『特工设计依然困难』

来源网站: news.ycombinator.com
链接: https://lucumr.pocoo.org/2025/11/21/agents-are-hard/
摘要: 作者分享了构建AI代理的经验和挑战。他指出，构建代理仍然是一项复杂的工作，现有的SDK抽象在实际工具使用中会失效。缓存管理方面，自行管理比平台自动管理更有效，但不同模型之间存在差异。强化学习在循环中扮演了比预期更重要的角色，而失败则需要严格隔离以避免影响整个循环。类似文件系统的共享状态层是重要的构建模块。输出工具的设计出人意料地棘手，模型选择仍然取决于具体任务。

『ChatGPT群聊或可助力团队将AI融入日常规划』

来源网站: www.artificialintelligence-news.com
链接: https://www.artificialintelligence-news.com/news/chatgpt-group-chats-may-help-teams-bring-ai-into-daily-planning/
摘要: OpenAI在ChatGPT中引入了群聊功能，允许最多20人与聊天机器人进行共享对话。该功能旨在帮助朋友、家人或同事进行日常任务规划，如安排晚餐、准备旅行或共同起草大纲。对于已经使用ChatGPT进行头脑风暴、研究和早期项目讨论的工作团队而言，这项功能可能具有更广泛的价值，有助于减少沟通摩擦，并使团队协作更加顺畅。

『这位创始人从特立尼达和多巴哥到硅谷的非凡历程，如何成为其在工业技术领域的优势』

来源网站: techcrunch.com
链接: https://techcrunch.com/2025/11/21/how-this-founders-unlikely-path-to-silicon-valley-could-become-an-edge-in-industrial-tech/
摘要: Interface是一家利用人工智能预防工业事故的旧金山初创公司，其24岁的首席执行官Thomas Lee Young拥有在特立尼达和多巴哥油气行业长大的独特背景。这一背景使他能够深入了解重工业的运营和安全挑战。Interface利用大型语言模型自动审计操作程序，发现并纠正了加拿大一家大型能源公司标准操作程序中的10800个错误和改进点，为该公司节省了数百万美元和数年时间。该公司的成功表明，创始人的独特背景和对行业的深刻理解可以成为其在特定领域取得成功的关键优势。

『英国皇家海军如何利用人工智能削减招聘工作量』

来源网站: www.artificialintelligence-news.com
链接: https://www.artificialintelligence-news.com/news/how-the-royal-navy-is-using-ai-to-cut-recruitment-workload/
摘要: 英国皇家海军正在使用名为“阿特拉斯”的实时AI虚拟形象来处理其招聘工作的第一线。该虚拟形象由大型语言模型驱动，旨在回答潜在潜艇兵的提问。该系统的前身是一个文本助手，已成功处理了超过46万个查询，并将人工代理团队的工作量削减了76%。阿特拉斯的推出旨在通过更具沉浸感的自动化支持，吸引年轻一代的求职者，并进一步提高招聘效率。

『Bret Taylor的Sierra在不到两年内实现1亿美元年收入』

来源网站: techcrunch.com
链接: https://techcrunch.com/2025/11/21/bret-taylors-sierra-reaches-100m-arr-in-under-two-years/
摘要: 由前Salesforce联合首席执行官Bret Taylor和前Google高管Clay Bavor共同创立的客户服务AI代理初创公司Sierra，在成立不到21个月的时间里，年经常性收入（ARR）已达到1亿美元。该公司的快速增长表明，各行各业的企业都在积极拥抱AI代理。Sierra的客户包括Deliveroo、Discord、Ramp、Rivian等科技公司，以及ADT、Vans、Cigna等传统行业的知名企业。

『Pure Storage和Azure在企业AI数据准备中的作用』

来源网站: www.artificialintelligence-news.com
链接: https://www.artificialintelligence-news.com/news/pure-storage-and-azures-role-in-ai-ready-data-for-enterprise/
摘要: 许多企业正在努力更新其基础设施以提高效率和管理不断上涨的成本。然而，混合设置、遗留系统以及企业AI的新需求常常给IT团队带来挑战。微软和几家存储及数据平台供应商的最新举措，揭示了企业如何应对这些问题，以及其他公司在规划其企业AI战略时可以从中吸取的经验教训。文章指出，企业应寻求与现有运营相匹配的迁移路径，构建更强大的数据恢复系统，并从改进现有系统开始为AI做好准备。

『AI热潮为英伟达带来巨额利润』

来源网站: techcrunch.com
链接: https://techcrunch.com/podcast/ai-mania-is-making-nvidia-a-lot-of-money/
摘要: AI公司在基础设施上的巨额支出，使得英伟达的数据中心业务收入接近500亿美元。但这究竟是可持续的增长，还是又一轮的科技狂热？本期Equity播客深入探讨了英伟达的巨额盈利、AI基础设施支出的循环经济，以及首席执行官黄仁勋对AI代理处理我们日常生活中一切事务的乐观愿景是否能够证明这项投资的合理性。

『权重稀疏的Transformer具有可解释的电路』

来源网站: news.ycombinator.com
链接: https://cdn.openai.com/pdf/41df8f28-d4ef-43e9-aed2-823f9393e470/circuit-sparsity-paper.pdf
摘要: 该研究通过将模型的大部分权重限制为零来训练模型，使其具有更易于理解的电路。为了恢复每个手工制作任务下的细粒度电路，研究人员对模型进行修剪，以隔离负责该任务的部分。这些电路通常包含与自然概念相对应的神经元和残差通道，它们之间只有少量直接可解释的连接。研究发现，使权重更稀疏可以在能力和可解释性之间进行权衡，而扩大模型规模可以改善能力-可解释性的前沿。

『TiDAR：以扩散方式思考，以自回归方式对话』

来源网站: news.ycombinator.com
链接: https://arxiv.org/abs/2511.08923
摘要: 该研究介绍了一种名为TiDAR的序列级混合架构，它可以在单个前向传递中使用专门设计的结构化注意力掩码，以扩散方式起草令牌（思考），并以自回归方式采样最终输出（对话）。这种设计利用了GPU的计算密度，在起草和验证能力之间取得了很好的平衡。TiDAR旨在作为独立模型对服务友好（低开销）。在1.5B和8B规模的生成和可能性任务中，TiDAR在测量吞吐量方面优于推测解码，在效率和质量方面超过了Dream和Llada等扩散模型。最值得注意的是，TiDAR是第一个在质量上与自回归模型缩小差距，同时每秒提供4.71倍至5.91倍更多令牌的架构。