跳到正文
11月1日周日
  1. The Decoder58

    Vals 研究:中国 AI 模型政治倾向复杂,并非只是政府传声筒

    Vals.ai 的研究用 −1 到 +1 的量表衡量模型与中国官方立场的接近程度,发现中国模型的亲政府倾向整体低于预期,但模型之间差异很大。研究显示提示词语言影响明显,简体中文提问比英文、俄文、西班牙文更容易得到亲政府回答,中美模型都有此现象,中国模型更突出。

10月31日周六
  1. meng shao71

    阿里云开源《AI Agent Handbook》,其中 2026 Agent 开发者调研报告显示约 46% 团队已完成或正在开发 Agent,真正部署到生产约 18%。报告指出卡点主要在工程配套:约 90% 企业对上下文与记忆有明确需求,约 63% 最需要多模型路由与自动降级,评估仍以人工抽查为主(约 55%),基于轨迹自动评估仅约 6%–8%。

    引用meng shao@shao__meng

    阿里云开源《AI Agent Handbook》:用 Harness 把企业 Agent 从试点推到可治理生产 企业级 Agent 全生命周期实践手册:架构、构建、运行、治理、调优,外加调研与案例,开源地址: https://github.com/aliyun/ai-agent-handbook 手册为何重写? 前言归纳三大新挑战:让概率智能变成能扛关键任务的可靠生产力;在稳定、安全、性能、成本上做成可大规模部署的基础设施;让 Agent 进入核心业务流程,而不是停在孤岛试点。写作目标还包括统一术语(Harness、Runtime、Agent、Workflow 等),减少「同一词各说各话」被模型放大后的混乱。 2026 年调研结果 · 投入成共识:已开发完成或开发中合计约 46%(去年约 36%);真正部署到生产约 18%;持续迭代更低。 形态共存:单 Agent 约 40%、多 Agent 约 42%、以 HITL 为主要架构约 15%——自主度是可调参数,不是新旧替代。 编码最先规模化:采购 Coding 工具约 57%,通用 Agent 框架约 78%,近四成两者并用;市场碎片化,可迁移工程抽象比押单一厂商更稳。 构建后难点:上下文/记忆需求约 90%;多模型路由与成本治理约 63%;评估上人工抽查约 55%,基于轨迹自动评估不足约 8%。 成功率:达 90% 以上约一成;约 16% 根本没量化过成功率。有评估体系的团队,高成功率比例明显高于无评估者(文中对比)。 MCP:关注或落地合计约 37%,企业内私有部署仅约 9%;缺的是注册中心、身份鉴权、版本灰度、审计与网关,不是「懂不懂协议」。 成熟度 L1–L4:辅助生成 → 受控自动化 → Agentic Execution → Managed & Optimizing;全书后半部基本在回答如何从 L2 往 L3/L4 走。 手册整体结构 · 架构(1–2):Agentic Application 边界、企业成熟度、参考架构(组件 / 平台责任 / 生命周期) · 构建(3–6):以 Harness 为核心:范式与责任边界;任务编排与长程推进;上下文、状态、Memory/Knowledge/Skill;受控行动(Function Calling、MCP、A2A、HITL、验证闭环) · 运行(7–12):Runtime 与沙箱;状态存储与语义资产;AI 网关统一 LLM/MCP/Agent 流量;异步与自动化;Multi-Agent;分布式通信 · 治理(13–16):可观测与成本归因;安全(注入、鉴权、高危授权、出域);Prompt/Skill/MCP/Agent 资产管理;上线前仿真与质量验证 · 调优(17–24):模型侧(SFT、Agentic RL、蒸馏等)与 Agent 侧数据飞轮:Trace→Trajectory、黄金数据集、Badcase、受控自进化、边缘运行时 · 实践(25–29 + 专题):研发效能、设计工程、运维与企业 IT、客户销售运营、GOAI Agent Infra;另有 Jev 决策模型专题、Personal Agent / Agent as a Service 专题 · 展望(30):从 Agentic Application 走向 Agentic OS

    同一件事,精选收录的是《阿里云开源《AI Agent Handbook》,用 Harness 推动企业 Agent 进入可治理生产》

  2. meng shao78

    meng shao 介绍 Qwenputer 项目:在 Qwen3.5-4B 上通过编译器把一台确定性 32-bit RISC-V CPU 写入约 11 层额外权重,并把模型自带的 Gated DeltaNet 状态当作可寻址 RAM,在前向中运行 C 和 MicroPython,不调用外部 runtime。

    引用div (fp32)@divagr1925

    1/4 Meet Qwenputer: Qwen3.5-4B with a full RISC-V CPU inside its weights, using the model's own Gated DeltaNet layers as RAM. It runs C and MicroPython in its forward passes, no external runtime. On DeepMind math: base 55–90%, base + Python tool 95–100%, Qwenputer 97.5–100%.

    推荐理由:材料把 Qwenputer 的机制、测试数字与代价逐项列出,便于判断权重内计算这条路线能走多远。

10月28日周三
10月27日周二
  1. meng shao60

    阿里千问团队开源多语言 LLM agent 基准 BabelArena,用约 699 个规范任务覆盖 23 种语言,约 1.6 万个任务实例,并配套 BabelFlow 适配流水线。

    引用Qwen Developers@QwenDevs

    Our latest open-source research has a pretty interesting name, inspired by the story of the Tower of Babel. What interests us about that story is how language barriers can get in the way of people working toward the same goal And when it comes to agents, there are a few more places for that understanding to break, like tool arguments, database entries, and search queries One example from BabelArena (yes that's the name, surprise) stuck with me: Qwen-3.8-Max completed the same shopping task in English and Telugu, getting the same four products. But it took 25 tool calls in English and 201 in Telugu, with repeated empty searches against the localized catalog. Even though both runs passed, we’d still want to see that difference before shipping. Sorry for the long story, hope you guys are still here. What I want to share is that we’ve open-sourced BabelArena to study these workflows across 23 languages. Code, datasets, and paper in the comment

10月25日周日
10月22日周四
10月12日周一
10月6日周二
9月3日周四