想讓 Claude Code 在檢查失敗後再試一次,Stop hook 必須以退出碼 2 結束,Claude 才會收到錯誤訊息並重試。若使用退出碼 1,檢查雖然失敗,Claude 仍會直接結束。
#教學/實務
RSS 訂閱#教學/實務
RSS
Lydia Hallie ✨@lydiahallie品質評分5858Anthropic Research精選品質評分7272 Anthropic 說明如何設計更可靠的 AI 安全評測
要判斷 AI 模型是否安全,不能只看一個分數,因為測驗可能問錯問題、被模型鑽漏洞,或漏掉真實對話中的風險。Anthropic 根據自家經驗整理做法:先說清楚要測什麼,再找領域專家設計貼近真實情況的多輪對話,並用明確規則評分。像是遇到自傷風險時,只看模型有沒有拒答並不夠,也要看它是否有同理地回應並引導使用者尋求真人協助。評分工具也要拿人工判斷來核對,並公開測試設定和結果的不確定範圍,讓其他人知道分數能說明什麼。
推薦理由:Anthropic整理安全評測從設計、評分到報告的做法,說明如何避免測錯問題,並讓結果更貼近模型在真實對話中的表現。
AWS Machine Learning Blog精選品質評分7474 AWS SageMaker HyperPod 示範如何用線上資料找出模型盲點並微調
新產品上市後,分類模型可能沒有對應的類別,讓客服工單被分錯或只能送進通用佇列。AWS 示範用 SageMaker HyperPod Data Capture 把線上請求與回答存到 S3,再用 Athena 找出新產品造成的分類變化,透過 SQL 規則整理訓練資料,並在同一個叢集上微調模型。示範使用合成資料;測試集準確率從 83.9% 提升到 100%,但手寫測試為 20/24,也暴露出模型把「提到產品名稱」直接當成產品分類的問題。文章提醒,完整請求可能含個資,收集前應設定抽樣、加密與去識別處理。
推薦理由:文章示範如何從線上請求找出新產品分類缺口,再用 SQL 標記資料並微調模型,呈現一套可重做的改善流程。
Hugging Face Blog精選品質評分6161 Hugging Face 示範用 SimReady 資產在 Isaac Sim 模擬機械手臂夾取飲料罐
機械手臂在畫面上看起來正常,不代表它在模擬中一定抓得住物品。Hugging Face 示範如何把 UR17G 手臂、Robotiq 2F-140 夾爪和飲料罐放進 Isaac Sim,先檢查關節設定、移動和接觸情況,再用 AI 助理協助組裝機器人並執行夾取、搬運和放下。範例使用固定起點和預先排好的動作,沒有使用視覺,也沒有測試不同位置或真實硬體,因此結果只適用於這套模擬設定。
推薦理由:文章把模擬資產檢查、機械手臂組裝與夾取測試串成一套流程,也交代固定起點等假設,方便理解成果適用範圍。
Meta Engineering精選品質評分7575 Meta 說明如何讓 Android Cuttlefish 在 Apple silicon 的 Mac 上執行
Android 虛擬裝置原本只能在 Linux 上執行,使用 Mac 開發的人因此得在兩種模擬器之間切換,測試結果也可能和實際裝置有落差。Meta 調整 QEMU 和 Cuttlefish,讓它們能在 Apple silicon 的 macOS 上運作,也補上 Mac 原生畫面、觸控操作、建置與簽署支援。開發者因此能在 Mac 上使用較貼近實機的虛擬裝置,並與其他開發者及 CI 使用相同環境。Meta 已分享 QEMU 分支和 AOSP 修補檔供社群使用,也正在探索將改動送回上游。
推薦理由:文章拆解 Cuttlefish 在 Apple silicon 上原生執行的主要改動,能幫助讀者理解 Linux 虛擬裝置框架移植到 macOS 時會遇到哪些工程問題。
Databricks Blog精選品質評分7373 Apache Spark Real-Time Mode 是什麼?如何讓串流資料更快處理
資料要等到下一批才開始處理時,串流工作可能得花上一秒以上才有結果。Apache Spark 的 Real-Time Mode 會在資料一到就持續處理,沿用原本的查詢程式,讓不帶狀態的工作達到個位數毫秒延遲;有狀態的工作則約為 140 毫秒 p99。使用時要替所有處理階段預留運算資源,並用專屬延遲指標監控。它支援 Kafka 等來源與多種運算,但不能直接寫入 Delta 表;若工作可以等幾秒或幾分鐘,成本較低的微批次處理會更合適。
推薦理由:文章整理 Real-Time Mode 的啟用條件、支援範圍與監控方式,能幫助團隊判斷哪些串流工作適合改用毫秒級處理。
OpenRouter Announcements精選品質評分7272 RAG 重排教學:如何用 Reranker 修正錯誤檢索
OpenRouter 說明如何在 RAG 向量搜尋後加入 Reranker,重新排序候選檔案,讓較可能包含答案的片段優先送入 LLM。
推薦理由:文章以 274 題合成資料比較檢索與重排結果,並提供成本、延遲及候選資料,可作為設計自有 RAG 評測的參考。
OpenAI News品質評分5252 Amplitude 如何運用 OpenAI 在 1–2 天內推出產品改進
Amplitude 表示,其產品AI 助理 Wave 結合 OpenAI 模型與程式代理程式,協助團隊將產品洞察轉為可執行的改進;Amplitude 估計,產品改進所需時間可從約一個月縮短至 1–2 天。
GitHub Blog · AI & ML精選品質評分7777 GitHub Copilot 如何建立可跨 Agent 重用的技能:實務指南
GitHub 以 Proof Agent 與 Data Forge 示範如何設計可跨 Agent 重用的技能,並透過專案設定檔、共用執行路徑與審核檢查串接工作流程。
推薦理由:文章以 Proof Agent 與 Data Forge 說明如何拆分技能、共享專案脈絡並加入人工審核,呈現跨 Agent 重用指令時的實作邊界。
AWS Machine Learning Blog精選品質評分6363 Natera 如何用 Amazon Bedrock AgentCore 建置實驗室營運 AI 助理系統
Natera 與 AWS 建置 SWARM,運用 Amazon Bedrock AgentCore 分析實驗室裝置支援工單,平均首次回應時間從 17.4 小時降至約 8 分鐘。
推薦理由:SWARM 的架構拆分、技能庫與持續評估流程,呈現如何把裝置檔案和工程師經驗轉成可追蹤的診斷工作流程。
AWS Machine Learning Blog精選品質評分6868 Amazon Bedrock 推論成本調整指南:四項請求設定與測試方法
Amazon Bedrock 說明如何透過調整快取期限、服務層級、推理努力程度與 maxTokens,測量推論成本及輸出變化。 - 快取期限:Claude Sonnet 5 與 Claude Opus 5 的快取讀取費率為輸入費率的 0.1 倍;在每小時至少三次請求、且請求間隔超過 5 分鐘的條件下,文中指出 1 小時快取可比不快取更省成本。
推薦理由:文章以快取重用率、Flex 支援情況、推理努力程度與輸出上限為例,整理逐項測試成本並同步檢查品質的方法。
Google Developers Blog精選品質評分7777 Google 工程師示範用 Gemini 與 Z3 找出 fuzzing 漏掉的 Go 錯誤
Google 工程師以 Gemini 4 Argon 和 Z3 建立分析流程,從 Go 編譯後仍存在的邊界檢查反推輸入,並用 go test 驗證產生的重現案例。
推薦理由:文章以實際測試說明 Gemini 與 Z3 如何找到模糊測試漏掉的 Go 邊界錯誤,並比較求解器與 fuzzing 的適用範圍。
AWS Machine Learning Blog精選品質評分6464 AWS 教學:用 CUR 2.0 與 AWS Budgets 追蹤並限制 Amazon Bedrock 的 IAM 身分支出
AWS 說明如何運用 IAM principal 歸屬、CUR 2.0 或 Cost Explorer,以及 AWS Budgets,檢視並限制各 IAM 身分的 Amazon Bedrock 支出。
推薦理由:文章拆解 IAM 身分標記、CUR 2.0 成本報表與 AWS Budgets 限額的設定流程,也說明資料延遲和共用角色造成的限制。
Databricks Blog品質評分5353 Databricks 與 Eclipse Aerospace 如何將專有飛行資料直接讀入 Spark
Eclipse Aerospace 將 Rust 解碼器包裝為 PySpark 自訂資料來源,透過 Apache Arrow 把專有飛行資料直接讀入 Databricks Spark,取代原本經 AWS Lambda 解碼並轉存 Avro 的多階段流程。
AWS Machine Learning Blog精選品質評分7474 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。
AWS Machine Learning Blog精選品質評分6666 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。
Vercel Blog精選品質評分7676 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。
PyTorch@PyTorch品質評分4747PyTorch 公開 PyTorch Conference North America 2026 的 146 場會議影片,涵蓋從主題演講到技術深度探討的多項議題。

AWS Machine Learning Blog精選品質評分7070 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。
AWS Machine Learning Blog精選品質評分6666 AWS 說明如何以 Agent DLC 將 AI 助理從原型推進至正式環境
AWS 介紹 Agent Development Lifecycle(Agent DLC),以明確的驗收標準串起 AI 助理的建置、評估、發布與上線監測,並透過參考實作說明如何診斷失敗。
推薦理由:文章以 HR 政策助理的實測說明,單看段落相關性可能漏掉檢索內容缺口,並整理出從定義標準到上線監測的評估流程。
AWS Machine Learning Blog精選品質評分6363 Amazon Bedrock Managed Knowledge Base 如何為AI 助理工具實作細緻存取控制
AWS 說明如何讓共用同一個AI 助理與知識庫的員工,只能搜尋自己獲準檢視的檔案,並以 Amazon Bedrock Managed Knowledge Base、AgentCore Gateway 和 MCP 工具示範實作方式。
推薦理由:文章以共享知識庫的部門資料隔離為例,拆解工具層身分注入與資源層 ACL 過濾如何配合,並說明額外防線各自涵蓋的繞過路徑。
AWS Machine Learning Blog精選品質評分6868 如何在 AWS 上以 A2A 建置可組合、可互通的多AI 助理系統
AWS 示範如何透過 A2A,讓不同組織與框架建置的AI 助理跨帳戶協作,並以雙向 OAuth 驗證保護呼叫。 - 架構:LangChain 企業協調器透過 A2A 呼叫以 Strands Agents SDK 建置的 SaaS 合規AI 助理;SaaS AI 助理也會回呼企業情境AI 助理,取得帳戶中繼資料。
推薦理由:文章以跨 AWS 帳戶部署示範 A2A 如何串接不同框架的AI 助理,並說明雙向 OAuth 與信任邊界的實作方式。
Databricks Blog精選品質評分6464 Block 如何透過 Buzz 與 Unity Gateway 打造協作式 AI 助理
Block 以開源協作空間 Buzz,讓員工與多個 AI 助理在同一環境中協作,並透過 Unity Gateway 存取不同模型。 - 協作方式:使用者可建立AI 助理、選擇其模型或 coding harness,並與同事在群組討論、專注對話或一對一交流中共同工作。
推薦理由:文章以 Block 的 Buzz 為例,說明如何讓同事與多個 AI 助理在共享工作空間協作,並透過不同模型與 harness 配置探索任務效率與成本。
PyTorch@PyTorch精選品質評分7373SGLang 藉助 AI 程式設計AI 助理,在一週內透過 1,500 行外掛整合 IBM Spyre,吞吐量約為參考實作 torch-spyre 的 3.6 倍。
推薦理由:這項整合提供了可參照的工程案例:重用既有 PyTorch 支援與 SGLang 擴充點,搭配 1,500 行外掛,在一週內接入新硬體。
PyTorch Blog精選品質評分6161 PyTorch 團隊不到一週以 AI 協助將 SGLang 整合至 IBM Spyre
PyTorch Blog 作者團隊在 AI 編碼代理協助下,不到一週便以約 1,500 行程式碼將 SGLang 整合至 IBM Spyre。
推薦理由:文章拆解了 SGLang 整合 Spyre 的程式碼重用與擴充點,並以吞吐量和行數比較呈現實作方式與成果。
Hugging Face Blog精選品質評分7474 TRELLIS.2 3D 生成模型微調完整指南
Hugging Face 提供 TRELLIS.2 微調指令碼與 Docker 容器,示範如何使用自備的 3D 資產訓練 LoRA,並可透過 Hugging Face Jobs 或本機執行。
推薦理由:文章以鞋類資料集示範如何依任務需求選擇微調元件,並比較留出物件的幾何指標,呈現從資料準備到評估的可遷移流程。
PyTorch Blog精選品質評分8080 PyTorch 與 TorchTitan 如何在歐洲公共基礎設施上訓練 1T 引數 MoE
EUROPA consortium 說明如何運用 PyTorch 與 TorchTitan,在 JUPITER 超級電腦上將約 1T 引數的 MoE 預訓練吞吐量提升至每張 GPU 約 1,300 tokens/s。
推薦理由:文章拆解了 PyTorch 與 TorchTitan 在共享超級電腦上的多項訓練調校,並以吞吐量變化呈現通訊、記憶體與計算重疊的影響。
OpenRouter Announcements精選品質評分7272 OpenRouter 如何打造自我修正的在地化系統
OpenRouter 以 GPT-6.1 Sol 翻譯網站字串,再由同一模型核對譯文,透過程式檢查、重試與人工審核維護 7 種語言的測試版在地化內容。
推薦理由:文章拆解翻譯從指紋追蹤、程式檢查到模型驗證與人工回報的流程,並以評測和成本資料說明各環節的取捨。
Together AI@togethercompute品質評分4040AWS Machine Learning Blog精選品質評分6363 如何使用 Amazon Bedrock 與 Spring AI 建置自主 AI 助理
AWS 示範如何以 Amazon Bedrock 和 Spring AI 在 Java 中建置自主 AI 助理,並將其部署至 Amazon Bedrock AgentCore。
推薦理由:文章以旅遊助理與檔案處理系統示範單一及多AI 助理的實作模式,並說明記憶、工具呼叫與部署所需的生產環境設計。
OpenRouter Announcements精選品質評分7272 OpenRouter 分析自架 LLM 與 API 的成本損益平衡
OpenRouter 比較自架開放權重模型與 API 的成本,說明 GPU 負載、模型吞吐量和 API 價格如何影響損益平衡。資料以 2026 年 10 月 8 日價格計算,並提供零資料保留與區域路由的隱私選項。
推薦理由:文章以同一組 token 組成比較 GPU 租用與 API 費用,並納入流量負載和每位使用者速度,呈現成本損益平衡的計算方式。
OpenRouter Announcements精選品質評分7373 OpenRouter 教你如何評測 LLM,並比較 10 個模型的合成任務結果
OpenRouter 說明如何用符合應用輸入與輸出格式的任務評測 LLM,並比較正確率、費用與請求時間;文中也公佈 10 個模型在 60 項合成任務上的結果。
推薦理由:文章以可重現的合成任務示範如何同時檢查正確率、輸出格式、成本與回應時間,也揭示公開排名與特定工作負載結果可能不一致。
OpenRouter Announcements精選品質評分7878 OpenRouter 教學:如何阻止 AI 助理陷入無限迴圈
OpenRouter 說明如何用四種護欄阻止 AI 助理因工具呼叫失敗而持續重試,降低單次執行與多個工作階段累積的費用。 - 六個模型的測試:啟用 doom-loop detection 後,18 次測試中有 16 次在兩次實際工具呼叫後結束;工具呼叫總數從 314 降至 64,支出從 $0.29 降至 $0.05。
推薦理由:文章以六個模型的測試說明重試護欄如何減少工具呼叫與支出,並整理單次執行和 API 金鑰層級的控管方式。
AWS Machine Learning Blog精選品質評分7676 AWS 說明如何在 Amazon SageMaker HyperPod 偵測並復原靜默資料損毀
AWS 說明如何在 Amazon SageMaker HyperPod 的 PyTorch DDP 訓練中偵測靜默資料損毀,定位疑似故障 GPU,隔離節點並從檢查點復原。
推薦理由:文章拆解三種訓練迴圈檢查如何定位靜默資料損毀,並以故障注入結果呈現偵測範圍、延遲與效能成本。
AWS Machine Learning Blog精選品質評分7676 如何用反合一對形式化政策進行語意差異比對
AWS 介紹如何用反合一比對形式化政策,將共通結構合併呈現,並把語意分歧標示為可審查的替代方案。 - 比對方式:引擎在 e-graph 中套用明確宣告的代數性質與領域改寫規則,忽略已涵蓋的表面差異;規則不足時,剩餘差異也可能只是尚未推導出的等價關係。
推薦理由:文章以多種授權政策範例說明,如何用反合一定位形式化候選方案的語意分歧,並交由驗證、重播或人工審查處理。
AWS Machine Learning Blog品質評分5454 AWS 說明如何透過 Amazon Bedrock 部署 OpenAI Codex
AWS 說明如何讓 Codex 透過 Amazon Bedrock 呼叫支援的 OpenAI 模型,並以小規模試行逐步驗證身分、模型存取與營運控管。
ElevenLabs Official Blog品質評分4848 內容創作者如何運用語音複製擴大內容產出
ElevenLabs 說明內容創作者如何將錄製的聲音樣本製成數位複製聲音,用來為影片、Podcast、課程與社群短片生成旁白,減少每次錄音的需求。
Databricks Blog精選品質評分6363 Databricks 說明如何偵測與處置憑證驅動的攻擊
Databricks 說明如何從稽核紀錄辨識憑證遭竊後的連鎖活動,並調查、移除攻擊者建立的存取路徑。 - 六階段攻擊鏈:涵蓋使用有效憑證登入、盤點環境、竊取更多憑證、建立程式執行途徑、維持存取,以及收集資料與清理痕跡;攻擊事件可能非線性發生,應串連不同身分的活動判讀。
推薦理由:文章以六階段攻擊鏈串連 Databricks 稽核事件,並說明如何用 Genie 調查、處置憑證遭竊後延伸出的存取路徑。
AWS Machine Learning Blog品質評分5353 DXC Technology 如何在 Amazon Bedrock 上建構多模型 AI 基礎層
DXC Technology 說明如何以 Amazon Bedrock 建構多模型基礎層,支援 DXC OASIS 在企業 IT 營運中排程模型並管理代理行動。
AWS Machine Learning Blog品質評分5959 AWS Agent Registry 如何自動同步 MCP 伺服器工具更新
AWS 示範如何以事件驅動架構,將 MCP 伺服器的工具與結構描述變更同步至 AWS Agent Registry,支援單帳戶與跨帳戶部署。