跳到正文

#部署/工程

今日 0 条
9月29日周二
  1. Ars Technica · AI71

    Firefox 负责人谈 Firefox 157 改版、AI 策略与争取 Chrome 用户

    Mozilla Firefox 负责人 Ajit Varma 表示,Firefox 157 的桌面和移动端改版旨在通过更现代的设计、定制选项和生产力功能吸引更广泛的用户。Firefox 将继续支持 Manifest V2,并提供可关闭或按需启用的 AI 控制,同时加大企业和学校工具投入。Varma 还称,AI 工具帮助 Mozilla 加快开发,但 Gecko、性能和网页兼容性仍是核心投入。

  2. MIT Technology Review · AI31

    如何让 AI 从一项支出变成资产

    AI 从试验走向生产后,企业不应只比较 token 价格和最新模型,还需评估持续、可预测的工作负载是否适合投资专用算力。是否自建取决于模型、token 结构、性能、能源成本和利用率,企业还要通过采用、治理与扩展高价值用例,让容量持续产生价值。

9月21日周一
  1. NVIDIA Blog43

    AI 安全是工程问题:如何覆盖智能体技术栈的每一层

    AI 智能体安全需要在模型、工具编排和运行时等每一层设置可执行边界,由明确负责人管理,并用受保护的日志和可重复测试验证防护有效。NVIDIA OpenShell 是开源安全运行时,可在智能体无法干预的范围外执行策略并提供沙箱;Open Secure AI Alliance 合作伙伴正围绕其扩展治理、技能扫描与策略控制。

8月3日周一
  1. Import AI37

    Import AI 467:自维持 AI 病毒现身,AI 进展与创造力引发讨论

    多家机构研究人员构建出一种可利用被攻陷 GPU 运行开源权重 LLM、发现漏洞并自我复制的 AI 计算机蠕虫原型,证明自维持的 AI 驱动网络威胁已不再只是理论。该原型漏洞检测成功率约 80%、漏洞利用约 53%、自我复制 88%,完整攻击成功率约 37%。文章还讨论 AI 进步可能推高计算成本,以及 AI 与创造力的关系。

7月30日周四
  1. Hugging Face Blog40

    GPU 管理:为什么闲置 GPU 正成为新的“停场飞机”

    企业 AI 的下一项真正瓶颈正从模型智能转向 GPU 利用率:GPU 按日历小时产生融资、折旧、电力和冷却成本,只有执行计算时才产生产出。随着企业从 API 转向自购 GPU、以固定资本成本换取可控的生产成本,采购硬件并不能解决问题,如何持续让集群忙起来才决定投入是否值得。

7月7日周二
  1. Berkeley AI Research67

    Berkeley AI Research:近乎免费的智能如何重塑智能体数据系统

    Berkeley AI Research 的文章认为,AI 推理成本快速下降将推动智能体成为数据系统的主要工作负载,并带来三类问题:为智能体设计数据系统、为大规模智能体群构建状态与协作基础设施,以及由智能体合成定制数据系统。文章讨论了 agentic speculation、结构化记忆、多智能体协调与故障处理,以及通过验证智能体和证明系统保障自动生成系统的可靠性。

    推荐理由:文章将智能体数据系统拆成支持智能体、承载智能体和由智能体构建三类问题,为理解多智能体规模化运行的工程瓶颈提供了清晰框架。

5月8日周五
  1. Berkeley AI Research64

    Adaptive Parallel Reasoning:高效推理扩展的下一种范式

    Berkeley AI Research 发布对 Adaptive Parallel Reasoning 的综述与观点分析,介绍模型如何在推理时动态决定是否并行、并行线程数及协调方式。

    推荐理由:文章梳理了自适应并行推理的控制流、执行系统与训练奖励设计,帮助读者比较不同方案在准确率、延迟和工程复杂度上的取舍。