跳到正文
实时信息流

#Anthropic

全部动态
  1. AWS Machine Learning Blog一手

    Rescale 使用 Strands Agents 和 AI-DLC 构建 AI 诊断代理

    Rescale 使用 Strands Agents 和 AI-DLC 框架在 Amazon Bedrock 上构建了一个 AI 诊断代理,该代理可在 Amazon EKS 上自动分类并路由夜间端到端测试失败。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

  1. Hugging Face Blog一手

    NVIDIA Kumo Relational 发布:预训练关系基础模型在关系数据上无需训练即可预测

    NVIDIA 发布 Kumo Relational,这是一个预训练的关系基础模型,可直接在企业数据库上进行预测。它无需任务特定训练、特征工程或表展平,通过单次前向传递即可预测流失率、需求或欺诈等结果。

    阅读原文 来源:Hugging Face Blog

    推荐理由原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

  1. AWS Machine Learning Blog一手

    Octave 在 Amazon Bedrock 上构建安全多租户 AI 基础设施

    Octave 利用 Amazon Bedrock 和 Cohere Embed v4 构建了支持 20 亿文档的多租户 AI 基础设施。系统在嵌入时统一处理文本和图像,通过 AgentCore runtime 在微 VM 层面实现租户隔离,并使用 Guardrails 进行内容过滤。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由原文展示了如何在多租户 SaaS 平台上用 Amazon Bedrock 构建安全的 AI 基础设施,提供了从数据准备、隔离到内容防护的完整技术路线,读者可直接学习其多模态嵌入、微服务隔离和 Guardrails 等实践方法。

  1. AWS Machine Learning Blog一手

    Amazon Bedrock 为 Anthropic Claude 模型提供结构化输出功能

    Amazon Bedrock 为所有 Anthropic Claude 模型提供结构化输出功能,通过 JSON Schema 约束模型输出,无需自行解析即可获取合法 JSON。

    阅读原文 来源:AWS Machine Learning Blog

    推荐理由Amazon Bedrock 为所有 Anthropic Claude 模型提供了结构化输出功能,通过 JSON Schema 约束模型输出,无需自行解析即可获取合法 JSON,显著降低了数据提取和 Agent 工作流的运维成本。

  2. Hugging Face Blog一手

    TorchNeuran:在 AWS Trainium 上更轻松运行 Hugging Face 模型

    TorchNeuron 作为 PyTorch 的新原生后端,现已在 AWS Trainium 上原生支持 Transformers、Diffusers 等 Hugging Face 库,用户只需传入 device_map=neuron 参数即可直接运行,相比 Optimum Neuron 覆盖的模型架构从 46% 提升至 89%。

    阅读原文 来源:Hugging Face Blog

    推荐理由原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

  1. GitHub Blog: AI & ML一手

    GitHub 发布新的秘密检测模型,实现更少噪音的更多秘密检测

    GitHub 发布基于 ModernBERT 的秘密检测新模型,相比上一 LLM 管道实现 11.5% 更高的用户接受率、86% 更快的中位数后推执行时间以及 98% 更低的服务成本,并给出了开放入口和主要能力变化。

    阅读原文 来源:GitHub Blog: AI & ML

    推荐理由原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。

  1. Google Research一手

    Google Research:AI辅助是否增强或侵蚀专业专长?

    Google Research在专利起草领域进行三个月田野实验,随机分配AI工具访问权给133名专利律师。实验发现:在10天和90天的起草任务中,AI工具均显著提升了 drafting scores(0.34 SD和0.38 SD),主要通过减少差评和增加良好评分实现,但优秀评分无变化。

    阅读原文 来源:Google Research

    推荐理由实证研究通过三个月田野实验,揭示了AI辅助在专业领域提升短期产出与长期技能形成的冲突:初学者短期表现提升但未转化为持久专业判断,资深者则通过AI作为‘逻辑审计员’强化了基础专业知识。

  1. Google Research一手

    Google发布智能体隐私与安全研报:基于语境完整性的治理框架

    Google发布研报《Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle》,基于语境完整性理论扩展智能体行为的语境安全。

    阅读原文 来源:Google Research

    推荐理由本文提供了首个系统性的框架,将语境完整性理论扩展到智能体行为的安全与隐私,读者可以据此理解当前智能体系统的核心挑战与治理路径。

已经到底了