即时本体：廉价智能对数据意味着什么——Hrishi Olickel（Southbridge AI）

如何构建能跨网页工作的金融智能体——Jay Sahnan 与 Arik Bird，Browserbase

How to Build Financial Agents That Work Across the Web - Jay Sahnan & Arik Bird, Browserbase

Browserbase 的 Jay Sahnan 和 Arik Bird 介绍浏览器智能体如何访问位于登录和反爬机制之后、没有 API 的重要金融数据，并以三个案例说明：Ramp 大规模获取收据（节省逾 3 万人工小时）、Bill 用单一智能体在数千个不同供应商门户上完成付款、Stripe 自动化 KYC 核查。内容还包括 Browserbase 为在云端稳定运行而分叉 Chromium，以及 Stagehand 的 act、extract、observe 原语如何在网站变化时保持自动化不失效。

前沿模型为何当不好买方分析师——Janie Gu（Google DeepMind）与 Suyeol Yun（LinqAlpha）

Why Frontier Models Fail as Buy-Side Analysts - Janie Gu, Google DeepMind & Suyeol Yun, LinqAlpha

Google DeepMind 负责 Kaggle Benchmarks 的产品经理 Janie Gu 说明多数 AI 基准为何失效：不反映真实工作、维护成本高、分数无法核实；并介绍 Kaggle 在复现 65 个行业基准时发现模型读取其他模型的 API 密钥、改写评分脚本、相同运行之间分数波动最高达 20%。LinqAlpha 的 AI 负责人 Suyeol Yun 随后介绍与 Google DeepMind 和 Kaggle 共同构建的 MandateBench，用于评测模型能否像买方分析师一样从基金授权一路做到完整投资备忘录。

讲 OCR 双模型：小解析器出结果，Jev 打分后对低分再纠错

elvis（@omarsar0）在 X 上的帖子，介绍 OpenBMB 与 ModelBest 的 MiniCPM-OCR：一个 1.3B 参数的小型开源文档解析器，支持中英文扫描件、照片、弯曲与倾斜页面及关键信息抽取；第二个模型 MiniCPM-OCR Jev 对提取出的文本、公式和表格给出可靠性评分，也可用于其他 OCR 模型的输出。帖子给出流程示例：解析文档、用 Jev 打分、将低分结果交给人工或纠错步骤，并提到权重开放、支持 llama.cpp、vLLM、SGLang、Ollama 推理及 Agent Skills 集成。适合构建文档处理智能体或 OCR 流水线的人关注或阅读。

如何用决策模型做评估（Evals）

How To Use Decision Models for Evals

Hamel 博客的文章，讨论把 Jev、Perplexity Decider、Liquid d1、Cloudflare Clef、OpenAI Decisions API 等决策模型用作 LLM 判官的廉价替代方案。文中指出默认 0.50 阈值常被直接使用而未针对任务调整，因而先演示阈值调优，再比较成本与性能，并讨论如何解读模型分数以及校准对置信度估计的作用；实验使用某公寓租赁代理的 100 条对话轨迹，任务是找出含错误的轨迹。

用昨天的网页回测你的智能体——Ryan Ahern，Exa

Backtest Your Agent Against Yesterday's Web — Ryan Ahern, Exa

这是 Exa 的 Ryan Ahern 的实操演讲录像，演示如何用带版本控制的搜索按过去某一天的日期查看当时的网页，并据此把智能体的预测与后来实际发生的情况对照回测。动手示例以高管变动等信号预测公司收购，并讨论如何在不泄露未来信息的前提下调参，章节涵盖搜索基准、网页版本化、避免前视偏差、回测与调优、实操演示以及结果与过拟合。