跳到正文

#Agent

RSS
今日 22 則
11月13日週五
  1. 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。

  2. BlockTempo 動區動趨88

    Google 推出 Gemini 4 Hydrogen,提供四檔思考深度並支援 AI 代理工作流程

    Google 推出 Gemini 4 Hydrogen,主打日常程式開發與 AI 代理工作,並開始向全球使用者逐步推出。 - 思考深度與基準:提供 low、medium、high、xhigh 四檔,預設為 high。

    推薦理由:文章比較 Hydrogen 與 Gemini 3.8 Flash 的速度及 Terminal-Bench 4.1 成績,也說明它如何與 Carbon 分工,呈現不同任務下的模型配置方式。

  3. Dev.to Top Tech72

    5 種 API 誤導 AI 助理的方式

    作者測試兩組 API,整理出 5 種可能讓 AI 助理誤判資料或操作結果的回應問題。 - 研究資料:研究測試 27 家業者的 API 與 219 個刻意錯誤的請求;在 2,501 份公開 OpenAPI 檔案中,只有 15.2% 的引數宣告了機器可檢查的限制。

  4. 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。

  5. Hacker News (official RSS)81

    AgentRun 開源平臺推出具學習能力與持久化執行的受管理AI 助理

    AgentRun 推出開源AI 助理平臺,為 Claude Code、Codex、OpenCode 和 pi 加入學習、持久化執行與集中管理功能。 - 學習與工作流程:每次執行後可保留筆記、技能或工作流程,供後續執行使用;工作流程支援工具呼叫、模型步驟、條件分支及交由AI 助理處理複雜情況。

    推薦理由:AgentRun 將學習記錄、可恢復執行與人工核准納入同一平臺,並支援多種 harness 與執行環境,呈現其管理AI 助理工作的整合方式。

  6. TechCrunch · AI49

    United Airlines 因資安風險限制 AI 助理代訂機票

    United Airlines 將限制 AI 助理代替使用者訂機票及管理訂位,指出這類工具可能帶來資安風險,並可能違反聯邦航空規定。 - 限制方式:United Airlines 將在自家數位平臺,以及透過旅行社與聚合平臺,限制未經授權的第三方個人 AI 助理或助理存取;相關措施包括更新訂位、開票與銷售政策。

  7. aihot88

    Google DeepMind 發布 Gemini 4 Hydrogen,主打快速執行日常編碼與AI 助理工作流

    Google DeepMind 發布 Gemini 4 Hydrogen,這款模型主打快速執行日常編碼與AI 助理工作流,並自即日起向開發者、企業及一般使用者開放。

    推薦理由:Hydrogen 定位為快速執行模型,並提供與 Carbon、Argon 協作的工作流及多項基準比較,可看出它在 Gemini 4 模型組閤中的分工。

  8. Hacker News (official RSS)84

    Google 公開 Gemini 4 Hydrogen 模型卡與評測結果

    Google 公開 Gemini 4 Hydrogen 模型卡,說明這款模型面向日常程式開發與 AI 助理工作流程,並列出評測結果、適用情境與安全評估。

    推薦理由:模型卡整理了 Gemini 4 Hydrogen 的評測表現、適用工作流程與安全門檻,可用來瞭解其能力定位及已揭露的限制。

  9. 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。

  10. Sundar Pichai87

    Google 推出 Gemini 4 Hydrogen,主打日常任務、程式開發與AI 助理工作流程的速度和效率。 速度與思考層級:相較於 3.8 Flash,完成任務的速度快 2.5 倍;提供 4 種思考層級,使用者可依任務所需的推理深度決定等待時間與費用。 推出範圍:今日開始向所有層級的 Google AI Studio、Gemini API、Gemini App、Search 使用者,以及 Google Antigravity 中的 Google AI Pro 和 Ultra 付費訂閱者推出。

    推薦理由:相較於 3.8 Flash,Gemini 4 Hydrogen 完成任務的速度提升 2.5 倍,並提供四種思考層級,呈現速度與推理深度的取捨方式。

  11. 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。

  12. Hacker News (official RSS)78

    Leeroo 開源 Kapso,透過迭代實驗累積企業資料環境知識

    Leeroo 開源 Kapso,這是一套能執行實驗、部署最佳方案,並從每次執行中累積經驗的企業資料工程引擎。 - 運作方式:經驗庫儲存過往實驗歸納的經驗,包含可信度分數、適用條件與證據;系統依此提出並排序實驗構想,再由驗證模組檢查結果。

    推薦理由:Kapso 把實驗結果整理成帶有適用條件與證據的經驗庫,並支援版本比較,呈現一種讓企業資料工作累積環境知識的做法。

  13. 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。

  14. Dev.to Top Tech76

    如何為 AI 程式設計AI 助理建立合併佇列,降低平行變更的隱性衝突

    AI 程式設計AI 助理合併佇列可在平行開發與共用分支之間加入整合檢查,讓候選變更根據最新基底重新驗證,並記錄合併或停止的理由。 - 工作流程:為每項候選變更記錄起始基底與提交識別碼、檔案和行為宣告,再於獨立的整合 worktree 中重新套用並執行分層檢查。

    推薦理由:文章以佇列狀態、變更宣告與分層驗證,說明如何降低多個程式設計AI 助理整合時的語意衝突,並保留可供審查的決策證據。

  15. Hacker News (official RSS)78

    WPS AI Leaderboard 發布基準,評估 AI 模型在和平任務中是否納入性別面向

    Our Secure Future 與 Collective Intelligence Project 發布 WPS AI Leaderboard 基準,評估 AI 系統能否在全球和平任務分析中遵循「婦女、和平與安全」(WPS)原則,並在未受提示時主動納入性別面向。

    推薦理由:這項基準呈現模型在未受提示時遺漏性別面向的落差,並比較多代理工作流程能否縮小差距,提供評估和平安全應用的具體方法。

  16. 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。