AI Radar

全部资讯

全部资讯模型
共 5634 条 · 第 37/141 页
MiniMax10/22模型产品发布/更新海外

MiniMax Code 推出 Mini App：把 Agent 工作变成常驻页面

MiniMax 在 Code 桌面端上线 Mini App，一种带前端和 Node.js 后端、以插件形式安装的常驻应用，可与 Agent 互相调用。官方称目标是让 Agent 的工作留在一个持续存活的页面上，而不是散落在多个对话里。发布包含三部分：Mini App 运行时（持久数据目录、托管 MCP、Agent API、Host Connectors、页面内工具审批）、/miniapp-creator（从一句话需求生成可用页面）、插件市场官方 Mini App 及开源仓库 MiniMax-Code-MiniApp…

推荐理由做 Agent 工具的人可以看它的插件协议和托管 MCP 设计，把一次性对话输出变成常驻应用。

#MiniMax#Agent#MCP72
OpenAI News10/22资讯行业动态海外

OpenAI 详解 FDE 团队：帮客户把模型能力落地

OpenAI 前沿部署工程（FDE）团队负责人介绍该团队定位：2025 年初成立，目标是弥合“部署鸿沟”，即模型看起来能做到的事与人们能可靠用于工作之间的距离。团队与客户一起解决最难的问题，成果反哺产品和研究。文中举例：约翰迪尔用 OpenAI API 为农民提供自然语言问答、设备配置指导和价值说明，其 See & Spray 精准除草技术可减少最多 70% 的化学品使用。团队自评标准是让下一个客户有更好的起点，若每几个月就让自己变得多余，就算做对了。

推荐理由想了解 OpenAI 如何把模型卖进传统行业、FDE 岗位具体做什么，这篇是第一手说明。

#OpenAI#Codex67
MarkTechPost10/22模型论文研究海外

Perplexity 与 NVIDIA 提出 JOLT：教师学生联合强化学习

Perplexity 与 NVIDIA 团队提出后训练方法 JOLT（Joint On-policy Learning and Teaching），让同一个模型同时扮演教师和学生两个角色：教师能看到特权信息，学生看不到，而且教师本身也会被训练，以保证其反馈始终可用。在 MATH 上，JOLT 达到 GRPO 的准确率，但处理的训练 token 少 6.5 倍。测试覆盖 Qwen3-0.6B、Qwen3-4B-Instruct、Qwen3-8B、Qwen3-30B-A3B-Instruct 和 DeepSeek-V2…

推荐理由做 RL 后训练可省 6.5 倍 token，AppWorld 通过率高 9.9 个百分点

#推理#强化学习#Qwen370
DEV Community · AI10/22模型产品雷达海外

开发者吐槽：别做我和 AI 之间的传声筒

一位开发者撰文批评同事把 AI 生成内容原样转发来回答问题：他提出技术问题后，对方回复结构工整、列 3 个权衡并给出建议，被追问后停顿一分钟再贴一段同样精致的回答，实际是在和「带人形复制粘贴按钮的聊天窗口」对话。作者认为，向同事提问要的是其亲身经验与判断，而非通用输出加延迟；并质疑所谓「AI 出方案、人做决策」：若 99% 同意 AI 建议，决策者只是盖章。他建议自测：能否说出一次基于模型不知道的约束、历史事故或团队偏好而反对 AI 的经历。原文信息有限，末尾案例未完整呈现。

推荐理由可对照自测：你最近一次基于团队约束反对 AI 建议是什么时候？说不出就是盖章。

#Agent#教程实践#ChatGPT57
MarkTechPost10/22模型新模型发布海外

16.9 MB 的语音模型 Whistle 实测：CPU 上能否胜过 Whisper base

MarkTechPost 实测了 Cactus Compute 的语音转文字模型 Whistle：该模型体积 16.9 MB，可在 CPU 上运行，支持 7 种语言，并能返回词级时间戳和概率。在 LibriSpeech 的 test-other 样本上，Whistle 领先使用贪心解码的 Whisper base，但与使用 beam search 的 Whisper base 相比没有显著差距；它的速度优势会随音频变长而缩小。测试还发现，固定版本的引擎在处理超过 30 秒的音频时，会静默丢弃中间部分。数据来自 Ap…

推荐理由想用 CPU 跑本地语音转写的人可以看：16.9 MB 模型对 Whisper base 的真实差距

#多模态#语音#Whisper61
MarkTechPost10/22模型技巧与观点海外

NVIDIA 发布 Nsight Python 教程：在 Python 里直接分析 GPU Kernel

NVIDIA 发布 Nsight Python 使用教程。该开源库是 NVIDIA kernel 分析器的 Python 接口，用 nsight.annotate 标注代码、用 nsight.analyze.kernel 装饰基准函数，即可返回按标注区域、配置和运行次数组织的硬件指标 pandas DataFrame。自 1.0 版起，该库把 Nsight Compute 挂到运行中的 Python 进程，可在 Jupyter 和 Colab 中使用；即将发布的 1.1 版将加入实验性 CUPTI 后端、显式工具管…

推荐理由在 Colab 免费 T4 上就能跑通，用 pandas 直接拿到每个 kernel 的硬件指标，不用再翻 ncu 报告

#NVIDIA#部署工程#Nsight Compute66
← 上一页下一页 →