ATV Big Air Tour 藉助 ChatGPT 將 3 天工作縮短至 3 小時
ATV Big Air Tour 藉助 ChatGPT,將原需 3 天的工作縮短至 3 小時。團隊使用 ChatGPT Work 加快市場推廣、商品營運等工作,並在 15 分鐘內將商品照片轉成庫存網站。
ATV Big Air Tour 藉助 ChatGPT,將原需 3 天的工作縮短至 3 小時。團隊使用 ChatGPT Work 加快市場推廣、商品營運等工作,並在 15 分鐘內將商品照片轉成庫存網站。
Nokia 核心網部門表示,兩名工程師藉助 Cursor 在兩週內分析某條產品線超過 5000 萬行程式碼,無需自訂工具。分析為拆解單體架構、轉向分散式服務架構提供規劃依據,並據 Nokia 估算,數月內釋放十多名專家投入其他項目。Cursor 亦協助 Nokia 將新功能部署工作流約 80% 自動化及可視化,並把根因分析由數週縮短至數天。
Sierra 的企業級 Voice AI 指南説明,AI 語音智能體可結合客戶背景及業務系統,在通話中處理要求並完成工作。企業準備程度須以整通電話作端到端評估,涵蓋延遲、輪流發言、語音辨識、上下文、操作、護欄及轉接七項測試,並納入噪音、打斷、模糊請求和整合失敗等情況。Sierra 的 tau-voice 基準以 278 項客戶服務任務,結合真實音訊及重疊發言,測試對話行為與資料庫狀態是否正確。
loveholidays 使用 OpenAI Codex,讓公司各團隊更容易參與軟件開發。這有助團隊更快把想法轉化為產品。
IBM Granite 團隊詳述 Granite 4.2 推理模型系列的構建流程,涵蓋架構、訓練方法及評測結果。該系列有 3B、8B、30B 三種稠密、僅解碼器模型,均由 Granite-4.1 base models 後訓練;後者以約 15T tokens 預訓練,並透過五階段策略將上下文窗口延至 512K tokens。
推薦理由:文中並列三種規模共用的訓練主線,以及 8B、30B 額外加入真實環境 Agentic RL 的分支,可據此理解各規模訓練階段和智能體能力培養的差異。
Gradio 內置的 gr.Workflow 可把 AI 工作流表示為由帶類型節點組成的圖,並提供可拖放、逐節點執行及查看中間結果的畫布。節點可執行 Python 函數、調用 Hugging Face Inference Providers 模型或其他 Gradio Space,也可處理 Hub 數據集資料。
推薦理由:文章以多個可執行示例展示如何把模型、Python 函數與 Gradio Space 串成工作流,並讓節點輸出直接成為 API。
Anthropic 計劃為 Claude 模型生成的文字加入浮水印,Sebastian Raschka 詳解其文字生成與抽樣機制。浮水印在抽樣階段使用秘密金鑰和前四個詞語控制 token 選擇,毋須重新訓練模型;tournament sampling 讓系統可用金鑰和浮水印函數為文字評分,毋須重新執行 LLM。由於浮水印位置不公開,作者指出需改動多處文字才可能移除標記。
Hugging Face 以 Inference Endpoints、Jobs 和 Storage Buckets 建立 Papers with Code 混合搜尋系統,為來自 arXiv 和 Daily Papers 的超過 110,000 篇論文維護嵌入向量。
推薦理由:文章拆解離線批次建向量與線上查詢的分工,並説明端點冷啟動時如何回退全文檢索,呈現混合搜尋進入生產環境的工程取捨。
Asana 使用 OpenAI Codex,在 2 週內替換一套過時的測試系統,並完成原需數年的程式碼遷移。此次使用的模型與基礎設施成本約為 $12K。
Sentence Transformers v6.0 新增 MultiVectorEncoder,支援 ColBERT 式多向量檢索。文中示範載入 PyLate 與 Stanford-NLP ColBERT checkpoint、接入檢索索引,以及以同一 API 執行 ColPali 視覺文件檢索。
推薦理由:文章對照 LateOn 與 DenseOn 在 NanoBEIR 13 個資料集的結果,並以索引體積數據呈現多向量檢索表現與儲存成本的取捨。
這個教學示範如何從零建構 AI 文字偵測器,並以微調 DistilBERT 分類器估算文字由 AI 生成的可能性。評分為 0-100,項目目標包括提供人類及智能體可用的 API,以及可顯示全文和個別文字區塊評分的本地瀏覽器介面。作者亦以此探討 AI 偵測器的限制,以及評分器或驗證器在 LLM 應用中的用途。
OpenAI 的 GPT-5.6 建構指南聚焦初創公司如何運用 GPT-5.6,更快、更具成本效益地構建 AI 智能體。指南亦涵蓋更智能的模型選擇,以及 Responses API 的新能力。
Hamel Husain 列出其 AI 產品工程長文選集,題材包括 AI 評測、產品開發、LLM 評估及工程工具。他與人共同教授的 AI Evals for Engineers and PMs 已有逾 5,000 名學生,來自 500 多間公司,包括 OpenAI、Anthropic 和 Google。
OpenAI CFO Sarah Friar 分享打造 AI 原生財務職能的五點啟示,內容涵蓋自動化預測、加強控制與 AI 投資回報。這些經驗聚焦財務職能的 AI 原生建構。
Zapier 的企業市場推廣團隊使用 ChatGPT Work 改造核心流程,以減少潛在客户漏斗中的流失。團隊亦用它製作宣傳活動素材並自動化報告。
HSP GRUPPE 使用 ChatGPT Enterprise 提升生產力和工作質素,並為税務諮詢及客户服務創造更多容量。
OpenAI 用六個月構建 GPT-Live 即時語音系統,支援與 AI 持續進行語音互動。系統採用無需輪次切換的語音模型和低延遲架構,以實現更快、更自然的對話。
Cursor 分享了為雲端智能體搭建開發環境的方法,讓雲端 VM 貼近本地開發,並支援智能體測試程式碼及維護環境。團隊以 Dockerfile 配置依賴,以 anydev 簡化服務啟動,並透過 Cursor Cloud MCP 和 Cloud Doctor 診斷、修復環境及改善工作流。去年 12 月,合併到 Cursor 單體倉庫的 PR 中約十分之一由雲端智能體編寫,如今已超過一半。
科學家正運用 AI 編碼智能體推動科學計算現代化,加快基因組學及其他領域的軟件開發與發現。
Thariq Shihipar 分享 Claude 5 世代模型的上下文工程新規則,主張減少限制並按需載入指引。Anthropic 團隊為 Claude Opus 5 和 Claude Fable 5 將 Claude Code 的系統提示詞削減逾 80%,編碼評測未見可測量的表現下降。
Ethan Mollick 建議按任務風險和工作類型選用 AI,並以 ChatGPT 或 Claude 的智能體處理實際工作。低風險問答可用合適的免費模型;高風險議題則建議選 Claude 的 Opus 或 Fable,或將 ChatGPT 的 GPT-5.6 Sol 設為至少「High」思考級別。
Sebastian Raschka 以 GPT-5.6 系列為切入點,解説大語言模型如何在訓練及推理階段支援不同推理力度;該系列有三種模型規模,每種約有五至六種推理力度設定。
OpenAI CFO Sarah Friar 提出一份用於衡量 AI 投資回報的實用記分卡。評估維度包括有用工作、每項成功任務的成本、可靠性及算力回報。
OpenAI 的創意團隊運用 Codex 和上下文感知 AI 建構自訂創意工具、加快構思,並更快製作原型。
ChatGPT Work 的實用數據科學工作流程涵蓋根因簡報、KPI 備忘錄、限定範圍分析及儀錶板規格,説明如何在這些任務中運用相關工作流程。
ChatGPT Work 的實用銷售工作流程涵蓋銷售管道簡報、會議準備、客户計劃、預測檢視及交易診斷等場景。
Hugging Face Blog 的《PyTorch 效能分析》第 3 篇以 profiler traces 對照手寫注意力與 PyTorch SDPA 各後端的執行情況。
推薦理由:文章對照 CPU 與 GPU trace,展示如何從 kernel 數量、資料搬移及 CPU 開銷,辨認注意力實作的效能收益與成本。
ChatGPT 入門指南説明如何使用 ChatGPT、開始首次對話,並探索以 AI 寫作、腦力激盪和解決問題的簡單方法。
Hugging Face Blog 示範用一條命令在 HF Jobs 上以 vLLM 啟動私有、OpenAI-compatible 的 LLM 端點。內容提供 curl 和 Python OpenAI client 呼叫範例,並示範以 SSH、Gradio 及 Pi 延伸使用;每次請求須附上具該 Job 讀取權限的 HF token。
推薦理由:文章把 HF Jobs、vLLM 與 OpenAI-compatible API 的部署、驗證和停止流程串成可複用命令,並説明私有端點的 token 權限與成本控制。
Jason Liu 使用 Codex 保留脈絡並管理複雜專案。這讓工作得以延續至單一提示詞以外,支援長時間任務。
OpenAI Academy 推出三門課程,協助人們培養實用 AI 技能、建立可重複使用的工作流程,並在日常工作中應用 AI 智能體。
Manus 的 Canva 連接器可在聊天中建立、編輯、調整尺寸和整理 Canva 設計,亦可把書面內容轉成多張幻燈片視覺素材。文章示範把研究、博客撰寫和 LinkedIn 輪播圖製作串成工作流,並將邀請函流程存為可重複調用的 Manus 技能。不同功能設有套餐限制,例如調整尺寸需 Pro 套餐及以上,品牌模板搜索僅限企業版。
天體物理學家 Chi-kwan Chan 使用 Codex 建構黑洞模擬,協助科學家研究極端物理,並檢驗 Einstein 的廣義相對論。
Hugging Face Blog 第二篇 PyTorch 效能分析教程,從 nn.Linear 追蹤至 GeGLU MLP。
推薦理由:文章對比 eager、torch.compile 與 Liger,展示 MLP 融合如何減少 HBM 往返,以及固定形狀特化與跨形狀通用的取捨。
Nextdoor 工程師使用 Codex 搭配 GPT-5.5,調查難以重現的問題並跨平台開發。其工作亦聚焦產品成果。
編碼智能體串接兩個 Hugging Face Spaces,生成巴黎地標圖像及 3D Gaussian splats,並將畫廊部署為靜態 Space mishig/monuments-de-paris。
推薦理由:案例展示了透過 Hugging Face Spaces 的 agents.md 串接圖像生成與單圖 3D 重建,並以各一句提示複用到日本及埃及主題畫廊,呈現多媒體工作流的可遷移性。
Hugging Face Blog 示範如何把 GitHub Actions 的 CI 工作交由 Hugging Face Jobs 執行,並以 Trackio 展示透過臨時 self-hosted runner 連接兩者的方式。
推薦理由:文章給出 GitHub Actions 接入 Hugging Face Jobs 的操作流程,並説明 workflow 標籤設定。
一位銷售主管透過 Manus 建立工作流程,將 HubSpot 資料整合至團隊使用的 Gmail 和 Slack,讓銷售代表可在收件匣掌握潛在客户及交易資訊。Gmail 郵件會按 HubSpot 資料加上標籤,瀏覽器擴充功能顯示相關線索或客户詳情;企業線索需要關注時,Slack 機械人會通知團隊。
Braintrust 工程師使用 Codex 與 GPT-5.5,將客户需求轉化為程式碼。這項做法亦用於運行實驗,並加快編碼速度。
OpenAI 分享可信第三方 AI 評測指南,説明如何評估前沿系統的模型能力、安全防護及評測有效性。