跳到正文

全部動態

RSS
今日 4 則
11月13日週五
  1. Arena.ai38

    Gemini 4 Hydrogen 擅長知識工作。 根據超過 6,000 場真實世界的 AI 助理工作階段,Hydrogen (High) 在 Agent Arena 總排名第 5。在知識工作任務中則升至第 4。 因此,它在這類任務上的排名超越了整體排名高於它的三款競爭模型:Claude Opus 5.5 (Max)、GPT-6 Astra (Max) 和 Claude Sonnet 5.5 (Max)。 這表示 @GoogleDeepMind 的 Hydrogen 不僅是 Agent Arena 前 5 名中速度最快的模型,也是適合真實世界工作的強大選擇。

  2. Google Developers Blog63

    Google Agent Anomaly Detection 在五個非 Google 撰寫的基準中偵測表現如何

    Google 公佈 Agent Anomaly Detection 在五個非 Google 撰寫的公開AI 助理安全基準上的測試結果,涵蓋 1,774 個工作階段;該功能會分析AI 助理追蹤紀錄與日誌,標記越出預期界線的行為。

    推薦理由:這項測試比較五個公開基準中的偵測表現,並呈現成功攔截後的告警率、誤報範圍與長期記憶投毒的弱點。

  3. LangChain Blog40

    企業如何掌握自身 AI 智慧,建立持續優勢

    LangChain 指出,企業若要把 AI 用於營運核心或客戶產品,就必須掌握讓通用智慧符合自身業務需求的系統,才能創造實際效益並建立差異化。 - 掌控AI 助理系統:管理模型、協調層(harness)與情境資料,包括檔案、政策、工具、技能、偏好、組織知識與記憶;保留切換模型供應商的彈性,也能避免供應商鎖定。

  4. AWS Machine Learning Blog74

    如何以 Amazon Bedrock 和 LiteLLM 建置自助式 LLM 閘道

    AWS 說明如何以 LiteLLM、AWS Fargate 與 Amazon Bedrock Application Inference Profiles 建置自助式 LLM 閘道,讓開發者透過 OpenAI 相容 API 使用模型,並管理個別使用者的成本與用量。

    推薦理由:文章以數百名開發者的部署經驗,說明閘道在成本控管、長請求逾時與跨區配額上的設定取捨,並提供可操作的配置範例。

  5. AWS Machine Learning Blog66

    AWS 說明如何降低 Amazon Bedrock 每項任務成本並衡量 Agent 投資報酬

    AWS 說明如何計算 Amazon Bedrock 的每項任務成本、降低 Agent 支出,並透過人工基準與對照實驗衡量投資報酬。 - 四項隱藏成本:Tokenizer 效率、輸出冗長程度、Agent 工具迴圈次數與推理開銷,都會影響實際任務成本。

    推薦理由:文章把模型成本拆解為 token 效率、輸出長度、工具迴圈與推理開銷,並提供以成功任務成本和人工基準衡量 Agent 投資報酬的實作框架。

  6. Databricks Blog62

    Databricks 推出 Lakehouse//RT Beta,主打高併發即時分析與降低基礎設施成本

    Databricks 推出 Lakehouse//RT Beta,讓即時分析直接查詢 lakehouse 資料,並以高併發、較快查詢與小幅自動擴縮,降低工作負載成長時的基礎設施成本。

    推薦理由:文章以 Aurasell、VisionHeight 與 nOps 的案例呈現查詢速度、基礎設施成本及資料重複量的變化,可用來瞭解 Lakehouse//RT 在即時分析工作負載中的實際取捨。

  7. AWS What's New69

    Amazon Aurora 和 RDS 開放使用 Graviton5 R9g 資料庫執行個體

    資料庫工作量變大時,升級執行個體可能影響效能和成本。AWS 現在讓 Amazon Aurora 與 RDS 的多種資料庫服務使用 Graviton5 R9g 執行個體。在 Amazon Aurora 上,和同樣大小的 Graviton4 執行個體相比,效能最高可提升 30%,價效比最高可提升 22%;實際差異會依資料庫引擎、版本和工作負載而變。R9g 提供 9 種大小,最多有 192 個 vCPU,並已在美國東部、美國西部及法蘭克福等區域推出。

    推薦理由:Amazon Aurora 上的 R9g 實例相較 Graviton4,效能最高提升 30%、價效比最高提升 22%,差異會依資料庫引擎、版本和工作負載而變。

  8. Google AI Official Blog88

    Google Search 全球升級 Gemini 4 Hydrogen

    Google Search 將 Gemini 4 Hydrogen 帶給全球所有使用者,更新涵蓋問題理解、搜尋連結與回應呈現。 - 問題理解:可處理多部分問題、難以理解的拼字錯誤與特定需求,並更精確地遵循指示及使用工具。

    推薦理由:這次更新涵蓋複雜問題理解、跨子題搜尋與視覺化回應,可從中瞭解 Gemini 4 Hydrogen 如何改變 Google Search 的回答方式。

  9. Cognition76

    Gemini 4 Hydrogen 已在 Devin Desktop 與 Devin CLI 上線,並在評估真實世界工程任務品質與可合併性的 FrontierCode 2.0 基準中獲得 38.2%。 基準比較:成績略低於 GPT-6.1 Sol。 基準說明:FrontierCode 2.0 評估模型處理真實世界工程任務的品質與可合併性。 https://t.co/fiAMNd9oz8

    推薦理由:Gemini 4 Hydrogen 已可在 Devin Desktop 與 Devin CLI 使用,並提供 FrontierCode 2.0 的工程任務基準成績,可瞭解其在該測試中的相對表現。

  10. Vercel Blog44

    Google Gemini 4 Hydrogen 開放透過 Vercel AI Gateway 使用

    Google 的 Gemini 4 Hydrogen 現已透過 Vercel AI Gateway 提供,接替 Gemini 3.8 Flash,在維持相同延遲級別的同時,提升 AI 助理程式設計、知識工作與工具使用能力。 能力變化:可處理較長的工程任務,並以較少的 AI 助理步驟產出研究更充分的檔案、試算表與簡報;也更能遵循系統指令、格式要求和任務範圍,並在長對話中更可靠地協調工具。 推理與依據:視覺推理和技術問題解決能力有所提升,可支援多模態工作流程;更強的 grounding 可減少搜尋回答中的無依據說法,以及程式設計報告中虛構的工具或測試結果。 使用方式:在最新版本的 Vercel CLI 執行設定,並於 AI 助理中選擇 google/gemini-4-hydrogen,即可在 Claude Code、Codex、Cursor 等工具中使用;也可透過模型 playground 試用。 AI Gateway 服務:提供統一 API,可呼叫模型、追蹤用量與成本,並設定重試、故障轉移及效能最佳化。服務包含自訂報表、Zero Data Retention 支援、API 金鑰預算與路由規則;依照模型供應商定價,不加價,也不對推論收取平臺費用,包含 Bring Your Own Key(BYOK)請求。

  11. Vercel Blog76

    Vercel 教你如何測試 Agent 與其使用的軟體

    Vercel 說明如何用評測衡量 Agent 是否能正確完成使用者任務,並以咖啡訂單示範端到端評測的設計、執行與分析。 - 測試層級:依 LLM 呼叫次數分為確定性測試、單輪評測與端到端評測;若要檢查整個任務是否達成,端到端評測會在環境中執行完整流程,再驗證結果。

    推薦理由:文章以咖啡訂單示範如何設計端到端 Agent 評測,並說明成功率與 Pass^k 回答不同可靠性問題,協助團隊選擇合適指標。

  12. AWS Machine Learning Blog78

    AWS 升級 Amazon Bedrock AgentCore Runtime,提升AI 助理執行效能與資料隔離

    AWS 宣佈推出新一代 Amazon Bedrock AgentCore Runtime,在維持每個工作階段硬體隔離的前提下,提升啟動速度、運算容量與資源使用效率。

    推薦理由:AgentCore Runtime 同時調整啟動速度、運算容量、記憶體計費與資料隔離,呈現企業部署長時間、多工作階段AI 助理時的基礎設施取捨。

  13. OpenAI Alignment Research Blog66

    OpenAI 以自動化紅隊訓練 GPT-6 Astra 與 Sol 抵禦高風險領域越獄

    OpenAI 說明如何運用自動化紅隊生成的合成越獄提示訓練 GPT-6 Astra 與 Sol,提升模型在網路安全、生物學及暴力活動等高風險領域抵禦越獄的能力。

    推薦理由:研究展示如何以自動紅隊生成的合成越獄提示進行強化學習訓練,並比較模型面對固定與自適應攻擊時的安全表現。

  14. Apple Machine Learning Research62

    Apple 研究推導語言模型對齊的理論極限,發現 PPO 與 GRPO 表現仍有差距

    Apple Machine Learning Research 推導固定 KL 散度預算下語言模型可達成的最高獎勵提升,並在安全與摘要任務中比較不同對齊方法與理論上限。

    推薦理由:研究推導固定 KL 預算下的對齊獎勵上限,並比較 best-of-N、PPO 與 GRPO,呈現現有方法距理論界線的差距。

  15. ClaudeDevs64

    Anthropic 開放自託管版 Claude Managed Agents 私人測試,讓使用者自行託管 Agent 執行框架、沙箱與工作階段紀錄,並選擇 Claude 請求的傳送位置。 可部署於自己的雲端或內部部署環境。

    推薦理由:Anthropic 將 Claude Managed Agents 的執行環境與工作階段紀錄交由使用者自行託管,並可選擇 Claude 請求的傳送位置,提供部署方式上的彈性。

  16. AWS What's New58

    Amazon MWAA 新增精細許可權管理,讓多個團隊共用環境

    多個團隊共用 Apache Airflow 環境時,管理者需要控制每個人能看到哪些工作流程和資源。Amazon MWAA 現在可連線 IAM Identity Center,依使用者的許可權設定控制他們能對哪些工作流程、連線和變數進行操作;多團隊功能則讓各團隊把自己的 DAG 放在不同資料夾,並依群組成員資格決定誰看得到。這樣團隊能共用同一套環境,減少重複設定與基礎設施成本。多團隊功能目前仍在預覽階段,兩項功能已在提供 Amazon MWAA 的所有 AWS 區域推出。

  17. AWS What's New47

    Amazon MWAA 無伺服器版加入 Apache Airflow 操作介面

    使用 Amazon MWAA 無伺服器版管理工作流程時,團隊現在可以開啟 Apache Airflow 操作介面,檢視工作流程、執行狀況和工作紀錄,也能檢視程式碼與版本,或啟動一次工作流程。介面會依照開啟者的 IAM 許可權,只顯示他能讀取的內容,而且只能檢視,不能修改;操作也會記錄在 AWS CloudTrail。熟悉 Airflow 的團隊可以直接用熟悉的畫面管理工作流程,這項功能已在所有提供 Amazon MWAA 無伺服器版的 AWS 區域推出。

  18. Browser Use Releases48

    browser-use 1.0.3 修正命令列錯誤並加快瀏覽器操作

    使用 browser-use 操作瀏覽器時,關閉連線可能讓命令列報錯,找不到瀏覽器也可能要等很久。browser-use 1.0.3 修正了這些情況:例如,連線提早關閉時,命令列會正常結束;如果 BU_CDP_URL 指向沒有回應的位址,系統會在 3 秒內顯示錯誤。取消雲端操作後,下載的檔案也會在 10 秒內複製完成。這些改動能減少等待,也讓錯誤訊息更清楚。

  19. PyTorch Blog67

    Helion 為 Triton 核心加入編譯期啟發式設定,免自動調校提升效能

    PyTorch 宣佈 Helion 在 Triton 後端加入編譯期啟發式設定,分析核心的 IR 與資料流,自動選擇設定,免去自動調校即可提升多組測試的效能。

    推薦理由:Helion 在 H100 與 B200 上預設啟用編譯期啟發式設定;文中多組基準比較呈現其效能與完整自動調校之間的差距。

  20. AWS Machine Learning Blog70

    如何使用 coding agent 將 Amazon Bedrock 知識庫遷移至 Managed Knowledge Base

    AWS 說明如何使用 Agent Toolkit for AWS 中的遷移指南,協助將 Amazon Bedrock 客戶管理知識庫遷移至 Managed Knowledge Base,並在切換流量前驗證檢索結果。

    推薦理由:文章將知識庫遷移拆成唯讀盤點、逐項審查計畫與核准後建置,並說明如何平行驗證檢索結果,提供可參照的遷移流程。

  21. Replit Blog82

    Replit Agent 新增企業用品採購與 Google Ads 廣告管理功能

    Replit 為 Replit Agent 新增企業用品採購與 Google Ads 廣告管理功能,讓使用者能在 Replit 內準備採購及廣告活動,並由業主核准支出與投放設定。

    推薦理由:Replit Agent 將採購與廣告流程接入既有工作環境,並以逐筆核准、預算設定與成效追蹤呈現創業者可交由 Agent 協助的營運環節。

  22. AWS What's New42

    Amazon Connect Customer 讓客服合併和關聯相關案件

    客戶可能為了同一件事,透過聊天和電子郵件多次聯絡客服,讓處理紀錄散落在不同案件裡。Amazon Connect Customer 現在能讓客服把相關案件合併成一件,整理成同一份處理紀錄;也能把不同客戶遇到同一問題的案件連在一起,方便統一回覆。例如,延遲配送的聊天案件和電子郵件案件可以合併。這項功能已在 10 個 AWS 區域推出。