标签

LLM

面向青少年的 ChatGPT：让学习更有帮助，也让使用更有边界

来源: openai.com 29
青少年使用 AI，重点不只是“能不能回答问题”，还包括能否帮助他们学习、形成批判性思维，并在遇到不确定或敏感内容时获得更稳妥的保护。ChatGPT for Teens 的方向，是把更强的内置保护、健康使用功能和家长控制结合起来，让 AI 成为学习工具，而不是替代判断力的捷径。 对学生来说，AI 最有价值的用法往往不是直接生成一份可以提交的答案，而是把复...
# AI # LLM # OpenAI
阅读全文

Asana 如何用 Codex 在两周内清理掉五年的工程积压

来源: openai.com 23
Asana 使用 OpenAI Codex 重做一套过时的测试系统：原本预计需要五年的工程工作，在两周内完成，成本约为 12,000 美元。这个案例真正值得关注的，不只是代码生成速度，而是 AI 如何参与遗留系统替换、测试迁移和工程验证。 测试系统一旦过时，团队通常会陷入两难：继续维护它，工程师会不断为旧框架付出时间；直接替换它，又可能牵动大量测试用例...
# AI # LLM # OpenAI
阅读全文

文本水印为何难以成为可靠的 AI 内容证明

来源: oschina.net 36
从 2026 年 8 月起，欧盟《人工智能法案》将开始对新系统产生更直接的约束。根据来源摘要，法案第 50 条要求 AI 提供者让输出内容“可被检测为人工生成”。这意味着大语言模型可能需要在文本中嵌入某种可检测信号，也就是通常所说的文本水印。 问题在于：文本不是图片。图片水印通常依赖像素层面的冗余信息，裁剪、压缩或编辑会降低质量，但不一定能在不破坏图像...
# AI # Go # LLM
阅读全文

Ollmo v0.1.0：把 RAG、Agent 与多租户知识库装进同一套生产平台

来源: oschina.net 44
企业内部的 RAG 项目往往不缺一个能回答问题的 Demo，真正缺的是文档管理、出处追踪、权限隔离、流式交互、Agent 编排和链路诊断能够同时工作的完整系统。Ollmo v0.1.0 的定位正是这类生产场景：面向私有化部署和团队协作，把 RAG、可视化 Agent、GraphRAG 与可观测能力整合到一个平台中。 典型 RAG 流程包括文档解析、文本...
# AI # Go # LLM
阅读全文

Zero：为 AI Agent 重新设计的编程语言，为什么代码源头要从文本变成图

来源: oschina.net 40
Vercel Labs 在 GitHub 上开源了实验性编程语言 Zero。它最值得关注的地方，不是项目获得了多少 star 或 fork，而是它试图回答一个更基础的问题：如果代码主要由 AI Agent 生成、查询和修改，编程语言还应该继续以文本文件为唯一源头吗？ Zero 的定位非常明确：它不是优先为人类程序员设计的语言，而是面向 AI Agent...
# AI # LLM # 全栈
阅读全文

用 Sentence Transformers 实现多向量晚交互检索：从 MaxSim 到两阶段召回

来源: huggingface.co 43
传统文本向量模型把整段文本压缩成一个固定长度的向量，检索时只需计算一次向量相似度。多向量模型则保留多个词元或片段级向量，把查询与文档的细粒度匹配推迟到检索阶段完成，这种方法通常称为晚交互（Late Interaction）。 来源摘要未提供具体 API 和模型信息，因此下面不假定某个专用模型接口，而是基于 Sentence Transformers 的...
# AI # Hugging Face # LLM
阅读全文

NVIDIA 如何用 ChatGPT Work 把团队经验规模化

来源: openai.com 23
当团队快速扩张、信息持续变化时，真正稀缺的往往不是数据，而是把数据转化为行动的能力。NVIDIA 团队使用 ChatGPT Work 来减少手工任务、连接快速变化的信号，并把已经验证有效的工作流推广到全球团队。 这类实践的重点不只是让个人更快完成一份文档，而是把分散在邮件、会议、报告和项目记录中的经验，沉淀成可复用、可协作、可持续改进的工作方式。 很多...
# AI # LLM # OpenAI
阅读全文

用幂等键和事务发件箱，彻底避免 Next.js 表单重复提交

来源: postgr.es 31
用户填写表单、点击提交，却迟迟看不到响应。于是他再次点击。问题在于：第一次请求可能已经成功写入数据库，只是响应在网络中丢失了。结果可能是两个潜客、两封确认邮件、两次 CRM 更新，以及两条分析事件。 这不是单纯的前端交互问题，而是一个缩小版的分布式系统问题。浏览器会重试，移动网络会在服务端提交成功后断开，Serverless 函数可能在提交后超时，队列...
# AI # Go # LLM
阅读全文

同一套集群，利用率多出 33 个百分点：调度顺序为何如此关键

来源: huggingface.co 34
硬件没有扩容，工作负载也没有缩水，集群利用率却提高了 33 个百分点。来源标题给出的关键线索只有一个：变化发生在任务处理顺序上。由于摘要未提供具体调度器、负载类型和利用率口径，本文不推断原案例的实现细节，而是拆解这种结果背后的通用机制，并给出一个可以运行的装箱模拟。 集群调度可以看成带约束的装箱问题：节点是箱子，Pod、作业或虚拟机是待装入的物品。真实...
# AI # Hugging Face # LLM
阅读全文