最新精選 第 241–260 條 · 共 296 條 07:22 Augment Code 博客 · 07:22 精選AI 評分 76 76 Augment Code 以內部編碼任務評估 AGENTS.md,發現優質文件可提升 AI 編碼智能體表現,劣質文件則可能令結果比沒有文件更差。約 100 個核心檔案的中型模組中,100–150 行主文件配合少量聚焦參考文件,在各項指標帶來 10–15% 改善;六步部署新整合工作流程則令正確率提升 25%、完整度提升 20%。
推薦理由:文章以內部編碼評測比較 AGENTS.md 在不同任務中的得失,並整理出文件長度、工作流程與參考資料安排對結果的具體影響。
08:00 Hugging Face Blog · 08:00 精選AI 評分 66 66 Sentence Transformers v5.4 的同一 API 現可編碼並比較文字、圖像、音訊和影片,文章示範其多模態嵌入與 reranker 用法。嵌入模型將不同模態映射至共享嵌入空間;預訓練多模態 reranker 目前主要處理文字與圖像配對。示例涵蓋跨模態檢索、混合模態文件重排及先檢索再重排流程,並列出輸入格式、支援模型和安裝依賴。
推薦理由:文章展示 Sentence Transformers v5.4 的跨模態檢索與 reranker 重排流程,並整理支援模型和輸入格式,提供實作參考。
00:00 HKCERT 保安博錄 · AI 安全 · 00:00 精選AI 評分 66 66 HKCERT指出,OpenClaw 快速普及且可接觸本機資源及外部服務,令惡意 skills、假冒安裝來源及已披露漏洞帶來代理接管與惡意程式感染風險。文章提到 ClawHub 已引入 VirusTotal 掃描,但部分 prompt injection 載荷仍可能避過檢測。建議核實官方下載來源、審核 skills、採用最小權限及隔離環境,並更新 OpenClaw。
推薦理由:文章將 skills 供應鏈、假冒安裝來源及核心漏洞納入高權限 Agent 的整體風險脈絡,並整理來源核實、權限收斂、隔離與監察等部署措施。
00:00 HumanLayer Blog · 00:00 精選AI 評分 76 76 HumanLayer Blog 指出,編碼智能體的許多失誤與 harness 配置有關,並整理透過配置改善輸出質素和可靠性的做法。文章建議按實際失誤調整 CLAUDE.md/AGENTS.md、MCP、技能、子智能體及 hooks,並以精簡的驗證回饋避免無關輸出佔用上下文。
推薦理由:文章將編碼智能體的可靠性問題連到 harness 配置,並整理按實際失誤調整上下文、工具與驗證機制的方法,提供可逐步迭代的工程思路。
08:00 Hugging Face Blog · 08:00 精選AI 評分 70 70 Hugging Face 製作 CUDA kernel 技能,Claude 和 Codex 依此為 diffusers 與 transformers 目標產生可運行的 kernel。
推薦理由:文章拆解如何把 GPU 架構知識、PyTorch 整合範式與基準測試流程封裝成技能,讓編碼智能體產出可構建、可測試的 CUDA kernel 專案。
15:00 Andrej Karpathy:Blog · 15:00 精選AI 評分 79 79 Andrej Karpathy 以 microgpt 示範如何用一個 200 行、無依賴的純 Python 檔案訓練及推理 GPT。程式涵蓋資料集、Tokenizer、自動微分、GPT-2-like 架構、Adam 及生成流程;示例以約 32,000 個名字訓練,模型有 4,192 個參數。文中亦對照生產級 LLM 在數據、模型規模、訓練和推理工程上的差異。
推薦理由:文章將 GPT 的演算法核心與生產級 LLM 的規模化工程逐項對照,呈現數據、模型規模、訓練及推理流程的差異。
00:00 Mistral AI · 00:00 精選AI 評分 60 60 Mistral AI 團隊追查 vLLM 分離式服務的記憶體洩漏,定位到 UCX 的 mmap hook 與延後清理的記憶體池。問題只在使用 NIXL 的 Prefill/Decode 分離式設定中重現;設置 UCX_MEM_MMAP_HOOK_MODE=none 可解決洩漏,且在此 vLLM 用例中不影響效能。
推薦理由:這篇排查記錄示範如何從 RSS 與匿名映射的異常增長開始,逐步利用 BPFtrace 和 GDB 定位 UCX mmap hook,並整理 vLLM 分離式服務可用的修復設定。
08:25 OpenAI News · 08:25 精選AI 評分 61 61 OpenAI 發佈建置 AI 智能體的實用指南,涵蓋適用場景、模型與工具選擇、指令設計及工作流編排。指南建議先以單一智能體起步,使用最強模型建立效能基線,再按成本、延遲及任務表現測試較小模型,只有複雜度需要時才拆分為多智能體。指南亦介紹多層防護措施,並建議在重試超限或高風險操作時引入人工介入。
推薦理由:指南將智能體建置拆解為場景判斷、單智能體起步及按需要擴展,並納入防護與人工介入,呈現循序落地的實作路徑。
2025年10月28日 週二
2025年 10月28日 星期二
08:00 Hugging Face Blog · 08:00 精選AI 評分 65 65 Hugging Face Blog 提出語音複製「同意閘門」設計並提供示例 Space 和程式碼,系統需先確認説話者已明確同意才會啟動。示例會為每次同意生成一組新句子,分別表達明確同意及補充語音的音素多樣性,並以語音識別確認同意語句。作者指出,仍可能有人用另一個 TTS 系統生成相符語句,並列出音訊來源驗證、説話者嵌入向量相似度及即時錄音 metadata 作為可探索方向。
推薦理由:把每次生成的同意語句與語音辨識綁定,並以同一段錄音作複製輸入,展示了將知情同意設為工作流程前置條件的實作思路。
2025年10月21日 週二
2025年 10月21日 星期二
08:00 Hugging Face Blog · 08:00 精選AI 評分 67 67 Hugging Face 更新開放 OCR 模型指南,加入 Chandra、OlmOCR-2 及模型在 OlmOCR Benchmark 的比較分數。指南對照多款模型的輸出格式、語言支援、功能與成本,並介紹 OmniDocBenchmark、OlmOCR-Bench 和 CC-OCR 等評測基準。
推薦理由:文章對照模型能力、輸出格式、評測基準與部署成本,並建議以代表性樣本檢驗不同文件和語言下的表現。
2025年10月15日 週三
2025年 10月15日 星期三
08:00 Hugging Face Blog · 08:00 精選AI 評分 60 60 Hugging Face Blog 提供以 Optimum Intel 和 OpenVINO 在 Intel CPU 上本地運行 SmolVLM2-256M-Video-Instruct 的三步教程,涵蓋模型轉換、量化及推理。
推薦理由:文章展示 VLM 在 Intel CPU 上以 OpenVINO 完成轉換、兩種量化和推理的三步流程,並交代靜態量化校準與精度影響。
08:00 Hugging Face Blog · 08:00 精選AI 評分 62 62 Hugging Face 介紹如何在 ZeroGPU Spaces 使用 PyTorch AoT 編譯,將模型預先編譯後在不同程序中載入,以減少即時編譯造成的冷啟動開銷。
推薦理由:文章拆解 ZeroGPU Spaces 的 PyTorch AoT 編譯流程,並展示量化、動態形狀與區域編譯等可遷移的優化做法。
08:00 OpenAI Developers · 08:00 精選AI 評分 76 76 OpenAI 介紹用 Ollama 在本地運行兩款 gpt-oss 模型,支援離線聊天、API 調用及接入 Agents SDK。gpt-oss-20b 建議至少 16GB VRAM 或 unified memory,gpt-oss-120b 至少 60GB;模型預設採用 MXFP4 量化,VRAM 不足時可用 CPU,但速度較慢。
推薦理由:指南比較兩個模型所需的硬件配置,並串起本地聊天、Chat Completions API 與 Agents SDK 接入步驟,便於評估本地部署路徑。
2025年7月31日 週四
2025年 7月31日 星期四
08:00 Hugging Face Blog · 08:00 精選AI 評分 62 62 文章示範如何以 Gradio 在 Python 中實作 MCP 伺服器,並建立可瀏覽服裝網站、呼叫 IDM-VTON 虛擬試穿的 AI 購物助手。Gradio 會把應用程式的 API endpoint 自動轉為具名稱、描述及輸入 schema 的 MCP 工具,並支援即時進度通知和自動檔案上傳。
推薦理由:示例將 Gradio MCP 伺服器、Playwright 網頁瀏覽與 IDM-VTON 虛擬試穿串成工作流程,並列出 VS Code 設定步驟。
2025年7月10日 週四
2025年 7月10日 星期四
08:00 Hugging Face Blog · 08:00 精選AI 評分 68 68 Hugging Face 分享其官方 MCP Server 的建置經驗,説明 AI 助手如何透過 hf.co/mcp 存取 Hub 及 Spaces 上的 AI 應用。
推薦理由:文章拆解遠端 MCP Server 在傳輸模式、連線狀態與資源開銷上的取捨,並以 Hugging Face 的部署配置呈現決策脈絡。
08:00 Hugging Face Blog · 08:00 精選AI 評分 65 65 Hugging Face Blog 示範如何透過 Gradio MCP 伺服器為 LLM 接入工具能力,並以 Flux.1 Kontext[dev] 展示按文字指令編輯圖片。
推薦理由:文章以 Flux.1 Kontext[dev] 示範將 Hugging Face Spaces 的 MCP 服務接入 Cursor,並交代圖片須使用公開 URL,呈現從選擇服務到設定客户端的實作流程。
08:00 Hugging Face Blog · 08:00 精選AI 評分 64 64 Hugging Face Blog 示範如何使用 Sentence Transformers 訓練及微調稀疏嵌入模型,介紹 SPLADE、Inference-free SPLADE、CSR 架構,以及資料、損失函數、評估器和訓練器的配置。
推薦理由:文章按 SPLADE、Inference-free SPLADE 與 CSR 的適用情境梳理架構選擇,並以實作例子串連資料、損失函數和評估器配置。
2025年4月15日 週二
2025年 4月15日 星期二
08:00 Amp Chronicle · 08:00 精選AI 評分 77 77 Thorsten Ball 示範以 Go 和 Anthropic API 建立可編輯程式碼的 Claude 智能體,並以迴圈處理對話及工具呼叫。示範加入 read_file、list_files 和 edit_file,讓模型讀取及列出檔案,並按指令建立或修改檔案;工具結果會送回模型。程式碼不到 400 行。
推薦理由:文章以不到 400 行 Go 程式碼,逐步組裝可讀取、列出及編輯檔案的 Claude 智能體,呈現工具定義與執行結果回傳的基本循環。
08:00 Hugging Face Blog · 08:00 精選AI 評分 61 61 Hugging Face Blog 的教程示範以 React Native 建立手機應用,在裝置本地執行 LLM 聊天。應用從 Hugging Face Hub 下載 GGUF 模型,並以 llama.rn(llama.cpp 的 binding)載入,教程涵蓋 Android 和 iOS。文章亦介紹 GGUF 量化格式、手機選模取捨,以及逐 token 生成與推理速度追蹤等功能。
推薦理由:文章按模型選擇、GGUF 下載與載入、聊天介面逐步拆解 React Native 實作,並説明量化格式與設備能力的取捨,可作為端側 LLM 應用的開發參考。
2025年1月27日 週一
2025年 1月27日 星期一
08:00 Hugging Face Blog · 08:00 精選AI 評分 69 69 Hugging Face Diffusers 團隊梳理多款開源影片生成模型的能力與限制,並介紹 Diffusers 對影片生成、推理優化及微調的支援。
推薦理由:文章整理多款開源影片模型的資源需求,並以 HunyuanVideo 不同優化設定的數據,呈現量化、卸載和 VAE tiling 對顯存與推理時間的實際取捨。
上一頁 1 … 11 12 13 14 15 下一頁