第九波如何在Amazon Bedrock上构建人工智能驱动的开放金融入门版
了解Ninth Wave如何构建Compass，这是Amazon Bedrock AgentCore上的一款多代理人工智能入职助理，可根据金融数据交换（FDX）标准验证银行API、评分合规性，并将开放金融入职时间从数周压缩到数分钟，同时满足SOC 2和PCDI SS要求。
部署工程
把模型跑起来的工程实践：推理优化、显存与成本、Serving 架构与基础设施选型。
已收录 801 条 · 近 30 天 545 条 · 第 20 / 28 页
-
-
生成性人工智能定制范围：从即时工程到AWS上的定制模型
在AWS上选择正确的生成式人工智能定制方法，该方法具有8步决策框架，从即时工程和RAG到微调、持续预训练和Amazon Nova Forge。从简单开始，只有在必要时才升级。
-
使用MF、Databricks Genie和Amazon Quick自动补充
基础模型使整个目录范围的需求预测变得容易;现在最困难的部分是对预测采取行动。这篇文章在Databricks和Amazon Quick上建立了一个封闭的检测-决定-行动循环，将需求激增与实时供应商可用性进行协调，并将补充订单置于无人值守的状态，只有在没有供应商能够应对激增时才会升级到人工。
-
Perplexity便携式计算机现在可在Windows上使用，由NVIDIA RTX提供支持
随着本地模型的能力越来越强，人工智能代理可以直接在PC上处理更多工作，同时将敏感信息保留在设备上。Portable Computer是Perplexity Computer代理的本地版本，用于规划和执行多步骤任务。它由英伟达图形处理器加速，使用本地模型来分析数据，汇集信息[.]
-
利用Memoize（非AI Gen）将ePFA的中央处理器成本降低约90%
HN ð11· 2 评论
-
高级开发者遵循的 7 条 Python 最佳实践（初学者常忽略）
📌 One-Sentence Summary 文章识别了 Python 代码中的七个隐藏假设，并提出最佳实践——依赖注入、上下文管理器、超时、结构化日志、失败契约测试、元数据声明和弃用处理——以使代码具备生产环境准备。 📝 Summary 文章呈现了一种系统化的方法，用以揭示 Python 代码中常导致生产故障的七个隐藏假设。它将每个假设与具体的最佳实践配对
-
蚂蚁发布大模型内生式安全护栏SingProbe，让AI边生成边识别风险
大模型正在进入日常问答、办公辅助、客户服务等真实业务场景。用户期待AI快速给出有用的回答，也需要这些回答安全、可靠。如何及时发现不安全内容和编造信息，同时减少安全审核对响应速度和用户体验的影响，成为大模型应用落地需要解决的问题。 国家网络安全宣传周期间，蚂蚁AI安全实验室正式发布大模型内生式安全护栏SingProbe，将安全检测融入模型生成过程。它如同一个内
-
Fyxer如何建立人工智能行政助理人们的信任
Fyxer使用OpenAI模型、微调、内存和真实用户反馈来组织收件箱并以每个用户的声音起草电子邮件。
-
D-Matrix Raptor 3D-RAM加速器在Hot Chips 2026上用于生成推理
HN Ÿ 7 · 0 评论
-
显示HN：Stemsson-一种供LLM动态扩展原生移动应用程序的语言
HN5· 0 评论
-
国产智驾芯片新纪录，被产业伙伴联合书写的里程碑
2025年，中国生产了3453.1万辆汽车，连续17年位居全球第一。即便规模巨大，中国汽车产量仍在快速增长，其中新能源汽车产量同比增长29%。 当中国车企在电动化赛道上已经跑赢全球，另一场更为隐秘的战争才刚刚分出胜负：装进汽车里的那颗“ 大脑”，正在从海外公司的手里，被一家中国公司夺回来。 汽车产量逐年增加，装进汽车里的国产智驾芯片，出货也同步加速。 国内量
-
全国唯一！商汤大装置临港AIDC获“算效+算电”双5A认证
业界首个5A算电协同认证
-
NVIDIA开源ONSO：One YML演示物理人工智能训练、模拟和机器人测试
英伟达拥有开源ONSO，这是一款Kubernetes原生工作流编排器，在内部用于Project GR 00 T、Isaac Lab和Isaac Sim。OASO让机器人团队在单个YML文件中定义训练、模拟和硬件在环任务，并将每个任务路由到正确的计算层，从GB 200集群到Jetson AGX Thor设备，无需基础设施代码。Apache-2.0获得许可，最新
-
EP175 · AI 选择效应、Bending Spoons、Antspace · 09-14 早报
📝 今日导语 看 AI 采用数据先想选择效应；Bending Spoons 示范选人，Claude 底层藏着 Antspace。 🏷 今日关键词： 选择效应 断点回归 Bending Spoons Evernote Claude Code Antspace 具身智能 📰 今日精选内容 你的 AI 采用提升是选择效应 Towards Data Science
-
智谱提前剧透GLM-6.0：完全自训练方法公开了
模型、论文都还没出，没想到先从财务公告上剧透了
-
Perplexity信任GPT-6 Astra提供端到端系统
Perplexity使用Astra编写通信、更改软件和监控生产系统，并且检查频率比早期型号低得多。
-
大模型牌桌上，蚂蚁如何出牌？
谈起国内 AI 公司，人们首先想到的往往是智谱、MiniMax、月之暗面等大模型创业公司，或者阿里、腾讯、字节这些拥有云和流量入口的大厂。 在这张竞争地图里，蚂蚁的位置一直没有那么容易被描述。它也做大模型，也做面向消费者的 AI 应用，现在甚至开始进入具身智能。 蚂蚁到底想在 AI 产业里占据什么位置？它准备依靠什么与其他大模型公司竞争，又想把自己的护城河修
-
收件箱内的上下文工程：克服长期任务中的上下文溢出和目标丢失的4种机制
浅代理是LLM循环调用工具，在长任务中，它以两种方式失败：上下文溢出和目标丢失。本文打开了修复这两者的工具层，其中包含LangChain Deep Agents、Claude Code、Manus、OpenAI Codex和Amazon Bedrock AgentCore提供的实际阈值，以及显示20万窗口已填满的交互式模拟器。文章首先发表在MarkTechP
-
利用NVIDIA cuML、RAPIDS、GPU基准测试、可解释性、聚类和模型推理实现机器学习工作流
本实用教程演示了如何使用NVIDIA cuML和RAPIDS构建和加速机器学习工作流程。它涵盖了图形处理器环境设置、使用cuml.accel的零码scikit-learn加速、关键ML算法的性能基准测试、使用UMAP和HDBSCAN的多管齐学习、使用FIL的树模型推理以及使用GOP加速的SHAP的模型解释性文章使用NVIDIA cuML、RAPIDS、图形处
-
AgentsDock：为人工智能研究设计的IDE
HN ð21· 10 评论
-
OpenAI的Jalapeno加速器的高级系统架构分解
HN5· 0 评论