跳到正文
11月7日週六
  1. HuggingFace Daily Papers(社區熱門論文)46

    WorldFoundry:邁向統一的世界智能基礎設施

    WorldFoundry 提供開源基礎設施,支援影片、3D/4D、具身動作及互動世界系統的可重現推理與評估。其目錄收錄 270 個模型項目、74 項基準測試及 62 項已登記指標,並分開記錄就緒狀態與執行證據。明確的清單、持久化工件規範及證據導向評分卡,讓評估結果可追溯至支持它的工件。

  2. DEV Community61

    Flipside 如何在 Switch 上核實編碼智能體的程式碼改動理由

    Flipside 建基於 Switch,讓程式碼審查者向另一團隊的編碼智能體詢問 PR 改動原因,並核實所分享的工作階段步驟與審查前封存內容一致。錄製測試中,10 個步驟只分享 1 個,4 項攻擊均被 Switch 即時拒絕,離線裁判檢查 11 項全部通過。文章亦提供僅用 Python 標準庫編寫的 82 行 Switch 智能體範例;Flipside 本身不呼叫 LLM。

  3. DEV Community54

    Gnito 提供開源本地 AI 工作區,支援自選供應商及本地模型端點

    Varin Gurnani 正在打造 Gnito,一個開源、本地優先及自託管的 AI 工作區,支援連接自選 AI 供應商或本地模型端點。它涵蓋 AI 聊天、本地記憶、網頁搜尋、自動化、GitHub 整合及圖片生成,工作區資料預設儲存在 ~/.gnito/;程式碼位於 https://github.com/V-Dev-arch/gnito.git。

  4. DEV Community41

    Suisub:我的金錢沒有記憶,所以我打造了一個會記住理財習慣的智能體

    作者為 Total Recall hackathon 製作 Suisub,一個會記住用戶理財習慣、逐步取得代辦權限的 Telegram 金錢智能體。它透過 Walrus Memory 儲存記憶,並使用 Tatum 讀取 Sui Mainnet 上的 USDC;轉移至新伺服器後,成功還原全部 12 項記憶。數據計劃配送目前仍屬模擬,實際付款不會令用戶收到流動數據。

  5. DEV Community34

    為何雙式記帳簿是有趣的系統程式設計問題

    libledger 是一套以 C 編寫、由 SQLite 支援的雙式記帳程式庫,探索資料建模、交易式儲存及維持不變條件等系統程式設計問題。它以 64 位元整數表示貨幣金額,並透過 SQLite 交易確保每筆記帳操作完整提交或完全不提交。專案亦包括命令列工具、一致性檢查、多貨幣支援及供 AI 助手使用的 MCP 伺服器。

  6. 阿里雲開發者社區 AI62

    從 Transformer 到 LLM 全景圖:參數、訓練三階段、推理兩階段、能力邊界

    這套 34 講大模型課程的第 6 講,系統梳理 LLM 的參數規模、訓練流程、推理階段及能力邊界。文中以 Kimi K3 為例,列出 2.78T 總參數及約 104B 每 token 激活參數,並説明 MoE 的激活參數與整體顯存需求不同。內容亦比較開源權重自託管與閉源 API 的選擇條件,並整理模型在幻覺、長上下文、多步推理及現實操作方面的限制。

  7. DEV Community48

    PageSift 1.2 加入 ITNA 存取障礙恢復引擎,並回顧 1.1 系列更新

    PageSift 1.2 加入 ITNA 存取障礙恢復引擎,可在 HTTP 擷取受阻時判斷是否改用瀏覽器重試,並整合 Cookie、出口連線及瀏覽器指紋管理工作階段。ITNA 預設關閉,按需啟用;不處理互動式 CAPTCHA,也不保證繞過所有反機器人系統。PageSift 全面開源,1.1 支援辨識 373 種程式語言。

  8. DEV Community48

    HDF5 純 Go、無 CGO:5 KB 檔案觸發 40 GB 配置,往返測試也未能揭露錯誤

    scigolib/hdf5 是以純 Go 實作、無 CGO 的 HDF5 讀寫庫,v0.14.3 修復了 5,656-byte 檔案可觸發 40.9 GB 記憶體配置的問題。往返測試曾因讀寫端對格式有相同誤解而未能發現錯誤;改用統一的 datatype codec,並將官方測試檔中的 1554 個 datatype 訊息與 C 庫輸出比對。該庫現可讀取 383 個有效測試檔中的 379 個。

  9. 阿里雲開發者社區 AI38

    DeepSeek Harness 十款必備插件安裝指南:升級 AI 工作台

    DeepSeek Harness(DSH)以十款插件擴展 AI 工作台,涵蓋檔案引用、網絡搜尋、長期記憶、費用監控、介面增強、定時任務及多智能體協作。文章提供插件安裝命令與部署、模型配置及排錯指引,並介紹以阿里雲百煉、ECS 和計算巢部署 DSH 的流程。百煉 Token Plan 個人版 39 元/月起。

  10. Mitchell Hashimoto 原創博客60

    libghostty-vt 1.0 發佈,程式庫及 C ABI 正式穩定

    libghostty-vt 發佈 1.0,程式庫及 C ABI 現已穩定,並採用語義化版本管理和嚴格的 ABI 相容承諾。作者列出的採用案例涵蓋 JetBrains IDE 終端及多個其他產品;JetBrains 報告超過 12.5 million recurring active users。此版本亦加入標準建置和封裝工具、相依項目清單與文件,並在多種平台及架構進行建置和測試。

  11. DEV Community25

    恭喜 MLH x DEV 十月寫作挑戰得主!

    @muhammadmurtuzahussain 憑 Droichead 贏得 MLH x DEV 十月寫作挑戰;這款私人職涯導航工具面向因 AI 而面臨工作轉變的人士,並在 Hacktoberfest Hack Day Dublin 獲選 Best Open-Source AI Project。得主將獲 $100 USD,其他參賽者可提交作品,爭取下月獲選介紹。

  12. Unite.AI50

    MIT 詳述 CheMeleon 如何以低數據量預測分子性質

    MIT 與 BASF 研究人員開發開源分子基礎模型 CheMeleon,透過預訓練學習化學關係,再以少量特定任務數據微調,預測分子性質。模型約有 10 million 個參數,在 58 個基準數據集的統計比較中勝過傳統基準模型及現有基礎模型。CheMeleon 可透過 ChemProp 下載及微調,但仍須實驗確認候選分子的實際性質。

  13. DEV Community64

    osFoundry Local Model 使用指南:從挑選開源模型到本機微調

    osFoundry 的 Local Model 在桌面 App 內整合開放權重模型的探索、裝置端推論、量化、微調及評測流程。指南以個人筆電、小團隊共用桌機及營運主管三種情境,示範模型比較、速度基準測試、自訂資料集評測和 LoRA 訓練;本機推論、量化及本機訓練在電腦執行,Providers 和 Cloud GPU 則會使用外部服務。

  14. MIT News53

    CheMeleon 如何以少量數據預測分子性質

    MIT 團隊開發的 CheMeleon 預訓練模型,在目標分子性質數據有限時,篩選候選分子的表現優於其他現有方法。模型以 PubChem 中 100 萬種分子的數據及約 1,600 項分子描述符預訓練,並可按特定任務微調;研究在 58 個測試案例中將其與其他基礎模型及專家設計的傳統模型比較,CheMeleon 表現居首。這個開源模型可透過 ChemProp 下載和微調。

  15. DEV Community60

    免費 AI 模型會一直免費嗎?Mistral、Qwen、DeepSeek 與 Llama 背後的收入模式

    已發布的免費模型仍可下載,但新模型是否免費由各家公司逐款決定,運行模型則一直有成本。Mistral 透過模型運行服務、Le Chat、企業交易及主機授權變現,Alibaba 以雲端服務支撐 Qwen,Meta 則主要靠廣告;Mistral Large 4 的權重於 10 月 29 日上載至 Hugging Face,此前應用須付費使用。

  16. NVIDIA:Newsroom38

    NVIDIA 開源工具如何協助研究人員建構下一代 6G 網絡

    NVIDIA 的開源工具協助研究人員開發下一代 6G 網絡,連接模擬、AI 訓練與實際無線系統實驗。NVIDIA AI Aerial 和 NVIDIA Sionna 軟件的全球開發者採用量在過去一年增長 10x,開源 5G/6G 工具下載量超過 1 million,逾 8,000 間研究及學術機構使用相關平台。相關研究涵蓋機械人通訊、AI 接收器、基站節能及 GPU 加速模擬。

11月6日週五
  1. Ai2 / Allen Institute for AI60

    Ai2 發佈 ToyBlocks,建立機械人學習與評估的受控模擬環境

    Ai2 發佈 ToyBlocks,作為 FoundationWorlds 的首個受控模擬環境,支援機械人學習研究、示範數據生成與行為評估。首批資料包括 85,336 段長時程示範、近 1,600 小時機械人執行數據及 144 million frames。釋出的套件亦包括模擬資產、任務與示範生成工具,以及訓練和評估程式碼,供研究者建立數據組合並測試未見任務。

  2. DEV Community48

    Spend-Aware Agent:會記住無用資料來源的 Sui 研究智能體

    Spend-Aware Agent 是面向 Sui 的研究智能體,會按請求付費購買資料、評估每次購買新增的事實,並將評估結果寫入 Walrus Memory。再次查詢時,它會略過平均效用低於 0.25 的來源;超過七天的評估則會重新測試。示範中,第二次查詢只向 Chain Pulse 支付 $0.002,並略過其餘三個來源。