标签

AI

用 SageMaker 微调 Amazon Nova，让邮件抽取从“差不多”变成“字段级准确”

来源: aws.amazon.com 34
邮件数据抽取看起来像一个简单的文本理解任务：把发件人、订单号、金额、日期、地址、客户意图从邮件里拿出来。但真实业务邮件往往格式混乱、字段相似、表达重复，通用大模型很容易把“账单地址”和“收货地址”混在一起，或者把邮件正文里的历史引用当成最新请求。 这篇内容关注一个具体方向：用 Amazon SageMaker AI 微调 Amazon Nova 模型，...
# AI # AWS # 云平台
阅读全文

Meta 连续十年赞助 PSF：Python 为什么仍是工程栈里的硬通货

来源: engineering.fb.com 26
Meta 连续第十年赞助 Python Software Foundation（PSF）。这件事不只是一次企业公益露出，它更像一个信号：Python 仍然是大型工程组织愿意长期投入的基础设施。对于每天写服务、跑数据、做自动化和搭建 AI 工具的开发者来说，语言生态的健康程度，和语法本身一样重要。 PSF 是支撑 Python 语言和社区的非营利组织。它...
# AI # Meta # Python
阅读全文

Azure IaaS 成本优化：把省钱设计进云基础设施

来源: azure.microsoft.com 21
企业把关键业务迁到云上、重构云原生应用、扩展 AI 工作负载时，IaaS 成本很容易从“按需弹性”变成“持续膨胀”。真正长期有效的成本优化，不是月底看账单后手动关几台虚拟机，而是在设计、构建和运营 Azure 基础设施时，把成本效率当成架构原则。 Azure IaaS 的成本主要来自虚拟机、磁盘、网络、备份、日志、快照和跨区域流量。很多团队一开始只盯 ...
# AI # Azure # 云平台
阅读全文

为什么专业化几乎不可避免：从团队分工到系统设计

来源: huggingface.co 25
软件行业总爱在“全栈”“通才”“一人搞定”之间来回摆动，但只要系统规模、团队人数和业务复杂度继续增长，专业化就会自然出现。它不是某个管理口号，而是复杂系统降低认知负荷、提高交付效率的一种结果。 本文基于“专业化不可避免”这个核心观点展开：专业化为什么会发生，它带来什么收益，又会制造哪些边界问题。因为来源信息较少，下面的实践示例是一个可改造的工程化小工具...
# AI # Hugging Face # LLM
阅读全文

把 AI 编程代理放进生产环境前，先拆开 ReAct 循环

来源: infoq.com 33
AI 加速开发已经从“补全代码”走到了“代理自己规划、调用工具、修改系统”的阶段。生产环境里的自主 AI 代理不只是一个聊天框，它会读上下文、推理下一步、执行工具调用。Sriram Madapusi Vasudevan 讨论的重点正是这里：可信生产力不是让代理更大胆，而是让它在可控边界内更可靠。 很多 AI agent 使用类似 ReAct 的循环：观...
# AI # InfoQ # LLM
阅读全文

Elastic 开源 Atlas：给 AI Agent 接上可检索的长期记忆

来源: infoq.com 36
Agent 真正难用的地方，往往不是一次回答不够聪明，而是下一次又把上下文忘干净。Elastic 开源的 Atlas 试图解决这个问题：它基于 Elasticsearch 构建，为 Agent 维护三类记忆，并通过 MCP 接入现有 Agent，同时支持按用户隔离记忆。在问答能力评估中，Atlas 达到了 0.89 的 Recall@10，这说明它在“...
# AI # Go # InfoQ
阅读全文

Brain2Qwerty v2：非侵入脑机接口从“几乎不可用”走向可解码文本

来源: oschina.net 34
非侵入式脑机接口长期卡在一个尴尬区间：不开颅就安全、可接受，但信号隔着头皮和颅骨，噪声大、空间分辨率低；开颅植入电极能拿到更干净的神经信号，却带来手术风险和伦理门槛。Meta 在 Nature Neuroscience 发表的 Brain2Qwerty v2 研究，把非侵入文本解码的词准确率从此前约 8% 推到 78%，这个数字意味着它不再只是“能演示...
# AI # 全栈 # 开源
阅读全文

跟上 Django 社区：不只看代码，也要看人在哪里协作

来源: djangoproject.com 30
Django 的运转并不只靠仓库里的提交记录。基金会董事会、指导委员会、工作组、Fellow 报告、每周 Office Hours，这些公开但分散的渠道，才是很多社区决策和协作线索出现的地方。对想贡献 Django 的开发者来说，问题往往不是“有没有信息”，而是“信息藏在哪、我该从哪里开始”。 从摘要看，Django 社区的公共信息大致分布在几类地方：...
# AI # Django # Go
阅读全文