跳到正文

全部動態

RSS
今日 41 則
11月14日週六
  1. Dev.to Top Tech55

    John Langford 離開 Microsoft,作者反思模型擴大如何擠壓其他研究

    公司把資源集中在擴大型模型時,其他研究方向可能漸漸沒有機會。作者談到 John Langford 在 Microsoft 工作超過 14 年後離開;他曾共同創立 AI Frontiers 研究室,團隊在 9 月併入 Mustafa Suleyman 領導的 AI 部門。作者認為,擴大型模型容易用運算資源換取明顯成果,但這種做法也可能讓不符合主管計畫的研究拿不到資源,研究人員只好離開。文章以此反思,團隊該如何保留不符合當前計畫、卻可能帶來新問題的研究想法。

  2. Dev.to Top Tech48

    Microsoft AI 研究員 John Langford 為何離開待了 14 年的公司?

    John Langford 在 Microsoft 待了 14 年,最後離開,因為他做的 AI 研究一直找不到真正用上的機會,降低成本的想法也沒受到重視。他的 50 人團隊在 9 月被調進 Mustafa Suleyman 的 AI 部門後,彼此的想法差異也更難忽視。他認為,大家都把力氣放在做更大的模型、餵更多資料時,研究就容易只剩下把同一件事做得更好,陌生的新方法反而得不到資源。這也提醒大型公司:如果只獎勵熟悉的做法,再有經驗的研究員也可能覺得無法改變現況,最後選擇離開。

  3. Dev.to Top Tech35

    AI 研究怎麼兼顧模型規模與新點子?

    公司把 AI 研究當成做產品,常會先挑能快速交出成果的點子,讓需要時間摸索的新方法被擱在一旁。Microsoft 研究員 John Langford 離職前,團隊在做的 contextual bandits 和 offline policy evaluation 被他認為離產品太遠;作者也分享,自己帶過的駭客松中,有兩組輕巧、容易理解的模型因為沒承諾讓速度快上十倍而遭擱置,另一組則花了六個月才推出。作者認為,擴大型模型確實能提升準確度,但若公司只看短期回報,研究人才可能離開,重要經驗也難以傳給新人。文中建議替研究留出能容許失敗的時間,也肯定尚未反映在評測成績上的小進展。

  4. 雷科技58

    黃仁勳辭職後,輝達還能守住智慧駕駛晶片市場嗎?

    輝達曾是許多車廠發展高階輔助駕駛時的重要晶片供應商,但如今更多車廠開始自研晶片,或改用其他方案。文章回顧輝達從 NVIDIA DRIVE PX 2、Xavier 到 Orin 系列在車壇的發展,也提到特斯拉、華為和地平線等方案逐漸改變市場選擇。作者認為,車廠自研可降低採購成本,也能更直接運用晶片算力;輝達在中國市場的優勢因此減弱。至於黃仁勳離職後,公司會如何投入車用晶片業務,文章認為目前仍不明朗。

  5. Dev.to Top Tech35

    XNOV.io 的照片強化功能好用嗎?實測看看照片有沒有變好

    照片有點模糊或傳來傳去後變得不清楚,常讓人想找工具補救。XNOV.io 是不用註冊、直接在瀏覽器裡使用的免費工具;它會稍微拉出細節、控制雜訊,讓照片看起來更清楚,但不會把人臉重畫或憑空補出細節。像檔案照片經過處理後,文字邊緣更清楚,也比較好讀;室內光線不好的肖像則保留自然膚色。若原圖已嚴重損壞,這項功能只能稍微整理,救不回消失的細節,也不適合一次處理大量照片。它適合快速修飾本來就還不錯的照片,不能讓糟糕的原圖奇蹟般變好。

  6. Dev.to Top Tech67

    用 ztab 和 MCP 查紐西蘭國會紀錄,追蹤 Lake Onslow 蓄水計畫的爭論

    Lake Onslow 蓄水計畫能不能解決紐西蘭缺水年份的供電問題,從 2020 年起就在國會引發長期爭論。作者用 ztab 和 MCP 搜尋國會紀錄,整理各黨在 2020 至 2024 年的發言:工黨和綠黨主張由政府推動大型蓄水設施,減少缺電時依賴煤氣發電;國家黨和 ACT 則持續質疑工程成本、環境影響及對民間投資的衝擊。政府更替後,計畫於 2023 年遭取消。這份整理也呈現辯論焦點如何從技術評估轉向成本與市場爭議。

  7. This Week in Virology🎙️ Podcast58

    TWiV 1374: Clinical Update with Dr. Daniel Griffin

    In his weekly clinical update, Daniel Griffin and Vincent Racaniello discuss the identification of a type 1 poliovirus outbreak in Syria, the loss of US measles elimination status, use of the influenza vaccine against melanoma, death in Florida from dengue virus infection and return of the virus to the US, wider use of the Ebola ERVEBO vaccine, before Dr. Griffin deep dives into recent statistics on RSV, influenza, SARS-CoV-2 infections and measles, the FDA-approved package inserts for the RSV b

  8. Top Traders Unplugged🎙️ Podcast58

    SI426: The Hard Part Isn't Buying Trend Following ft. Yoav Git

    When markets turn against you, the strategy meant to protect your portfolio may be the last to respond. But is that a flaw in trend following, or have investors misunderstood what protection really means? With Niels away, Alan Dunne is joined by Yoav Git to explore the hidden trade-offs behind building a resilient CTA portfolio. From sudden market crashes to prolonged inflationary shocks, they uncover why different strategies respond to crises in fundamentally different ways, and why the timing

  9. Dev.to Top Tech39

    2026 年替客戶做新網站,WordPress 還是好選擇嗎?

    WordPress 的網站佔比從 2015 年的 23.3%,升到 2026 年 1 月 1 日的 43.0%,如今是 38.7%。替小店做網站時,作者多半還是會選 WordPress:店家能自己改網頁,也能用現成工具賣東西、做表單和搜尋引擎最佳化;而且以後換工程師接手也方便。不過,外掛裝得越多,要更新和維護的東西也越多,還可能故障或被駭。 作者目前的做法是:如果店家常更新內容或要線上上賣東西,就用 WordPress;如果只是放幾頁介紹、很少變動,簡單一點的網站比較省事。至於介於兩者之間的情況,他還在拿捏。

  10. Dev.to Top Tech49

    AI 讓開發者寫程式更快,為什麼我們用的 App 沒變好?

    如果 AI 讓寫程式快了好幾倍,我們用的 App 應該更少出錯、跑得更快,也多出大家等很久的新功能;但有些人覺得,手機上的 App 跟兩年前差不多,甚至更難用。可能是大家沒有真的變快,也可能是省下的時間拿去做更多功能,或是決定要做什麼、檢查和核準程式仍然花很多時間。像一項研究找了 16 位有經驗的開源開發者完成 246 項工作,使用 AI 工具的人反而多花了 19% 的時間,卻以為自己快了約 20%。這提醒我們,覺得工作變快,不一定代表使用者很快就能用到更好的軟體。

  11. Dev.to Top Tech60

    作者檢視 Anthropic 故障紀錄,提醒別把同時發生當成原因

    Claude 和 Microsoft 服務在同一段時間出問題,外界很快把兩件事連在一起。作者檢視 Anthropic 公開的故障紀錄,發現 3 起事件中,只有 Microsoft 365 連接器的故障明確歸因於 Microsoft 365 服務事件;另外兩起,包括登入問題,紀錄都沒有說明原因。作者提醒,沒有寫明原因不代表原因已經確定,也不該拿相鄰事件的說法來補上。企業可以列出每項功能依賴哪些外部服務,以及服務故障時會怎麼退化,並先查供應商的狀態頁再說明原因。

  12. Dev.to Top Tech55

    AI 讓程式產出變快,為什麼敏捷團隊還是卡在審查?

    AI 助理能更快產生程式碼和測試,但審查、整合與核准仍要靠人處理,工作因此可能堆在後面。作者認為,敏捷團隊原本用來分工和同步的流程,建立在程式產出較慢的情況下;當產出變快,瓶頸就轉到判斷成果是否正確,以及能否順利合併。若仍用團隊工時和故事點數安排進度,數字可能只反映產出變多,無法代表真正交付得更快。作者主張把交付、責任和協調分開思考,並提出由一位工程師負責端到端交付、周圍角色提供業務需求、技術脈絡與 AI 實務支援的做法。

  13. Dev.to Top Tech52

    AI 助理寫的程式碼,團隊還得記下誰決定它該怎麼做

    AI 助理寫的程式碼出了問題時,Git 紀錄通常能找到誰提交了修改,卻不一定說得清楚當初為什麼要改。文章指出,記錄 AI 助理用了哪個模型,或程式如何建置,也無法代替團隊當時的決定。作者建議,影響較大的改動要連同觸發原因、目前有效的決定、負責人、核准方式和參考資料一起記下;若決定後來改變,也要保留替代紀錄。這樣日後才能查明程式行為是根據哪項決定,也能讓 AI 助理在改程式前取得相關限制。

  14. Dev.to Top Tech58

    CyberJobs.cc 盤點 2026 年資安職缺:2,875 個職缺分佈在 638 家僱主

    找資安工作時,很多人只注意資安公司,但這份盤點顯示,職缺更多的地方其實是軟體、雲端和金融業。CyberJobs.cc 在 2026 年 11 月 14 日整理 638 家僱主的 2,875 個職缺,資料直接來自僱主的徵才系統。軟體、雲端和金融業合計有 1,506 個職缺,超過資安公司的 698 個;AI 實驗室刊出的職缺薪資中位數為 $308k。大型僱主只佔約五分之一職缺,其餘分散在許多公司,238 家僱主各只有 1 個職缺。若只盯著少數知名公司,容易漏掉其他產業和小型僱主的機會。

  15. Dev.to Top Tech37

    為什麼我不再自己架設 AI 模型:小型專案可能用 API 更省錢

    自己架設 AI 模型看起來能省 API 費用,也比較能掌握資料,但買硬體、付電費、更新模型和排除問題,都會花錢又花時間。作者花了 3 個月、約 $500 買 GPU,還常常每週花 3–4 小時維護;一次展示時,模型花了 15 秒才回答,還漏掉檔案裡的重要決定,改用 API 後不到 3 秒就完成。 作者現在用本機模型處理嵌入向量和不能送上雲端的資料,摘要、資料擷取和聊天則改用 API。他估算,自己架設 3 個月總共花約 $2,420,API 約 $60;加上快取後,API 費用又少了 60%。這個經驗提醒小型專案先把產品做出來,再看實際需求決定怎麼部署;若有資料不能離開自家網路,或有團隊能維護裝置,自己架設仍有理由。

  16. Dev.to Top Tech67

    Linear 和 It's a Plan 比較:開源替代方案有哪些差異

    挑專案管理工具時,團隊常要衡量費用、資料放在哪裡,以及 AI 助理如何執行。It's a Plan 的作者拿自家開源工具和 Linear 比較:Linear 按使用者收費並在自家雲端運作;It's a Plan 可自行架設,社群版免費,Pro 每年 $240,整個執行個體共用費用。兩者都能安排 AI 助理處理工作,但 It's a Plan 可使用自己的 API 金鑰,或讓助理在自己的電腦、伺服器上執行。作者也提到,Linear 操作流暢、免維護,並有較多匯入工具;It's a Plan 則適合想自行管理資料和主機的團隊。

  17. Dev.to Top Tech39

    《Dying Light 2》和《Dying Light: The Beast》為何選用自家 C-Engine 打造跑酷恐怖遊戲?

    《Dying Light》系列要讓玩家在第一人稱視角中跑酷、打鬥,還得讓白天和夜晚改變殭屍的行動;Techland 因此用自家打造的 C-Engine,掌握這些遊戲規則。《Dying Light 2》有超過 3,000 種跑酷動畫,玩家翻越、滑行或爬牆時,動作才不會卡住;夜晚的殭屍也會因光線不同而改變行動。 武器會損壞,玩家得出門找補給,遊戲也能趁這段時間載入前方場景。《Dying Light: The Beast》延續使用 C-Engine,並把故事帶到森林山谷。自家引擎讓 Techland 能照系列需要安排跑酷、光線和合作玩法,但也得花時間打造工具。這個選擇讓遊戲玩起來更像《Dying Light》想要的樣子,也要付出開發上的成本。

  18. Dev.to Top Tech70

    8 款本機大型語言模型實測:120B 的 gpt-oss-120B 比 27B 的 Qwen3.8-27B 快約 3.9 倍

    模型引數多,不一定寫字比較慢;作者在同一臺 Surface Laptop Ultra 上,用同一版 llama.cpp 和相同指令測了 8 款本機大型語言模型。結果中,117B 的 gpt-oss-120B 每秒生成 64.2 個 token,比 27B 的 Qwen3.8-27B 快約 3.9 倍;整體速度較接近每次生成 token 時實際啟用的引數量,但各模型使用的量化方式不同,不能把速度差全歸因於這一點。作者也讓模型修正設定檔裡一個字元打錯的問題,最快的 Flint 花了 12 個步驟仍沒修好,8 款中有 6 款完成。這些結果反映的是單臺電腦上的測試,不能直接代表其他裝置或所有工作。

  19. DAVID888 Daily 每日放送🎙️ Podcast58

    [2026-11-14] 微軟全球大當機重創數百萬企業、黃仁勳閃辭引發輝達內部員工請願潮

    詳細網頁版與參考連結:https://podcast.david888.com/post/2026-11-14 輝達員工發起請願盼黃仁勳回歸,OpenAI則裁撤機器人硬體團隊轉向大模型。微軟全球大當機重創生產力,加上巴西保戶個資外洩,凸顯過度依賴中心化雲端的單點故障風險。技術界因而興起「本地化」與「解耦」浪潮:包括千億引數模型Edge0-145B實現筆電端推論、本地審查代理人的Plannotator、逆向工程家電擺脫雲端,以及利用MCP協議輕量串接跨Agent協作,展現工程架構重拾掌控權的趨勢。 相關連結: OpenAI disbands its robotics team as its general models start running robots AI unlocks Gödel's notebooks, said to contain hundreds of proved theorems Why Zig over C for Systems Programming Edge0-145B: Frontier AI Capabilities on Your Own Comp

  20. ChinaTalk76

    Jensen Huang 離開 NVIDIA 後,MATCH Act 和 RASA 之爭更受關注

    NVIDIA 執行長 Jensen Huang 離職後,美中晶片管制和公司的未來都成了討論焦點。Jordan Schneider、Dylan Patel 和 Jordan Nanos 在緊急播客中,辯論 MATCH Act 是否應限制先進 DUV 裝置輸往中國,以及 RASA 是否該限制中國企業從海外雲端租用 GPU。有人認為保留遠端租用能讓美國監看並隨時切斷算力,也能維持供應鏈合作;有人擔心這會讓中國企業繼續取得受管制晶片。三人也談到 NVIDIA 接班後的人才留任與 Rubin、Feynman 晶片執行風險,並對出口管制如何影響 AI 發展提出不同看法。

    推薦理由:三位受訪者從出口管制、雲端算力與晶片裝置切入,呈現 MATCH Act 與 RASA 對美中 AI 競爭的不同政策考量。

  21. Dev.to Top Tech54

    AI 模型愈來愈像大宗商品,作者解析 LangChain 的工具層為何更有價值

    AI 模型價格會降、能力也會追上,企業若只花錢買模型服務,可能很難留下自己的優勢。作者認為,真正能累積價值的是模型周邊的工具層:決定每個請求交給哪個模型、記錄執行過程,再用事先寫好的標準檢查回答品質。文中也介紹 Google 開源的 AQuA,能從 AI 助理的工作紀錄找出漏掉工具呼叫或忘記使用者條件等問題。作者建議先訂出好答案的檢查標準,再調整路由,最後才擴充服務裝置;同時提醒,資料中心等基礎設施也帶來龐大的資金風險。

  22. Dev.to Top Tech42

    AI 普及後,NewSoft 提醒中型企業:把獨門做法寫進自有軟體,才能留住競爭優勢

    很多中型企業的本事,藏在員工的經驗和 Excel 裡;但競爭對手有了同樣的 AI 後,可能很快就追上來。BCG 把容易被 AI 削弱的優勢歸為專業知識、固定不變的資料和營運效率;比較能變強的則包括信任關係、持續產生的資料,以及把不同工作接在一起的系統。NewSoft 建議企業把最能讓客戶選擇自己的做法寫進自有軟體,例如記下排信用額度或安排急單的規則。這不代表有套系統就一定佔優勢,關鍵是系統真的懂企業獨特的做事方式。

  23. Bloomberg Businessweek🎙️ Podcast58

    Inside Jensen Huang’s Final Hours as Nvidia CEO

    The people, companies and trends shaping the global economy. Watch Carol and Tim LIVE every day on YouTube: http://bit.ly/3vTiACF After weeks spent denying the allegations of infidelity and fighting to remain in his job as Nvidia’s chief executive officer, Jensen Huang’s surrender late Wednesday night was unconditional. His usual take-charge demeanor had evaporated, according to a person familiar with the situation, and he’d started using phrases like “whatever” and “I don’t care.” Huang’s admit

  24. Dev.to Top Tech41

    AI 助理參加競賽時,為什麼有些大門會關上?

    有些競賽要求參賽者證明自己是符合法律資格的人,AI 助理就算能寫程式,也會卡在簽名和身分查驗這關。作者因此改參加另一場只看程式能不能執行的交易競賽,交出一個依照市場狀況調整持股的 Python 函式。主辦方的測試中,它通過了進場門檻,但在波動大的測試期間虧損 9.90%;作者也坦白,這套做法遇到市場突然崩跌時反應不夠快。接下來,他打算參加另一場比賽,讓 AI 助理整理挪威公司的公開資料,並替每項說法附上來源。已有 104 份作品得到評分,暫時沒有作品達到參賽資格要求;作者想試試看,自己的方法能不能讓資料更可靠。

  25. Dev.to Top Tech54

    Veronica Stewart 稽核自家 AI 助理系統,發現兩項嚴重電郵錯誤

    AI 助理代管電郵時,可能把信寄錯,也可能根據過期資料回答問題。Veronica Stewart 稽核自己用來經營一人公司的 AI 助理系統,公開了 15 項問題,其中兩項最嚴重的都和電郵有關:她沒先檢視信箱就回答轉介問題,還有 7 封跟進信寄回自己手上,沒有寄到收件人。她逐封檢查寄件備份後,重新寄出並確認收件人,之後也訂下先查收發信件、核對實際收件地址的做法。這份紀錄也提醒,稽核提出的問題需要逐項查證;作者提到的一項工作紀錄矛盾,最後仍沒有解決。

  26. Goldman Sachs: The Markets🎙️ Podcast58

    How Will Higher-than-Expected Inflation Data Impact the Fed's Next Rate Decisions?

    While a smaller hike remains more likely, October’s hotter-than-expected inflation data may open the door to a 50-basis point rate hike at the Fed’s December meeting, says Muhammad Qubbaj, co-head of North America Interest Rate Product Sales and Trading in Goldman Sachs FICC and Equities. A recent drop in oil prices is unlikely to give the Fed cover to look past the CPI number without becoming more aggressive in the inflation fight, Qubbaj says on this episode of The Markets podcast. He also exp