Briefings:
-
今日癌症治疗的未来:患者支持服务- Hacker News
-
双头栈分配器性能优化- Hacker News
-
LFM2.5-24B-A2B:快速的端侧AI智能体- Hacker News
-
一种新的开源模式:拒绝PR,鼓励重新混用- Hacker News
-
Tiny Little Office推出新工作空间平台- Hacker News
-
Jev 1.14.0 发布,附带实验性“危险区”功能- Hacker News
-
OpenCode 2.0:后台服务、全新 API、代码模式- Hacker News
-
Anthropic的Scion与Meta的Mononoke设计如出一辙- Hacker News
-
终结者问题:一个坏习惯如何改变大语言模型- ByteByteGo
-
热传导数学助力大语言模型理解词序- ByteByteGo
-
超越语言的模型构建:Logical Intelligence- ByteByteGo
-
为什么软件边界对开发者很重要- ByteByteGo
-
Netflix 如何教会 LLM 推荐电影- ByteByteGo
-
为什么LLM即使在你错误时也同意你- ByteByteGo
-
LLM盲点:为什么模型会忘记提示中间的信息- ByteByteGo
-
AI评估课程报名3天后截止- ByteByteGo
Briefings:
-
谷歌研究2026:AI放大人类智慧的10种方式- Google AI Blog
-
Earth AI:应对地球挑战的地理空间智能体- Google AI Blog
-
深度评审:用于技术文档检查的AI- Google AI Blog
-
AI与专业知识:更好的工作是否意味着更好的员工?- Google AI Blog
-
解锁Google Earth AI助力全球公共卫生- Google AI Blog
-
代理隐私与安全挑战- Google AI Blog
-
谷歌新一代基于TEE的联邦学习- Google AI Blog
-
扩散控制器:统一AI图像生成- Google AI Blog
-
AI视频联合导演:自动化长视频生成- Google AI Blog
-
MilleMiglia:中程物流生成器- Google AI Blog
-
Amp 让 AI 智能体超越代码领域工作- OpenAI Blog
-
SentinelOne将恶意软件分析时间缩短至数小时- OpenAI Blog
-
Block 借助 OpenAI 技术打造 AI 安全防护- OpenAI Blog
-
Third Moment Research 运行 10,000 个 AI 智能体- OpenAI Blog
-
欧盟企业加速采用智能体AI工具- OpenAI Blog
-
Higgsfield AI将AI视频时长推进至10分钟以上- OpenAI Blog
-
Sophos借助OpenAI将调查时间缩短96%- OpenAI Blog
-
Asana借助GPT-6.1 Sol将浏览器代理成本降低76倍- OpenAI Blog
-
Oracle借助AI将数天工作缩短至数分钟- OpenAI Blog
-
Pollo AI 将创意变为营销活动- OpenAI Blog
-
DeepMind与新加坡推出设备端诈骗检测工具
- Google DeepMind Blog
-
Gemini 4 Argon:负责任的AI安全方法- Google DeepMind Blog
-
Gemini 4 Argon:谷歌攻克最难问题的模型- Google DeepMind Blog
-
EmbeddingGemma 2:开放的多模态嵌入模型- Google DeepMind Blog
-
Gemini 4 Argon: our next era of frontier intelligence- Google DeepMind Blog
-
SynthID Bio:为AI生成的蛋白质添加水印
- Google DeepMind Blog
-
Gemini 3.8 Live 推出实时虚拟形象功能- Google DeepMind Blog
-
Google DeepMind 推出私有 AI 计算内存技术
- Google DeepMind Blog
-
谷歌首次发布Gemini 3.8富有表现力的文本转语音模型- Google DeepMind Blog
-
Google DeepMind 推出 WeatherNext 3 AI 模型- Google DeepMind Blog
-
堆叠法能否超越你最好的机器学习模型?
- Towards Data Science
-
词嵌入如何捕捉词与词之间的关系
- Towards Data Science
-
无需共享数据的联邦特征选择- Towards Data Science
-
构建可持续演进的AI应用:脚手架方法- Towards Data Science
-
你的AI智能体需要更好的系统,而不是更多自由- Towards Data Science
-
NUTS、emcee 与嵌套采样:谁更胜一筹?- Towards Data Science
-
编码智能体能解决任务,但是否浪费了工作量?- Towards Data Science
-
产品数据科学中的自然语言处理:实用指南- Towards Data Science
-
我们在2016年就设计过AI智能体,当时我们称之为分析系统- Towards Data Science
-
AI图像评判器未能通过简单测试- Towards Data Science
-
开放式AI模型:优势与风险- MIT Technology Review AI
-
AI实验室从倒闭的初创公司购买数据- MIT Technology Review AI
-
我们对AI说“不”的能力寄予了过高的信任- MIT Technology Review AI
-
AI设计的病毒:与Samuel King的对话- MIT Technology Review AI
-
人形机器人面临现实检验,尽管炒作不断- MIT Technology Review AI
-
AVEVA 的 Arti Garg 谈安全工业 AI 部署- MIT Technology Review AI
-
将AI代理与企业知识连接起来- MIT Technology Review AI
-
预测分析与智能体AI时代相遇- MIT Technology Review AI
-
人们为何讨厌AI却又离不开它- MIT Technology Review AI
-
企业AI:代理转变解析- MIT Technology Review AI