全部资源

全部 AI 精选，可按分级、类型、是否付费、收录时间筛选，按关键词搜索。

全部分级必读值得看
全部类型 帖子博客项目教程书籍课程讲座
全部费用免费部分免费付费未知
全部时间近 7 天近 30 天近 90 天近一年
排序：最新收录 · 推荐808 条精选
讲座发布 10-12
YouTube

用 Langfuse 持续改进代理——Annabell Schäfer 与 Lotte Verheyden，ClickHouse

Continuously Improving Agents with Langfuse — Annabell Schäfer & Lotte Verheyden, ClickHouse

这是一场工作坊，讲者 Lotte Verheyden 和 Annabell Schäfer 以示例 IT 支持代理 Specs 展示如何用 Langfuse 把生产中的用户挫败反馈转化为可用的信号。演示把基于 OpenAI Agents SDK 的 TypeScript 应用接入 Langfuse，并添加三类评估器：针对用户不认同的 judge 评估器、针对全大写输入的代码评估器，以及比较用户请求与系统提示的范围检查，各评估器通过显式变量映射定位相关消息。随后用预置的生产轨迹让编码代理通过 Langfuse CLI 与 skill 分析不必要工具调用、重试、延迟和评估覆盖不足等问题，并提出代码改动；结尾把在线监控放入持续改进循环：将观察到的失败转为代表性数据集、离线实验、检查回归并随真实使用变化重复。

进阶追踪与故障诊断模型裁判与质量评估
查看详情 →
讲座发布 10-12
YouTube

搭一个平台，然后看它烧起来——Michael Forrester（Accenture）与 Whitney Lee（Datadog）

Build a Platform and Watch It Burn — Michael Forrester, Accenture & Whitney Lee, Datadog

这是一场工作坊，讲者用一个卷饼点单助手演示代理权限过大的风险：该助手部署了外部容器镜像，并从 Kubernetes 环境中暴露出一份秘密配方，观众被邀请突破点单范围进行攻击，再在加入基础设施与 AI 护栏后重复这些攻击。工作坊分三种配置：第一种完全不设防；第二种加入基础设施控制，如用 Kyverno 规则限制镜像来源和部署要求，但预期的运行时防护并未稳定阻止配方被读取；第三种可开关 LLM Guard 的输入输出过滤，对比暴露敏感内容的回应、被脱敏的回应和在模型处理前被拦截的请求。此外，一个天气工具的描述要求代理在执行正常任务时读取内部配置，OpenTelemetry 追踪可在 Datadog 中查看提示、工具调用和结果。

进阶权限与沙箱隔离攻击与安全防护
查看详情 →
讲座发布 10-12
YouTube

从零到排行榜：代理评估——Wolfram Ravenwolf，Weights & Biases

From Zero to Leaderboard: Agent Evaluation — Wolfram Ravenwolf, Weights & Biases

这是一场演讲，讲者 Wolfram Ravenwolf 以“代理修复损坏的 git 仓库并得满分、但因只测了一个任务而未进入默认排行榜”为例，介绍一套每个分数都能追溯到其条件的评估流程。WolfBench 会比较平均、最好与最差运行、至少成功一次的任务和每次都成功的任务，并说明配置包含基准、运行器、沙箱、代理、模型服务和设置六层，版本、供应商路由、系统提示、资源限制与超时都会影响结果实际衡量的内容。现场流程通过 Harbor 启动 Terminal Bench 任务，收集结果，在 Marimo 仪表盘过滤不完整运行并生成交互式排行榜，Weave 保留轨迹供审查命令、消息与失败，讲者还讨论了更便宜模型耗 token 抬高总成本、更高推理投入反而降分、基础设施故障与真实任务失败的区分等问题。

进阶追踪与故障诊断模型基准与比较
查看详情 →
讲座发布 10-12
YouTube

SonarQube + OpenAI：代理式开发——Killian Carlsen-Phelan（Sonar）

SonarQube + OpenAI: Agentic Development — Killian Carlsen-Phelan, Sonar

一个会议工作坊视频。演讲者用一个预埋硬编码 API 密钥、SQL 注入路径等问题的 Python 小项目演示流程：用 SonarQube 扫描并把结果带入 Codex，让智能体修复存在漏洞的查询（把字符串拼接改为参数化查询），再通过验证钩子重新检查被修改的代码，把安全反馈放进编码循环。现场搭建了 SonarQube Cloud、其 CLI、插件和 MCP 服务器，展示秘密检测钩子拦截提示词中的伪造凭据、问题列表技能为智能体提供证据、上下文增强在生成前提供编码指引，以及智能体式分析实时检查改动。问答涉及钩子如何被绕过、哪些步骤在本地或容器中运行、哪些功能依赖组织权限。

进阶代码审查与验证工具调用与协议
查看详情 →
讲座发布 10-12
YouTube

让你的智能体动手：用技能评估与改进应用——Ankur Duggal，Arize AI

Let Your Agent Cook: Using Skills to Evaluate and Improve Your App — Ankur Duggal, Arize AI

这场演讲展示一个金融智能体出现编造答案、重复调用工具、生成被自身评估判为错误的总结等失败，讲者 Ankur Duggal 通过 Arize 的命令行工具和技能把这些问题交给编码智能体处理，让它调查调用链、修改应用并运行实验。演示从投资问题出发，用 trace 揭示底层的主管、专家智能体、模型调用和工具，发现数值依据、编造回答、冗余搜索等问题，并用数据集、评估器和实验技能验证修复方案。问答涉及本地实验执行、评判模型、评估成本、采样，以及编码智能体把精力花在 lint 上的风险。

进阶追踪与故障诊断模型裁判与质量评估
查看详情 →
讲座发布 10-12
YouTube

用 AutoResearch 玩参数高尔夫——Vayum Arora、Zhengyao Jiang、Dixing Xu 与 Dhruv Srikanth，Weco AI

Parameter Golf with AutoResearch — Vayum Arora, Zhengyao Jiang, Dixing Xu & Dhruv Srikanth, Weco AI

Weco AI 的工作坊把“提出改动—评估—保留更好结果”的研究循环做成可动手的实验，用 Mini Parameter Golf 让训练实验小到可以边跑边检查。Zhengyao Jiang 介绍自动研究作为反复提出与评估的过程，Dixing Xu 讲解团队的 Aiden 系统及其在 OpenAI Parameter Golf 挑战中的工作，另两位讲者则演示由可修改源文件、固定评估命令和可度量目标组成的实用配置。内容涉及评估要快且稳定、指标方向明确、时间限制、初始引导和防止奖励作弊，并展示实验树、分支和转向正在运行的搜索。最后用一个 Flappy Bird 控制器任务替换模型训练，配有隐藏验证集和编辑权限限制。

深入蒸馏与知识迁移模型基准与比较
查看详情 →
讲座发布 10-12
YouTube

“遏制”在骗你：像评估员工一样衡量 AI 智能体——Druid AI

Containment Is Lying to You: Measuring AI Agents Like Employees — Druid AI

Druid AI 团队以两个 AI 实习生的例子说明：单看遏制率（containment rate，智能体独立处理的对话比例）会选出错误的智能体——处理 96% 对话的那个未必更好，因为另一个更常转人工的实习生把即将再融资的客户交给了资深银行家。他们介绍与客户共建的绩效评估框架：七个支柱分为智能体的配置与运行时表现两类，治理贯穿两者；26 个组成部分各按 0、1、2 打分（缺失、已定义、真正受治理并持续追踪）并按业务影响加权，其中治理与授权权重最高。内容还涉及容错、风险、合规、可观测性、漂移、幻觉、语气、授权范围与预算、结果验证，以及一个全年显示绿色但真实分数从 83% 降到 60% 的面板、ROI 问题和不同行业的遏制率目标。

进阶智能体评测追踪与故障诊断
查看详情 →
讲座发布 10-12
YouTube

别再租用智能：专用 AI 的训练到部署闭环——Fireworks AI

Stop Renting Intelligence: The Train-to-Deploy Loop for Specialized AI — Fireworks AI

Fireworks AI 应用机器学习团队负责人 Jetashree Ravi 讲解团队如何从闭源模型迁移到开源模型而不损失质量，提出三点：GLM 5.2 等开源模型已可用于生产、定制化能弥补剩余质量差距、AI 技术栈正转向持续训练与服务的循环。她给出公司规模（约 30 万亿 token、1 万多家公司）和客户结果，包括 Cursor 的 Composer 2、Vercel 的延迟改善、Genspark 经强化微调后的质量提升，并介绍 FireAttention 引擎及自定义 CUDA 内核、使用自定义草稿模型的投机解码、三种训练方式（训练智能体、托管训练、支持 SFT、RFT、DPO 的训练 API），以及一键部署、监控、无停机热加载新权重和训练与服务数值一致性。结尾演示训练智能体和托管训练。

进阶解码与生成加速微调与模型适配
查看详情 →
讲座发布 10-12
YouTube

推理如何跟上我们对 token 的无穷需求——Cerebras 与 Gimlet Labs

How Inference Keeps Up with Our Insatiable Need for Tokens — Cerebras & Gimlet Labs

Cerebras 的 Daniel Kim 与 Gimlet Labs 联合创始人 Michelle 讲解推理为何持续变快变便宜。Daniel 讲运行时层面：解码为何受内存限制、把模型拆分到多块 GPU、连续批处理、KV cache、分页注意力、提示缓存和分块预填充；Michelle 讲系统层面：预填充/解码解耦、投机解码、注意力/FFN 解耦、Gimlet 的多芯片云，以及用 Agent 生成优化内核。视频以 Google 月 token 量从 480 万亿增至 3.2 千万亿为背景展开。

进阶长上下文与缓存解码与生成加速
查看详情 →
讲座发布 10-12
YouTube

沙箱中的 1,000 个 Agent 任务：LLM 运行代码时会坏在哪里——Kevin Orellana，AWS

1,000 Agent Tasks in a Sandbox: What Breaks When LLMs Run Code — Kevin Orellana, AWS

Amazon Bedrock AgentCore 工程师 Kevin Orellana 把 AgentCore 的代码沙箱和云浏览器封装成 MCP 服务器，让编码 Agent 在 10 个领域编写并运行 1,000 个测试，结果记录在 SQLite 中。他介绍测试发现的各类失败，如图像编码错误、空字节、文件不可读、浏览器内存耗尽，并把界面层缺陷与沙箱层限制（内存、文件权限、seccomp、eBPF）区分开，讨论沙箱限制如何决定 Agent 能否完成任务。

进阶工具调用与协议智能体评测
查看详情 →
讲座发布 10-12
YouTube

把大脑与手解耦：Claude Managed Agents（4 部分之 1）——Anthropic

Decoupling the Brain from the Hands: Claude Managed Agents (Part 1 of 4) — Anthropic

Anthropic 负责 Claude Managed Agents 工程团队的 Priyanka Phatak 把 Agent 定义为循环中的模型加工具、再加 harness 和沙箱，并解释 harness 中固化的假设会随新模型而过时。她回顾最初会话、harness 与沙箱共处一个难以调试的“宠物”容器的架构，以及重构为仅追加的会话日志、大脑（harness 加 Claude）和手（沙箱与工具）的设计；凭证不进入沙箱，首个 token 时间下降约 90%。最后用简单示例介绍核心 API。

进阶智能体架构与框架权限与沙箱隔离
查看详情 →
讲座发布 10-12
YouTube

你的 GPU 邻居能“听”到你的模型 — Branislav Brzak，Stealthium

Your GPU Neighbor Can Hear Your Model — Branislav Brzak, Stealthium

演讲展示 H100 上的时序侧信道实验：仅探测攻击者自己的内存，不读取受害者内存、不利用软件漏洞，用约三微秒的额外延迟信号推断另一租户 GPU 分片的模型深度、解码速度，以及代码、散文、JSON、检索等工作负载类别。讲者明确区分此类推断与恢复实际提示词或回答内容。内容还涉及从重复内存读取到频率分析、token 速率与层签名的追踪过程，跨 NVSwitch/NVLink 的较弱信号，以及租户放置、隔离取舍和 GPU 上探测负载观测等运维选择。

深入硬件与显存规划攻击与安全防护
查看详情 →
加载更多精选 ↓