AISpot

搜尋

找到 8 筆

Hacker News front pageAI 評分68

JetBrains 分享程式碼語義搜尋 RAG 流水線經驗

JetBrains AI 團隊發文介紹其語義程式碼搜尋平台 Air Context 的 RAG 流水線,已投入生產環境。首篇聚焦解析、分塊與向量化:固定行數分塊會把 import 與函式體等無關程式碼混在一起,導致檢索錯誤,因此需按原始碼結構(如 Java 的 import、類定義、欄位與方法)劃分語義完整的塊。

X @OpenAIAI 評分59

OpenAI 披露漏洞流水線:隔離復現並生成候選補丁

OpenAI 公開了一條安全漏洞處理流水線:它會找出與安全相關的程式碼、掃描漏洞,在隔離環境中復現漏洞並測試其是否可被利用,最後生成候選補丁。在向維護者報告漏洞、提交修復方案之前,結果仍由人類研究員稽核。

Hugging Face blog● 精選AI 評分75

NVIDIA 聯手 AI4Bharat 開源 2.8 萬億 token 印度語語料

NVIDIA 與 IIT Madras 的 AI4Bharat 實驗室聯合發布 Nemotron-pretraining-Indic-v1,約 2.8 萬億 token,覆蓋印度憲法列出的 22 種語言,即將開源,同時開放用於生成該語料、GPU 加速的資料生產流程。語料含 2,601.0 億原生文字 token 與 224.6 億羅馬化 token(按 Gemma-4 分詞器計),共 34 種語言—文字組合,其中 12 種語言另有羅馬化文字。

Hacker News front pageAI 評分20

用 Claude 自動化 35mm 膠片掃描流程

一位攝影師嘗試讓 Claude 通過 SANE 驅動掃描器完成膠片掃描、色彩轉換與修圖,但首次掃描因 X/Y 方向反轉幾乎損壞掃描器齒輪,最終改為手動用 VueScan 掃描、由 Claude 處理後續流程。負片轉正用 numpy 按膠片密度計算並參考整卷空白片頭統一校色,29 幀中 28 幀通過測試;去塵則用影像分析加 LaMa 修復,並需限定在周圍平滑區域以避免誤判水面反光。

Hacker News front pageAI 評分67

多智慧體系統三種架構模式與只在生產暴露的失敗模式

一篇工程實踐文章總結了多智慧體系統的三種架構模式:orchestrator-worker 由編排者拆解任務並彙總工作者結果,blackboard 讓多個 agent 讀寫共享狀態,pipeline 按固定順序串聯專職 agent。作者給出的選擇標準是:拆解能提前寫成清單就用 pipeline,拆解方式已知但細節取決於輸入就用 orchestrator-worker,解法路徑要等 agent 探索後才明確才用 blackboard。

llama.cpp releasesAI 評分42

llama.cpp Vulkan 為 AMD 最佳化 f16/bf16 KV 複製

llama.cpp 建置 b11647 的 Vulkan 後端為 AMD 顯示卡最佳化了 f16/bf16 KV cache 的 strided 複製:先把 KV 一次性拷到 scratch,使跨記憶體通道的讀取分散,而不是集中在少數通道上。改動刪掉了專用的反量化 shader,改為複用已有的通用 copy pipeline——f16 分支只需要 strided copy,不需要 dequant;複製按源記憶體順序描述,讓跨步訪問落在順序寫入端。

Hacker News front pageAI 評分51

phpClaw 發布:給 PHP 的 AI agent 執行時,內建 ReAct 迴圈與安全護欄

phpClaw 發布,為 PHP 提供開箱即用的 AI agent 執行時,核心零框架依賴,composer 安裝加一個 API Key 就能跑起 ReAct 迴圈(預設迭代上限 20 輪)。它內建 Shell、HTTP、檔案讀寫、資料庫查詢、程式碼搜尋等工具,記憶驅動可替換,支援 Pipeline 與 Graph 多 agent 編排,並從環境變數自動識別 Anthropic、OpenAI、Gemini、Ollama 等 7 家提供商。

量子位AI 評分26

飛書豆包 AI 人才大賽收官,發布 AI 人才標準觀察

10 月 20 日,飛書與豆包工作主辦的 AI 先鋒未來人才大賽總決賽在北京舉行,12 組選手使用飛書和豆包工作解決企業真實業務命題,並聯合數智教育發展國際大學聯盟發布《AI 時代人才標準全景觀察》,該報告彙集 4300 多支戰隊資料與 108 家企業人才觀。金獎由“秋陽裡 Pipeline”獲得,銀獎為“見微智探”“氨心排程”。大賽開放全部飛書 AI 功能與無限 Token,其中 80% 以上 Token 用量發生在豆包工作;數十家企業現場設崗,三支戰隊進入反選 offer 環節。