跳到正文
11月14日周六
  1. Hacker News AI70

    QuAIA:开源多智能体系统实现全自动化测试流程

    QuAIA 是一个基于 AGPL-3.0 协议的开源多智能体测试系统,通过专用 AI 智能体覆盖从需求审查到缺陷报告的全流程。系统无需编写测试脚本,UI 智能体直接通过屏幕交互运行测试并支持多语言与动态数据格式,能够在学习用户专家演示后自主执行测试。该架构基于 A2A 和 MCP 标准连接 Jira、Zephyr 等工具,支持在用户自托管基础设施中运行任意大模型。

  2. AWS Machine Learning Blog31

    Amazon Bedrock AgentCore runtime V2 快速会话启动架构模式解析

    Amazon Bedrock AgentCore runtime V2 采用环境快照机制,将会话启动时的镜像拉取与初始化前置,从而加速恢复过程。 V2 在创建或更新运行时生成快照,新会话通过恢复快照启动,仅按需从镜像加载文件。 该版本支持构建钩子以预热依赖,并通过 CloudWatch 指标区分平台开销与代码执行时间。

  3. R/ArtificialInteligence39

    FAA 将 AI 空管辅助系统 SMART 扩展至全美空域

    FAA 已将用于协助空管员的 AI 工具 SMART 扩展至全美 22 个空管中心,旨在减少航班延误、降低燃油消耗。 该系统造价 875 万美元,自 9 月 21 日在华盛顿特区空域启用以来,已协助改航 180 架次航班,平均每架次节省 10 分钟及近 80 加仑燃油。 美国空管员工会表示未参与该系统的设计与测试,但航空公司高管支持这一部署。

  4. Google Research85

    Google Research 发布 Antigravity /teamwork 多智能体协作功能及最新科研成果

    Google Research 宣布在 Antigravity 平台开放 /teamwork 多智能体协作功能,并展示了其在数学证明、分子化学发现及代码优化等领域的最新应用成果。

    推荐理由:原文展示了多智能体在数学证明、分子发现和代码迁移中的实际应用,读者可据此评估其在科研和工程领域的可用性。

  5. AWS Machine Learning Blog30

    AssemblyAI 利用 Amazon EC2 Spot 在 AWS 上优化语音转文本推理成本

    AssemblyAI 采用 Amazon EC2 Spot 与按需实例混合架构,在保持 SLA 的前提下大幅降低大规模 GPU 推理成本。 架构基于 Amazon ECS 多容量提供者策略,分散使用 g4dn、g5、g6 实例族,并通过 Amazon SQS 实现中断任务自动重试。 该方案满足医疗、金融等行业的欧洲数据驻留合规要求,已在 AWS Marketplace 提供 API 服务。

  6. AWS Machine Learning Blog43

    Amazon SageMaker HyperPod 新增 Data Capture 功能以构建模型改进飞轮

    Amazon SageMaker HyperPod 推出 Data Capture 功能,将实时推理输入输出记录至 Amazon S3,帮助团队检测数据漂移。 该功能提供三个独立层级,支持在 SageMaker 端点、负载均衡器或模型 Pod 处采集全量负载,且对模型可用性零影响。 用户可利用捕获数据通过 Amazon Athena 分析并标记新盲区,结合微调提升特定领域模型准确率。

  7. AWS Machine Learning Blog58

    Amazon Bedrock 教程:为 AI 开发与生产力工具配置成本归因与用量控制

    Amazon Bedrock 可通过零代码改造的 IAM principal 归因功能,追踪 Claude Code、Codex 等 AI 工具在每次推理调用中的用户级成本。该教程展示了配置 IAM Identity Center 实现单用户认证、将 session 标签写入 CUR 2.0 以进行成本拆分,以及如何结合 AWS Budgets 或 LLM Gateway 设置用量上限的完整流程。

  8. Hacker News LLM77

    DetLLM:通过纯整数运算消除LLM推理中的非确定性

    作者发布 DetLLM 项目,实现 Qwen3-0.6B 在纯整数运算下跨设备比特级确定推理。在 A100、H100、CPU 等 9 种配置下,整数推理产生唯一哈希值,而 fp16 推理产生 9 个不同哈希值。整数推理的 WikiText2 困惑度为 20.72,略优于 fp16 的 20.95;经过内核优化,解码速度可达 106 tok/s。

    推荐理由:作者展示了用纯整数运算实现跨设备比特级确定的LLM推理方法,并给出性能与困惑度数据。

11月13日周五
  1. IT之家44

    韩企规划吉瓦级数据中心,但现有规模仅兆瓦级

    为满足 AI 需求,KT、SK 电讯、Naver 等韩国企业提出建设吉瓦级数据中心,但现有容量仅为数十至数百兆瓦,远低于海外 1GW 以上的规模。 KT 和 SK 电讯当前容量约 150MW,仅为 1GW 规划的 15% 左右;Naver 签约容量仅占其 200MW 规划的 10%。 受限于资金和时间,韩国企业可能陷入客户争夺不利与扩建延误的恶性循环,落后于海外竞争对手。

  2. NVIDIA Blog34

    AI 正帮助医疗团队更早为病人提供正确护理

    AI 正帮助医疗团队将时间从常规任务转向患者,加速护理流程。NVIDIA 技术为应用提供算力,Proximie 利用 NVIDIA Cosmos 3 在 700 多间手术室部署,使周转速度提升 45%。ConcertAI 借助 AI 引擎将临床试验匹配速度提升至手动方法的 3 倍,支持高达 50% 的入组率增长。

  3. IT之家39

    京东物流推出半导体行业首个智能物流解决方案,实现成品晶圆物流 100% 全自动化

    京东物流在 IC China 2026 上发布半导体行业首个智能物流方案,实现成品晶圆从下线到包装 100% 全自动化。 方案引入 AI 视觉核验与“智狼”飞梯机器人,使存储密度提升 210%,作业效率提高 300%,库存准确度达 100%。 该方案解决了单件价值达 50 万美元晶圆的物流痛点,推动精密物料物流迈向系统级无人化。

  4. Hacker News AI42

    重新思考 AI 推理的内存架构

    将计算靠近内存可显著降低数据移动功耗与延迟,推动 AI 推理从数据中心向边缘物理设备迁移。 不同 AI 工作负载需定制化内存架构、互连及处理方式,前置编译能优化 PIM/PNM 场景下的执行效率。 软件支持、标准化及热管理仍是阻碍该类技术广泛采用的主要挑战。

  5. arXiv · AI34

    NVIDIA 提出 Instant NuRec,前馈 3D 高斯重建实现驾驶场景仿真

    NVIDIA 发布 Instant NuRec,前馈神经网络将短时多视角驾驶日志单次前向转化为可仿真的 3DGS 世界。 10-20 秒多摄像头场景重建耗时约 1.5 秒,在 Waymo 数据集上 PSNR 较最强基线提升 2.01 dB。 模型深度集成于 NuRec,并支持 AlpaSim 闭环仿真,降低自动驾驶开发成本并提升安全性。

  6. arXiv · AI20

    AskALCF:用于 HPC 用户支持的系统自改进智能体流水线

    AskALCF 是一种面向 HPC 用户支持场景的智能体日志分析与系统自改进流水线,将生产中未定位故障比例从 41.4% 降至 14.2%。 其诊断核心结合了答案质量评估与双范围充分性测试,可区分“文档缺失”与“检索失败”,并将失败路由至知识、提示、模型或工具执行的对应修复路径。 该工作证明了受生产证据驱动的受控自进化机制,为部署后的 AI 支持系统提供了超越知识库定期更新的持续改进基础。

  7. arXiv · NLP33

    基于记忆的分类器草案模型 Olifant 实现绿色文本生成

    基于记忆分类器的草案模型 Olifant 在 CPU 上预测下一 token 耗时低于 0.3 ms,无需 GPU 或反向传播。在无 KV cache 的 LLM 验证器中,Olifant 接受率达 38.1%,吞吐量提升 2.43 倍,单 token 能耗降低 2.51 倍。这表明只要草案生成成本极低,推测解码在快速验证器时代仍具有显著能源效率优势。

  8. arXiv · AI43

    Together Compiler:面向AI推理的持续编译系统

    Together AI 推出持续编译系统 Together Compiler (TKCC),采用智能体爬山法优化 AI 推理负载。 在 InferenceX 基准上,TKCC 在 Llama 1B 工作负载上比手写 Megakernels 快 1.7 倍,在前端模型上比最佳开源引擎 TPS 高 2.6 倍。 TKCC 已在生产环境中服务数万亿 tokens,支持跨硬件平台的高效推理部署。

  9. arXiv · ML28

    MARS:GPU 内存受限下实现高工作流吞吐和低 KV 缓存抖动的智能体服务系统

    MARS 提出协调工作流准入控制与引擎内调度的智能体服务系统,旨在解决 GPU 内存受限下多轮工作流因 KV 缓存复用导致的反复驱逐(抖动)问题,实现高工作流级 goodput。 在两个模型和三种 GPU 配置上,MARS 相比最快基线实现了 1.59x-7.56x 的平均端到端延迟加速,并作为 OpenCode、Codex 等后端将工作流完成时间提升了 1.17x-1.87x。 开源代码已公开。

  10. arXiv · ML33

    并行提示技术加速共享上下文 LLM 推理

    并行提示(Parallel Prompting)通过并行解码独立问题流,解决了传统前缀缓存在解码阶段受内存带宽限制的瓶颈。 该方法在 SGLang 中仅需增加约 80 行代码,利用流 ID 注意力掩码实现单次阅读共享文档。在 CodeLlama-7B 模型及 8k-16k token 文档场景下,相比原生 SGLang 实现 3.7 至 6.0 倍加速。

  11. arXiv · ML32

    量化对比中的噪声底线:引擎、重启、批次与内核漂移对 8 位与 4 位影响的测量

    在 Cloudflare 的 Clef-flash 和 Clef 模型上,非量化因素(如引擎、重启、批次)导致的决策变化在 0 到 0.92% 之间。 同引擎内的量化影响显著,Clef 模型在 Q4_K_M 格式下决策变化达 5.79%。 作者开源了代码与预注册数据,用于复现 31,275 题的量化精度对比。

  12. Hacker News LLM52

    Show HN: Chap 推出跨平台会议笔记工具,支持任意 LLM 且无需机器人

    Chap 是一款基于实时字幕的跨平台会议笔记工具,支持浏览器、桌面与终端运行,允许在会议中切换任意模型或智能体,且无需加入呼叫。它在请求离开本地前对邮件、电话等敏感信息执行可逆匿名化,并将模型与记忆整合于统一的可搜索存储中,用户还能通过 MCP 服务器和浏览器操作让 AI 直接填表或点击。

  13. Hacker News LLM52

    ComfyUI 更新 LLM 推理路径,Qwen3.x 生成速度翻倍

    ComfyUI 重写文本生成核心路径,针对 Qwen3.x 系列模型实现 2 倍加速,且无需更改模型权重。该优化已集成至 ComfyUI v0.45.0,支持 NVIDIA 与 AMD 显卡在 Windows 及 Linux 系统下运行。其核心技术包括优化 GEMV 内核以最大化 VRAM 读取效率,以及引入自适应树状 MTP 算法,通过动态调整推测解码结构进一步提升输出速度。