等领域的交叉融合，尤其在深度学习的理论分析方面具有潜在意义。论文的发布标志着该前沿方向上的最新学术进展，有望激发更多跨学科探索。 #arXiv #学术论文 #神经网络 #卡勒几何 #卡拉比-丘流形 #AI #数学 #机器学习 #理论物理
OpenRouter突袭发布神秘模型Ox Alpha，免费开放引全网猜测
OpenRouter近日未经发布会或技术报告，直接上线了一款代号为“Ox Alpha”的神秘AI模型。该模型宣称拥有100万Token上下文窗口，支持文本、图像和视频输入，专注于高效编程、长周期Agent任务和生产环境应用。然而，其具体参数、训练数据、开发团队及性能基准均保密，仅确认并非OpenRouter自行开发，引发业界广泛猜测。模型免费开放一周，提供宽松速率限制，以收集真实使用反馈。社区测试显示，Ox Alpha在代码生成和空间关系表达上表现稳定，但在高强度推理时存在“过度思考”倾向，资源消耗较高。此次匿名发布被视为一场公开压力测试，旨在观察模型在真实Agent任务中的表现。免费策略虽具吸引力，但身份和能力未明，开发者需谨慎评估。模型厂商可能借此大规模收集反馈，为未来正式发布做准备，但目前尚无证据表明其性能已进入顶级梯队。 #OpenRouter #OxAlpha #AI模型 #大模型 #编程 #Agent #免费API #科技新闻
OpenRouter近日未经发布会或技术报告，直接上线了一款代号为“Ox Alpha”的神秘AI模型。该模型宣称拥有100万Token上下文窗口，支持文本、图像和视频输入，专注于高效编程、长周期Agent任务和生产环境应用。然而，其具体参数、训练数据、开发团队及性能基准均保密，仅确认并非OpenRouter自行开发，引发业界广泛猜测。模型免费开放一周，提供宽松速率限制，以收集真实使用反馈。社区测试显示，Ox Alpha在代码生成和空间关系表达上表现稳定，但在高强度推理时存在“过度思考”倾向，资源消耗较高。此次匿名发布被视为一场公开压力测试，旨在观察模型在真实Agent任务中的表现。免费策略虽具吸引力，但身份和能力未明，开发者需谨慎评估。模型厂商可能借此大规模收集反馈，为未来正式发布做准备，但目前尚无证据表明其性能已进入顶级梯队。 #OpenRouter #OxAlpha #AI模型 #大模型 #编程 #Agent #免费API #科技新闻
因果推断方法评估AI医疗设备论文在arXiv发表
2026年8月19日，研究人员Wenxin Zhang等人在arXiv平台发表了一篇题为“使用因果推断方法评估诊断测试和AI医疗设备：从效应修饰到信息增强决策”的学术论文。该研究针对人工智能在医疗领域日益普及的背景，特别是AI驱动诊断工具和医疗设备在临床应用中性能评估的挑战。传统评估方法常受效应修饰因素干扰，难以全面衡量设备的可靠性和安全性。论文提出了一种创新的因果推断框架，将评估重点从识别效应修饰扩展到实现信息增强决策，通过更严谨的因果分析来优化医疗决策过程。这一方法有望为医疗设备开发者提供更有效的评估工具，同时为监管机构制定标准和提升临床决策质量提供科学依据，推动AI医疗应用向更安全、高效的方向发展。 #因果推断 #医疗AI #诊断测试 #学术研究 #arXiv #医疗设备 #科研创新
2026年8月19日，研究人员Wenxin Zhang等人在arXiv平台发表了一篇题为“使用因果推断方法评估诊断测试和AI医疗设备：从效应修饰到信息增强决策”的学术论文。该研究针对人工智能在医疗领域日益普及的背景，特别是AI驱动诊断工具和医疗设备在临床应用中性能评估的挑战。传统评估方法常受效应修饰因素干扰，难以全面衡量设备的可靠性和安全性。论文提出了一种创新的因果推断框架，将评估重点从识别效应修饰扩展到实现信息增强决策，通过更严谨的因果分析来优化医疗决策过程。这一方法有望为医疗设备开发者提供更有效的评估工具，同时为监管机构制定标准和提升临床决策质量提供科学依据，推动AI医疗应用向更安全、高效的方向发展。 #因果推断 #医疗AI #诊断测试 #学术研究 #arXiv #医疗设备 #科研创新
DeltaMomentum论文在arXiv发布，革新机器学习动量更新技术
在机器学习领域，优化算法的动量更新是提升模型训练效率的关键环节。近日，研究人员Euijin Hong等人在arXiv平台上正式发布了一篇题为“DeltaMomentum: A Key-Value based Anisotropic Momentum Update via Delta Rule”的论文，提出了一种基于键值的各向动量更新新方法。该方法采用Delta规则，旨在改进传统动量策略的局限性，可能在处理复杂模型时实现更高效的收敛和稳定性。论文的公开为深度学习优化提供了新的思路，预计将对大规模模型训练和未来算法设计产生积极影响。 #学术论文 #机器学习 #深度学习 #优化算法 #arXiv #AI #科技新闻 #研究 #计算机科学
在机器学习领域，优化算法的动量更新是提升模型训练效率的关键环节。近日，研究人员Euijin Hong等人在arXiv平台上正式发布了一篇题为“DeltaMomentum: A Key-Value based Anisotropic Momentum Update via Delta Rule”的论文，提出了一种基于键值的各向动量更新新方法。该方法采用Delta规则，旨在改进传统动量策略的局限性，可能在处理复杂模型时实现更高效的收敛和稳定性。论文的公开为深度学习优化提供了新的思路，预计将对大规模模型训练和未来算法设计产生积极影响。 #学术论文 #机器学习 #深度学习 #优化算法 #arXiv #AI #科技新闻 #研究 #计算机科学
协变量偏移下连续处理效应的因果泛化论文在 arXiv 发表
一篇题为《协变量偏移下连续处理效应的因果泛化》的学术论文于2026年8月19日在 arXiv 平台正式发表，作者为 Jay Jojo Cheng 和 Guanhua Chen。论文通过 DataCite 获得了DOI标识符，但注册流程仍在处理中。该研究聚焦于因果推断领域，旨在探索当协变量分布发生变化时，如何准确估计和泛化连续处理效应，为统计学和机器学习中的因果分析提供方法论支持。论文以预印本形式发布，提供了PDF、HTML等多种访问方式，便于学术界同行快速获取和评审。这一发表可能推动相关领域的理论发展，并为实际应用如医疗效果评估或政策干预分析提供新思路。 #学术论文 #因果推断 #arXiv #统计学 #预印本 #机器学习 #研究
一篇题为《协变量偏移下连续处理效应的因果泛化》的学术论文于2026年8月19日在 arXiv 平台正式发表，作者为 Jay Jojo Cheng 和 Guanhua Chen。论文通过 DataCite 获得了DOI标识符，但注册流程仍在处理中。该研究聚焦于因果推断领域，旨在探索当协变量分布发生变化时，如何准确估计和泛化连续处理效应，为统计学和机器学习中的因果分析提供方法论支持。论文以预印本形式发布，提供了PDF、HTML等多种访问方式，便于学术界同行快速获取和评审。这一发表可能推动相关领域的理论发展，并为实际应用如医疗效果评估或政策干预分析提供新思路。 #学术论文 #因果推断 #arXiv #统计学 #预印本 #机器学习 #研究
量子高斯过程新研究助力信道观测预测
Jonas Jäger及其合作者于2026年8月19日在arXiv平台发布了一篇题为《量子高斯过程用于信道观测预测》的论文。该研究聚焦于量子计算与机器学习的交叉领域，提出利用量子高斯过程模型来提升信道观测数据的预测精度。背景方面，信道预测在量子通信、无线网络等领域至关重要，传统方法受限于计算复杂度和噪声干扰。论文通过理论框架和模拟实验，展示了量子高斯过程在处理高维随机信号方面的优势，有望为量子网络优化和信号处理提供新工具。该成果可能推动相关技术发展，但实际应用仍需进一步验证。 #量子计算 #机器学习 #学术研究 #论文发布 #arXiv #信道预测 #量子通信
Jonas Jäger及其合作者于2026年8月19日在arXiv平台发布了一篇题为《量子高斯过程用于信道观测预测》的论文。该研究聚焦于量子计算与机器学习的交叉领域，提出利用量子高斯过程模型来提升信道观测数据的预测精度。背景方面，信道预测在量子通信、无线网络等领域至关重要，传统方法受限于计算复杂度和噪声干扰。论文通过理论框架和模拟实验，展示了量子高斯过程在处理高维随机信号方面的优势，有望为量子网络优化和信号处理提供新工具。该成果可能推动相关技术发展，但实际应用仍需进一步验证。 #量子计算 #机器学习 #学术研究 #论文发布 #arXiv #信道预测 #量子通信
新论文探索深度ReLU网络在非参数回归中的迁移学习方法
在机器学习领域，迁移学习技术旨在利用源任务的知识提升目标任务的性能，尤其在数据有限时具有重要价值。非参数回归作为统计建模的灵活工具，常与深度学习结合以应对复杂数据分布。近日，一篇题为“使用深度ReLU网络的非参数回归中的迁移学习”的论文在arXiv预印本平台发布，由Junpeng Ren、Carlos Misael Madrid Padilla、Yanzhen Chen和Oscar Hernan Madrid Padilla于2026年8月20日共同提交。该研究深入分析了深度ReLU神经网络在非参数回归框架下的迁移学习机制，探索如何优化模型在跨任务适应中的泛化能力。这一工作可能为机器学习理论提供新的视角，并推动迁移学习在统计推断和人工智能实际应用中的进展。 #迁移学习 #机器学习 #深度学习 #非参数回归 #学术论文 #arXiv #AI #神经网络 #统计学习
在机器学习领域，迁移学习技术旨在利用源任务的知识提升目标任务的性能，尤其在数据有限时具有重要价值。非参数回归作为统计建模的灵活工具，常与深度学习结合以应对复杂数据分布。近日，一篇题为“使用深度ReLU网络的非参数回归中的迁移学习”的论文在arXiv预印本平台发布，由Junpeng Ren、Carlos Misael Madrid Padilla、Yanzhen Chen和Oscar Hernan Madrid Padilla于2026年8月20日共同提交。该研究深入分析了深度ReLU神经网络在非参数回归框架下的迁移学习机制，探索如何优化模型在跨任务适应中的泛化能力。这一工作可能为机器学习理论提供新的视角，并推动迁移学习在统计推断和人工智能实际应用中的进展。 #迁移学习 #机器学习 #深度学习 #非参数回归 #学术论文 #arXiv #AI #神经网络 #统计学习
贝叶斯方法提升AI决策安全性
当前AI系统普遍采用点估计提供预测，但这种方式可能掩盖实际不确定性，使模型显得比现实更确定，导致预测触发自动操作时隐藏风险转化为运营隐患。贝叶斯方法通过概率分布映射不确定性，而非单一数值，帮助系统根据不确定性水平决定何时可独立行动、何时需人工审查或应避免行动。例如，在营销预算调整中，点估计可能显示正向效果，但忽略潜在亏损概率，若直接自动化则可能放大错误。NIST AI风险管理框架强调需捕捉和测量风险，确保AI决策可靠。引入贝叶斯护栏能有效衡量不确定性，提升自动化决策的安全性，减少盲目操作带来的损失。 #AI #贝叶斯 #不确定性 #风险管理 #自动化决策 #科技新闻 #人工智能 #数据分析
当前AI系统普遍采用点估计提供预测，但这种方式可能掩盖实际不确定性，使模型显得比现实更确定，导致预测触发自动操作时隐藏风险转化为运营隐患。贝叶斯方法通过概率分布映射不确定性，而非单一数值，帮助系统根据不确定性水平决定何时可独立行动、何时需人工审查或应避免行动。例如，在营销预算调整中，点估计可能显示正向效果，但忽略潜在亏损概率，若直接自动化则可能放大错误。NIST AI风险管理框架强调需捕捉和测量风险，确保AI决策可靠。引入贝叶斯护栏能有效衡量不确定性，提升自动化决策的安全性，减少盲目操作带来的损失。 #AI #贝叶斯 #不确定性 #风险管理 #自动化决策 #科技新闻 #人工智能 #数据分析
新方法实现离散扩散模型的推理时控制
近日，Lohithsai Yadala Chanchu等三位研究人员在arXiv平台发表了一篇题为《基于嵌套序列蒙特卡洛的离散扩散推理时控制》的论文。该研究聚焦于离散扩散模型在生成式AI中的应用，旨在解决推理阶段难以精确控制生成内容的技术挑战。背景上，扩散模型已成为机器学习领域的主流生成技术，但其在推理过程中缺乏有效的干预机制，限制了在需要严格控制输出的任务中的实用性。论文提出了一种创新方法，通过嵌套序列蒙特卡洛技术在推理时动态调整扩散过程，从而实现对生成样本的实时引导和控制。该方法不仅提升了模型的灵活性和准确性，还为自然语言处理、图像合成等应用提供了新的优化途径。研究结果表明，新技术能显著改善生成任务的性能，推动可控生成模型的进一步发展，对AI研究和实际部署具有重要启示意义。 #机器学习 #扩散模型 #序列蒙特卡洛 #AI研究 #论文发表 #控制方法 #生成式AI #技术突破
近日，Lohithsai Yadala Chanchu等三位研究人员在arXiv平台发表了一篇题为《基于嵌套序列蒙特卡洛的离散扩散推理时控制》的论文。该研究聚焦于离散扩散模型在生成式AI中的应用，旨在解决推理阶段难以精确控制生成内容的技术挑战。背景上，扩散模型已成为机器学习领域的主流生成技术，但其在推理过程中缺乏有效的干预机制，限制了在需要严格控制输出的任务中的实用性。论文提出了一种创新方法，通过嵌套序列蒙特卡洛技术在推理时动态调整扩散过程，从而实现对生成样本的实时引导和控制。该方法不仅提升了模型的灵活性和准确性，还为自然语言处理、图像合成等应用提供了新的优化途径。研究结果表明，新技术能显著改善生成任务的性能，推动可控生成模型的进一步发展，对AI研究和实际部署具有重要启示意义。 #机器学习 #扩散模型 #序列蒙特卡洛 #AI研究 #论文发表 #控制方法 #生成式AI #技术突破
TorchDCM：PyTorch原生离散选择建模工具包正式发布
2026年8月4日，一项名为TorchDCM的开源工具在arXiv平台发布。该工具是一个统一的PyTorch原生包，专为离散选择建模设计，由Baichuan Mo等四位研究者开发。离散选择建模是统计学和机器学习中的重要方法，广泛应用于经济学、交通规划和市场营销等领域，用于分析和预测个体决策行为。TorchDCM整合了多种建模技术，基于PyTorch深度学习框架，提供了高效、易用的接口，旨在简化模型实现和训练流程，提升研究人员的工作效率。该工具的发布预计将推动离散选择建模相关研究的发展，并促进更复杂模型的实际应用。 #PyTorch #TorchDCM #离散选择建模 #机器学习 #统计学 #开源工具 #arXiv #数据科学
2026年8月4日，一项名为TorchDCM的开源工具在arXiv平台发布。该工具是一个统一的PyTorch原生包，专为离散选择建模设计，由Baichuan Mo等四位研究者开发。离散选择建模是统计学和机器学习中的重要方法，广泛应用于经济学、交通规划和市场营销等领域，用于分析和预测个体决策行为。TorchDCM整合了多种建模技术，基于PyTorch深度学习框架，提供了高效、易用的接口，旨在简化模型实现和训练流程，提升研究人员的工作效率。该工具的发布预计将推动离散选择建模相关研究的发展，并促进更复杂模型的实际应用。 #PyTorch #TorchDCM #离散选择建模 #机器学习 #统计学 #开源工具 #arXiv #数据科学
Anthropic Claude 平台全面开放 Computer Use、Skills API 和 Files API
Anthropic 近日宣布，其 Claude 平台的 Computer Use、Skills API 和 Files API 正式进入全面可用阶段，旨在赋能企业构建能够自主操作软件、运用专业知识的生产级智能体。Computer Use 功能迎来重大升级，支持单次模型调用中执行多个连续动作，大幅缩短任务时间，并符合 HIPAA 标准，可用于受监管的医疗负载。全新推出的浏览器使用工具创新性地引入网页结构解析能力，实现更精准高效的自动化操作。同时，Skills API 允许企业上传管理专属技能文件夹，Files API 提供稳定文档存储，速率限制提升五倍，存储空间达 1TB。这些功能已支持 Microsoft Foundry，即将登陆 Google Cloud 的 Vertex AI，将显著推动各行业复杂业务流程的自动化革新。 #Anthropic #Claude #AI #ComputerUse #API #自动化 #科技新闻 #GoogleCloud #Microsoft
Anthropic 近日宣布，其 Claude 平台的 Computer Use、Skills API 和 Files API 正式进入全面可用阶段，旨在赋能企业构建能够自主操作软件、运用专业知识的生产级智能体。Computer Use 功能迎来重大升级，支持单次模型调用中执行多个连续动作，大幅缩短任务时间，并符合 HIPAA 标准，可用于受监管的医疗负载。全新推出的浏览器使用工具创新性地引入网页结构解析能力，实现更精准高效的自动化操作。同时，Skills API 允许企业上传管理专属技能文件夹，Files API 提供稳定文档存储，速率限制提升五倍，存储空间达 1TB。这些功能已支持 Microsoft Foundry，即将登陆 Google Cloud 的 Vertex AI，将显著推动各行业复杂业务流程的自动化革新。 #Anthropic #Claude #AI #ComputerUse #API #自动化 #科技新闻 #GoogleCloud #Microsoft