AI & ML Research 24 Hours

最后更新: September 25, 2026, 10:31 PM ET

AI 与工程工具

Proaction 通过将 Codex、GPT-Live-1 和 GPT-6 Astra 直接集成到其运营技术栈中，销售额提升了 60%，并收回了超过 75 小时的工程时间。该公司现在将这些工具作为核心基础设施而非辅助工具，用于构建、运营和销售机器学习模型。

RAG 与智能体架构

一种新架构通过明确构建 RAG 系统与自主智能体之间的层，将检索与行动分离开来。作者认为，将检索与行动混为一谈会导致系统脆弱，并展示了一种模块化设计，其中检索为决策层提供信息，该决策层仅在必要时触发工具使用。

评估与不确定性

当模型通过自回归 rollout 进行评估时，传统的 MSE 指标会误导开发者。本系列的第二部分引入了不确定性传播技术，以更好地量化跨顺序决策点的预测置信度，并警告称，朴素的误差指标忽略了迭代系统中复合方差的问题。

决策基准测试

Type Safe AI 的 Jev 模型在 3,080 个分类任务上进行了测试，以衡量其从生成性能向决策性能的转变。结果显示，在结构化分类任务中，Jev 在精确度上比标准 LLM 高出 22%，尤其是在置信度阈值比原始输出多样性更重要的边缘案例中。

更广泛的技术素养

除了模型调优之外，从业者正在学习相邻技术——包括分布式系统、可观测性和提示工程伦理——以构建生产级 AI 系统。作者列出了十项将机器学习研究人员与可部署 AI 工程师区分开来的能力。

国防与生物研究

五角大楼计划在五年内拨款 3030 万美元开发一款 AI 驱动的测谎仪，这引发了关于算法公平性和监控伦理的质疑。另外，一项研究挑战了“年轻器官”恢复活力的假说，发现年轻器官移植的接受者并未出现显著的表观遗传重编程——这动摇了“青春之泉”理论的一个关键支柱。