标签

AI

GeneBench-Pro：用真实基因组学任务检验 AI 的科研能力

来源: openai.com 27
AI 在生命科学里的热度很高，但真正难的是：模型能不能处理复杂、真实、带噪声的科研数据，而不是只在整理过的问答题上表现漂亮。GeneBench-Pro 的意义就在这里——它把评测重点放到基因组学、生物学和科学研究场景，用更接近真实工作的数据集测试 AI 的能力边界。 很多通用 AI benchmark 擅长衡量语言理解、代码生成、数学推理，但生命科学任...
# AI # LLM # OpenAI
阅读全文

用“流行病学”排查 core dump：从罕见崩溃里挖出 18 年老 bug

来源: openai.com 33
一次基础设施崩溃如果只发生在万分之一的请求、千分之一的机器、某个看似随机的时间窗口里，传统调试手段很容易失灵。OpenAI 工程师这次处理的不是单个 core dump，而是一批 core dump：像做流行病学调查一样，把崩溃样本聚类、比对、追踪共同特征，最终同时定位到硬件故障和一个存在了 18 年的软件 bug。 core dump 的价值很直接：...
# AI # LLM # OpenAI
阅读全文

给 Amazon QuickSight BI 资产做一套可恢复的备份方案

来源: aws.amazon.com 37
QuickSight 里的仪表板、分析、数据集、数据源和主题一旦进入生产，就不只是“报表配置”，而是 BI 交付链路的一部分。备份策略的目标不是把所有东西定期导出那么简单，而是在误删、错误发布、跨账号迁移或灾难恢复时，能明确知道备份了什么、在哪里、能不能恢复。 QuickSight 资产之间有依赖关系。一个 dashboard 可能依赖 analysi...
# AI # AWS # 云平台
阅读全文

DiScoFormer：用一个 Transformer 同时学习密度与分数函数

来源: huggingface.co 37
DiScoFormer 这个标题里有两个很重的词：density（概率密度）和 score（分数函数，通常指对数密度的梯度）。如果一个 Transformer 能在不同分布之间同时处理这两类对象，它瞄准的就不是“又一个序列模型”，而是更底层的概率建模接口：既能估计一个点有多可能出现，也能告诉你应该往哪个方向移动才能更接近高概率区域。 由于这里没有更多论...
# AI # Hugging Face # LLM
阅读全文

用 Nova 2 Lite 和 Claude 搭一条低成本扫描件数字化流水线

来源: aws.amazon.com 27
扫描件数字化最容易被低估的地方，不是 OCR 本身，而是“页面上这些文字到底对应哪张脸、哪个表格、哪个区域”。这篇方案的核心变化是把任务拆给两个模型：Amazon Nova 2 Lite 先做原生多模态抽取，在一次调用里识别照片、可见姓名、坐标和页面级元数据；Claude Sonnet 4.6 再根据版面做空间推理，把名字和人脸配对。这样既控制成本，也...
# AI # AWS # 云平台
阅读全文

用三道防线构建多租户 LLM 分析系统：SigV4、语义校验与行级隔离

来源: aws.amazon.com 37
多租户分析系统接入 LLM 后，最危险的变化不是“模型会不会答错”，而是“模型会不会被诱导越权”。如果一个租户通过自然语言问出了另一个租户的数据，传统的应用层权限判断很容易被 prompt injection、工具调用参数污染或 SQL 生成错误绕过。 PAR 的做法值得关注：他们把安全边界拆成三层，而且每一层都独立工作。请求入口用 AWS SigV4...
# AI # AWS # LLM
阅读全文

用 Amazon Bedrock 和 AWS HealthLake 搭建智能理赔流水线

来源: aws.amazon.com 34
医疗理赔处理最怕两件事：表单信息散落在 PDF、扫描件和附件里，人工录入又慢又容易出错。这个方案的核心变化是把“读单据、抽字段、校验、转成标准医疗数据”串成一条自动化流水线：Amazon Bedrock Data Automation 负责从理赔表单中提取结构化信息，Amazon Bedrock AgentCore 托管 AI Agent 来做校验和转...
# AI # AWS # LLM
阅读全文

用 Amazon Bedrock AgentCore Observability 排查生产 Agent 故障

来源: aws.amazon.com 25
Agent 进入生产环境后，最难处理的不是“模型答错了”这种显性问题，而是它为什么反复调用同一个工具、为什么一次工具调用没有返回、为什么用户看到超时但后端日志看起来正常。Amazon Bedrock AgentCore Observability 的价值就在这里：把 Agent 的执行轨迹、工具调用和运行指标放到同一个可分析的上下文里，让排障从猜测变成...
# AI # AWS # LLM
阅读全文