跳到正文

#AI

今日 13 条
9月25日周五
  1. GitHub Blog72

    GitHub 通过迁移至 CSS Modules 提升站点性能

    GitHub 通过将 Primer Design System 从 CSS-in-JS 迁移至 CSS Modules，并逐步移除 GitHub 代码中的相关依赖，改善了站点性能。

    推荐理由：文章记录了 GitHub 从 CSS-in-JS 迁移到 CSS Modules 的分阶段方案，涵盖性能数据、兼容策略、主题解耦与自动化迁移，适合大型前端团队评估架构改造路径。

  3. GitHub Blog65

    GitHub Copilot：聊天何时是错误的界面

    GitHub Copilot app 中的 canvas 是可定制的全栈应用，能与 GitHub Copilot agent 双向通信，并执行常规计算机程序可完成的操作。文章通过 Connect 4、Winget、SQLite 和开发工作流示例，说明定制界面可减少重复调用代理、降低 token 消耗，并支持在研究、原型、实现和迭代阶段使用更适合任务的交互方式。

    推荐理由：文章以 Connect 4、Winget、SQLite 和开发工作流为例，说明如何用 canvas 构建可操作的应用界面，减少重复对话，并为代理协作提供更贴合任务形态的交互方式。

  4. Google Research Blog64

    Google Research 提出连贯长视频生成多代理框架

    Google Research 提出 AI video co-director 统一多代理框架，并介绍 CANVAS、A²RD 与 VQQA。其方法分别处理多镜头创意规划、视觉状态连续性、分钟级视频生成和视觉瑕疵反馈优化。

    推荐理由：将长视频生成拆分为全局创意规划、视觉连续性、长程生成与闭环优化，框架、评测集和量化结果可供研究与原型验证参考。

  8. Grafana Blog55

    如何为AI代理行为设置SLO与错误预算

    Grafana Labs提出用评估将AI代理行为转化为可测量指标，再为目标设定SLO，将未达标比例作为错误预算。团队可在预算内测试提示词和模型，通过真实对话回放检查目标达成情况，并让Grafana Assistant协助创建评估、推荐目标和建立SLO。

  9. Google DeepMind Blog66

    Google 发布 Gemini 3.8 Live 与 Live Avatar

    Google 发布 Gemini 3.8 Live with Live Avatar，将近实时视频生成与语音结合，为 Gemini Enterprise 提供可听、看、说并带动态形象的对话体验。该功能支持异步工具调用、97种语言同步，并用水印标记AI生成的音视频；自定义头像目前仅限企业白名单。

    推荐理由：为多模态对话、异步工具调用和企业品牌化虚拟形象提供可落地的集成路径，但自定义头像目前仅向获准企业开放。

  11. Docker Blog68

    Docker与CNCF合作提出Docker Sandbox Kit规范

    Docker宣布开源Docker Sandbox Kit规范，并以Apache 2.0许可提交CNCF治理。Kit采用普通OCI镜像，将代理、工具及对主机、凭据和卷的访问请求放在同一镜像中；它可像现有镜像一样构建、推送、拉取、签名和扫描，兼容符合规范的运行时执行权限。

    推荐理由：将代理、工具及其访问请求统一封装为OCI镜像，便于团队共享、审查和运行时执行权限规则，并推动CNCF中立治理与生态采用。

  12. Docker Blog77

    Docker 发布 Sandbox Kit Specification v3

    Docker 发布开源的 Docker Sandbox Kit Specification v3，并以 Apache 2.0 许可提供。Kit 现在是普通 OCI 镜像，清单通过 vnd.docker.sandbox.kit.descriptor 注解携带声明，镜像层承载内容。规范要求权限由宿主决定，并提供制品与运行时一致性测试；Docker Sandboxes 是文中所述的首个符合规范的运行时。

    推荐理由：将代理运行所需的网络、凭据、卷等权限声明纳入OCI镜像，便于构建、审查、签名及跨运行时一致执行，为代理隔离与权限治理提供可复用规范。

9月24日周四
  1. NVIDIA Developer Blog13

    生物基础模型的高效 MoE 训练

    生物基础模型采用 Mixture-of-experts（MoE）架构进行高效训练，通过让每个 token 仅激活一部分专家子网络来扩展模型。随着模型规模增长，稠密 Transformer 中每个 token 都会经过所有层，增加能力会同步提高训练和推理的计算成本。

  2. Hugging Face Blog66

    Liquid AI 发布实验性 LFM2.5-VL-3B-DSpark 视觉语言模型草稿器

    Liquid AI 发布实验性 DSpark 草稿模型，为 LFM2.5-VL-3B 增加推测解码路径，以约 280M 参数换取视觉语言推理加速。测试显示，设备端解码最高加速 3.13 倍，H100 解码最高加速 2.66 倍，但视觉编码和 prefill 不受该路径加速；模型支持 llama.cpp、MLX-VLM 和 SGLang。

    推荐理由：文章提供 LFM2.5-VL-3B 的实验性 DSpark 草稿模型及 CPU、GPU 测试数据，并说明接入方式、内存代价和视觉任务中的加速边界，适合评估端侧或自托管部署方案。

  3. NVIDIA Blog65

    NVIDIA联合发布开放病毒蛋白复合物数据集

    NVIDIA与Google DeepMind、EMBL-EBI等机构发布涵盖2,800多种病毒的预测3D蛋白复合物结构，数据通过AlphaFold Database向全球科学家开放。约30%的蛋白相互作用此前未见于Protein Data Bank；NVIDIA还开放生成该数据集所用的BioNeMo Structure Prediction Pipeline。

    推荐理由：该发布同时提供大规模病毒蛋白复合物预测数据和可复用的GPU加速流程，有助于研究人员生成假设、选择验证目标并提前积累大流行准备所需结构信息。

  4. Ollama 官方发布64

    Ollama v0.34.4 发布：优化思考模型结构化输出与 Apple Silicon 表现

    Ollama v0.34.4 发布，思考模型的结构化输出改为单次处理，以提升速度和可靠性。版本修复大型本地模型库间歇性出现“model not found”错误。

    推荐理由：覆盖思考模型结构化输出、模型识别错误、macOS 无响应及 Apple Silicon 性能与图像处理优化，适合关注本地模型运行稳定性和设备适配的用户参考。

  5. Elastic Blog71

    Elastic 用原子化声明核验降低 LLM 幻觉风险

    Elastic 介绍如何用原子化声明检查降低 LLM 合并知识库文章时的幻觉和遗漏风险。其流程先合并两篇文档，再针对每篇来源单独提取事实、步骤、版本和指令，生成覆盖表与冲突记录，最后由工程师处理缺失、部分匹配和冲突。该方法以三次模型调用和两张表为核心，并保留人工最终编辑。

  6. Go Blog79

    Go 1.26 与 1.27 引入实验性跨平台 SIMD 接口

    Go 1.26 为 amd64 引入 SIMD API，Go 1.27 扩展到 arm64 的 NEON 和 wasm，并提供实验性的跨平台 simd 接口。simd 通过移除固定向量长度、限定共同支持的操作并以模拟补齐差异，使代码在支持或不支持 SIMD 的平台上运行；构建时需设置 GOEXPERIMENT=simd，Go 1.28 计划加入 SVE 支持及更多操作。

    推荐理由：文章说明 Go 1.26、1.27 的实验性 SIMD API 及跨平台接口设计，给出启用方式、平台差异、回退机制与后续计划，对评估 Go SIMD 方案有直接参考价值。

  8. NVIDIA Developer Blog25

    AI 工作负载运行前验证 GPU 集群就绪状态

    GPU 集群即使通过全部健康检查，也可能无法正常运行 AI 工作负载。即使 GPU、网络链路和 pod 均显示正常，512-GPU 训练作业仍可能性能不足或失败。单颗 GPU 变慢、链路在负载下退化或配置将流量导向较慢路径，都可能使问题延迟至作业启动数小时后才被发现。

9月23日周三
  1. Google DeepMind Blog71

    Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS

    Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS，分别用于深度创意控制与大规模语音生成。

    推荐理由：两款模型分别面向创意控制与大规模成本敏感场景，并提供声音复制、逐句表演和多语言支持；文章还说明发布渠道、可用范围及声音授权与水印机制，便于评估落地条件。

  2. Ubuntu Blog72

    使用Charmed Kubeflow与Feast微调并部署自定义LLM

    文章提供使用Canonical Charmed Kubeflow和Feast微调自定义LLM的端到端教程，目标是构建可通过OpenAI-like REST API聊天的模型服务。

    推荐理由：文章提供从环境搭建、数据摄取、特征注册、LoRA微调到KServe部署与对话测试的完整流程，并明确硬件、权限和持久化要求，适合希望在小规模Kubernetes环境中验证自定义LLM流程的读者。

  3. NVIDIA Blog28

    Sakeena Fiza 帮助 NVIDIA 硬件实现规模化可靠运行

    NVIDIA 验证工程师 Sakeena Fiza 与跨学科团队在产品量产前测试数据中心系统，覆盖固件、硬件、软件、机械设计、热能与制造环节。她回忆曾见证 NVIDIA Rubin GPU 首次在系统级完成枚举，并形容团队发现产品首个运行迹象时集体欢呼。验证团队还会在多种现实条件下让硬件运行至极限，以便在客户使用前发现并解决潜在问题。

  4. JetBrains Blog39

    JetBrains 对话 Oppex AI 创始人 Prasun Kumar：用 AI agents 加速处理生产故障

    Oppex AI 创始人兼 CEO Prasun Kumar 介绍，其 AI agents 会在开发者被叫醒前汇总生产故障信息并提出处理建议，目标将平均恢复时间降至 10 分钟以内。团队通过 chaos monkey 在测试环境中制造故障，强化 agent 的可靠性。约 15 人的团队已推出产品并服务首批企业客户，90% 的工作使用 IntelliJ IDEA。

  5. GitHub Blog65

    GitHub用户寻求更高效的软件：调查需求与Daily Efficiency Improver实践

    GitHub与Yale Program on Climate Change Communication调查了1,039名GitHub用户，80%希望使用工具编写更节能的代码，78%希望学习降低软件环境影响的最佳实践，74%希望衡量软件或开发过程的环境影响。

    推荐理由：文章结合1,039名GitHub用户调查与可复现工作流，说明如何寻找代码、数据、网络和前端浪费，并用基准、测试及草稿Pull Request让维护者审核效率改进。

  16. AWS News Blog73

    AWS发布Amazon CloudWatch Omni：面向生成式AI与智能体工作负载的可观测性方案

    AWS正式发布Amazon CloudWatch Omni，为生成式AI和AI智能体提供统一的观测、评估与实验体验，支持在VS Code、Kiro及独立网页界面中使用。该方案支持结构化追踪、17项内置评估器、提示词对比、实验和回滚管理，并可通过OpenTelemetry相关标准接入多种框架；IDE扩展可免费使用，无需AWS账户即可开始，云端连接为可选。