来源: oschina.net
39
{ "title_zh": "MuseScore 4.7.3：修崩溃、调音量、改页码——小版本里的大改善", "body_zh": "# MuseScore 4.7.3：修崩溃、调音量、改页码——小版本里的大改善\n\nMuseScore 4.7 是一次功能大更新，但新版本难免带着新问题——部分用户遇到了崩溃，也有人发现某些乐器的音量明显偏小。4.7....
来源: tech.meituan.com
41
ACL 是自然语言处理领域最具影响力的顶会之一，美团今年有六篇论文被收录，技术方向横跨大模型评测、复杂流程推理、竞赛级数学思维优化、强化学习优化以及生成式推荐。这些工作不是孤立的学术探索——它们共同指向一个现实问题：大模型从「能对话」走向「能可靠地完成复杂任务」，中间还有哪些关键缺口需要补上。 评测论文的核心关切是：现有基准是否真的能区分模型的能力层级...
来源: postgr.es
31
是 PostgreSQL 里一个容易被忽视的 GUC（Grand Unified Configuration）。默认值 100 对大多数场景够用，但当你把它推到 500 甚至更高时， 的耗时会暴涨——不过在某些数据分布下，这个代价换来的是查询计划质的飞跃。 PostgreSQL 的查询优化器不看原始数据，它看的是 里存的统计摘要。 决定 在每列上采集多...
来源: openai.com
40
{ "title_zh": "Preply 如何用 OpenAI 为每节课生成个性化摘要与练习", "body_zh": "在线语言学习平台 Preply 最近把 OpenAI 的能力嵌入到课后流程里：每次一对一课程结束后，系统自动生成学习摘要、个性化反馈和针对性练习题。这意味着学员不再只靠记忆回顾课堂内容，而是拿到一份结构化的"课后报告"。\n\n#...
来源: dropbox.tech
48
安全设计文档写得很完整，代码提交时却悄悄偏离——这是很多团队的真实痛点。威胁模型在 Confluence 里沉睡，PR 里的实现早已走了另一条路。Dropbox 近期公开了他们的做法：用 MCP（Model Context Protocol）把 Dash 内部的安全知识喂给 Agentic AI，让 AI 在代码审查阶段主动比对设计意图与实际代码，把"...
来源: aws.amazon.com
39
处理海量文档时，你总会面对一个矛盾：实时场景要求秒级响应，离线场景则更在意成本控制。Amazon Bedrock 同时提供了按需推理（On-demand）和批量推理（Batch）两种调用模式，但多数人只用了其中一种。把两者组合成一条动态切换的管线，才能在延迟和费用之间找到最优解。 Bedrock 的按需推理是同步调用——请求发出后等待模型返回结果，适合...
来源: postgr.es
42
PostgreSQL Buildfarm 是社区持续集成的基础设施——几十个成员在不同平台、不同分支上跑构建和测试，结果汇总到 Buildfarm 数据库。多年来，想拿这些数据的人只有一个办法：爬网页。Andrew Dunstan 最近收到同事询问，才发现确实没有正式 API，于是借助 Claude Code 动手写了一个，现在已经上线。 Buildf...
来源: aws.amazon.com
42
AI Agent 越来越多，但"它到底好不好用"这件事，大多数团队还在靠手动试几个场景、凭感觉判断。Agent-EvalKit 这个 Apache 2.0 开源工具包，试图把 Agent 评估从"拍脑袋"变成"有流程、有数据、可复现"的工程实践。它已经对接了 Claude Code、Kiro CLI、Kilo Code 等主流 AI 编码助手，并提供了...
来源: aws.amazon.com
33
Amazon QuickSight 最近上线了两项功能——Sparklines（迷你趋势图） 和 Custom Sort for Controls（控件自定义排序）。它们分别解决两个长期痛点：表格里看不出趋势走向，筛选器里业务维度总是按字母排而不是按逻辑排。两个功能看似独立，组合起来却能让仪表盘从"展示数据"升级为"驱动决策"。 Sparklines ...
来源: aws.amazon.com
47
从非结构化文档中提取字段，蓝图（Blueprint）是核心配置——它告诉 BDA 你要抽什么、怎么抽。但写好蓝图指令并不容易：一条模糊的指令可能导致字段漏抽、值偏移、格式混乱。过去要修正这些问题，往往需要反复调整指令文本、跑测试集、人工比对，周期以周计。 Amazon BDA 现在提供了 蓝图指令优化（Blueprint Instruction Opt...