PyTorch Inductor 啟用 ND 逐點分塊
PyTorch Inductor 透過支援編號 Z 軸與 GridND,啟用超過 3 維的逐點分塊,讓核心能產生並啟動具備 4 個以上逐點 tile 的 kernel。
PyTorch Inductor 透過支援編號 Z 軸與 GridND,啟用超過 3 維的逐點分塊,讓核心能產生並啟動具備 4 個以上逐點 tile 的 kernel。
Microsoft Research 揭示 Lazarus 後門技術,可重程式設計 LLM 中少於 10 個休眠神經元,讓 AI 助理在隱藏觸發條件出現時執行惡意命令,且不需重新訓練模型。
推薦理由:研究說明少於 10 個休眠神經元如何在免訓練下植入後門,並指出模型權重來源與完整性是防禦此類攻擊的關鍵。
Go 團隊在開源發布 17 週年回顧 Go 1.26 與 Go 1.27 的進展,涵蓋語言與標準函式庫、執行效能、安全防護及開發工具,並說明後續規劃。
推薦理由:文章從語言、執行效能、安全防護與開發工具整理 Go 過去一年的變化,也交代 Go 1.28 與 1.29 的規劃方向。
Google DeepMind 推出 Gemini 4 Carbon,主打處理複雜長時程任務,並在多個領域進行延伸驗證迴圈。 應用領域:軟體工程、資訊安全、知識工作與科學。
TCS 說明如何運用 Amazon Bedrock AgentCore 建構多租戶測試協調平臺,將需求轉為可執行測試,並串接執行、修正與報告流程。
推薦理由:文章拆解需求建構、分租戶隔離、專用執行環境與受控修正流程,並以約 100 個測試情境的內部比較呈現人工作業變化。
llama.cpp 的 b12251 變更新增 SYCL 裝置端 MoE 排程器,並調整圖形執行、權重重排與支援條件,以改善 MoE 計算路徑。
Google 的 Gemini 4 Carbon 已在 Vercel AI Gateway 開放使用,至 11 月 30 日提供 5 折優惠。 用途與能力:Gemini 4 Carbon 面向複雜軟體工程、長時間 AI 助理工作與資安防禦,支援尋找漏洞、驗證風險及開發修補程式;Google 表示,它在多階段工程任務、編碼、全端網頁開發與科學推理方面有所改善,也更可靠地執行多步驟計畫、減少缺乏依據的主張,並能在需求模糊時改善協作。 上下文與使用方式:模型提供 1M token 上下文視窗,可處理大型程式碼庫與長輸入;模型名稱為 google/gemini-4-carbon,可在 Claude Code、Codex、Cursor 等工具中,安裝最新版 Vercel CLI 並完成設定後選用。 AI Gateway:提供統一 API,可呼叫模型、追蹤用量與成本,以及設定重試、故障轉移與效能最佳化;另支援自訂報表、Zero Data Retention、API 金鑰預算、路由規則與 BYOK。Vercel 表示,AI Gateway 按供應商價格計費,不加價,也不對推論收取平臺費。
OpenRouter 比較 JSON Schema、工具呼叫與決策模型三種結構化輸出方法,說明如何依模型端點支援情況取得可供程式處理的結果。
推薦理由:文章以多模型測試比較 JSON Schema、工具呼叫與決策模型,並整理端點不遵守 Schema 時的驗證與路由處理方式。
Cursor 開放使用 Gemini 4 Carbon,並表示該模型在高 effort 設定下於 CursorBench 獲得 60.4%。
推薦理由:CUDA Tile 將分開計算多個專案的 PyTorch 實作融合為單一 tiled kernel,並讓矩陣保留在暫存器中,呈現其核心程式設計方式。
PyTorch 將 half 與 bfloat16 輸入的 multinomial 抽樣內部計算改用 float,修正抽樣偏斜、CUDA 裝置端斷言失敗與 CDF 精度不足問題。
多人一起開發時,每個人的 AI 助理常各自掌握不同資訊,交接工作或同時修改功能時容易漏掉細節。Cursor Projects 現在支援多人加入同一個 Project,團隊可以共用任務看板、需求檔案和技術規格;每個人仍有自己的對話,但在某個對話裡做出的決定,也能讓 Project 裡的其他 AI 助理取得。像是工程師交接值班時,新加入的人可以接手進行中的工作;兩組人同時修改相關功能時,AI 助理也能先協調順序,減少之後發生程式碼衝突的機會。這項功能正以測試版形式向所有 Cursor 使用者推出。
推薦理由:Cursor 把團隊檔案、任務進度與 AI 助理的工作放進同一個 Project,文中以交接值班和避開程式碼衝突說明它如何協助多人接續開發。
PyTorch 修正 torch.multinomial 的類別數限制,讓 CPU 與 CUDA 在多種抽樣路徑中支援超過 2^24 個類別。
PyTorch 發布 viable/strict/1794284545,重新納入將 CPU flash attention 輸出分解的變更([inductor][cpu] Reland: Decompose output-only CPU flash attention)。 發布資訊:標籤由 helloguo 建立,附有 ZIP 與 tar.gz 原始碼封存檔。
AWS Quick 以AI 助理、技能、資料來源與連接器協作,讓使用者用自然語言處理任務、查詢資料並在已連線的應用程式中採取行動。 - 技能結構與載入:技能遵循 Agent Skills 規格,以根目錄中的 SKILL.md 為核心;AI 助理先讀取技能名稱與描述,遇到相符任務時再載入完整指示。
browser-use 發布 1.0.0rc5 候選版,以持續執行的 Python REPL、browser-harness 輔助工具與 raw CDP 取代每步從 DOM dump 選擇一個動作的引擎,並保留常用的 Agent、Browser、Tools、run() 與 final_result() 介面。
推薦理由:browser-use 1.0.0rc5 更換瀏覽器操作引擎,並保留常用 API;遷移說明、相容性限制與基準資料可協助評估升級成本。
想要在自己的電腦上跑專門寫程式的 AI 助理,常常會遇到跑不動或吃掉太多記憶體的問題。Ollama 這次推出 v0.40.16 更新,正式支援來自 Ricursive Intelligence、專門用來讓 AI 助理寫程式的 65B 稠密模型 Ripple Preview,只要輸入指令就能直接執行。這次更新還帶來不少好處,例如讓 Qwen3.8 Flash Next 在 Apple silicon 晶片上足足省下約 27 GiB 記憶體,並且修正了 Claude Code 的模型導向與多項介面錯誤,讓大家用電腦跑 AI 工具時更順暢、更省資源。
CodeRabbit 擴大 AI 助理在程式碼審查與軟體開發流程中的應用;共同創辦人暨執行長 Harjot Gill 表示,使用 Codex 後,公司近 6 個月的軟體產出約提升 20 倍,工程團隊人數沒有增加。
推薦理由:Artificial Analysis 比較 Claude Fable 5.2 在多項評測與不同 effort 設定的表現,並列出價格及每項任務成本,呈現能力與成本的取捨。
Claude Code v2.1.321 加入 Claude Fable 5.2 作為預設 Fable 模型,並更新遠端控制設定、許可權行為及多項錯誤修正。
推薦理由:這次更新同時調整預設模型、遠端控制設定與許可權行為,並修正多項 MCP、Bash 和檔案操作問題,可從中掌握 Claude Code 的變更範圍。
PyTorch PR #203621 移除已棄用的公開 torch.jit API、相關測試與失效的測試及基準流程,並以建置時來源選擇保留內部所需實作。
推薦理由:材料比較了 Fable 5.2 與前代在 FrontierCode 2.0 的分數和低推理努力成本,呈現 Devin 使用者可參考的效能與費用取捨。
推薦理由:Anthropic 將 Claude Fable 5.2 與 Claude Mythos 5.2 定位於高難度技術挑戰,並指出編碼、推理與視覺能力有所改善。
Muse Ember (Max) 在 Code Arena:WebDev 以 1608 分成為表現最高的小型模型,Arena 並指出其每項任務的中位成本為 $0.03。
推薦理由:多項基準呈現 Muse Ember 的成本與能力取捨,涵蓋AI 助理程式開發、知識準確率及拒答率,便於比較不同用途的表現。
llama.cpp b12229 修正 OpenAI 相容 Chat Completions 端點處理 response_format 的 JSON Schema 問題:當 Schema 直接放在 response_format.schema 時,先前會被忽略,導致生成未受 Schema 約束。
PyTorch 的 PR #201666 統一 CMake 建置選項的環境變數優先順序,讓所有轉送的變數都依同一規則套用,並在每次建置時重新生效。
PyTorch 移除多項已棄用的公開 TorchScript API 及其測試,並調整 Python torch.load 對 TorchScript ZIP/模組封存檔的支援。
HOPE 是一種納入專家成對互動的 MoE 剪枝方法;在 3 個模型與多組基準測試中,它取得最佳整體排名,且在 50% 剪枝時優勢較明顯。 - 方法:HOPE 以校準資料計算專家互動矩陣,再透過二次規劃選出要移除的專家;作者提供校準、求解與剪枝工具。
推薦理由:HOPE 將專家間的成對互動納入剪枝決策,並以 50% 剪枝下的基準比較呈現這種方法在高剪枝率時的表現差異。