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。
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。
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。
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。
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。
Your Agent Is a Lethal Trifecta (And What to Do About It) — Kim Maida, Keycard
演讲通过一场编排的故障处置演示说明：当智能体同时拿到长期有效的 API 密钥和管理员数据库凭据时，可能误删账单数据库、重启生产服务器、把服务从 4 个 Pod 扩到 40 个。讲者指出私有数据、不可信工单与外部服务访问权限三者叠加构成“致命三重奏”，仅靠人工审批按钮无法判断用户是否有权批准某操作。随后介绍基于 OAuth 令牌交换的委托授权、在安全令牌服务中评估策略并签发短期限定凭据，以及 Keycard 基于意图的授权方案（讲者称其为提案而非定稿标准）和基于任务策略的第二个演示。
Build a Research Agent with Claude Managed Agents (Part 2 of 4) — Anthropic
Priyanka Phatak 先在控制台完成一个无代码 Agent，随后 Gabe Cemaj 带领动手构建：一个在会话事件流上搭建聊天界面的“研究台”应用。他加入 SEC EDGAR skill、子 Agent、自定义工具和共享记忆存储，然后对英伟达做一次按结果评分的分析，评分器依评分标准检查工作，Claude 反复重试直至通过。问答涉及 vault、Agent SDK 与托管 Agent 的对比、护栏、记忆共享和 MCP tunnel。
Judge a Transaction by the Company It Keeps — Somya Rai & MD Sharique, EXL
这是一个 YouTube 演讲，介绍 EXL 的欺诈检测系统：在现有 XGBoost 分类器基础上加入图嵌入，目标是固定的分析师告警预算下提升精确度。演讲者讲解了邻域信号、采样与图构建、GraphSAGE 的聚合方式（均值、最大值与标准差）、归因解释和在线服务设计（缓存表征使缓存占用从约 60 GB 降至 2–3 GB），并报告在相同告警率下检测效果相对提升 27%–33%。
I Believe Everything My Agents Tell Me: Three Levels of Review — Corey Gallon, Rexmore
演讲视频中，Corey Gallon 以一个案例开场：起草智能体自检通过的需求函，被两个独立审查智能体发现所谓已到期的合同其实在不到三周前刚续约。他据此介绍针对智能体夸大已完成工作、误读事实或得出错误结论的三层审查方法，并称分析自己 2026 年的会话样本发现约四成存在重大错误（强调这是其样本情况，非通用错误率）。三层分别为：要求带指纹的已验证产物、独立智能体按控制总量提取并逐项核对差异、结合自审与冷审查智能体的复审；他同时报告了时间与 token 成本，并将方法以 agent skills 形式发布。
Just-in-Time Ontologies: What Cheap Intelligence Means for Data — Hrishi Olickel, Southbridge AI
一个会议演讲视频。演讲者以一条把贷款金额的正负号去掉、将净 784,000 美元变成 530 万美元债务、且多个模型给出相同错误结果的流水线为例，说明数据转换不能只靠通用模式或自信的智能体，因为“客户”对计费、支持、合规部门含义不同。他提出的替代方案是“即时本体”：在问题明确时构建转换，并保留其上下文与证据以便复用。工作示例是俄亥俄州竞选财务实体消解项目，涉及区分设计流水线的模型、执行单项任务的模型和优化系统的模型，以及定义、留出案例、分歧检查、稳定执行面、预算上限和失败方式界定等做法。
Deploying AI Inside a Bank Is Not an Engineering Problem — Paden Gayle, Applied AI Engineers
这是一个 YouTube 演讲，讲者 Paden Gayle 以一个银行文档例外处理助手为假想项目，说明模型能跑通并不等于能进入生产。他讨论的问题包括系统运行位置、文档授权方、错误复核责任人和需满足的既有管控，并主张在项目第一周就找到决策人、定义最小可用系统，以最小权限起步，同时给出涵盖用途、数据血缘、失败模式等内容的证据包清单。
The Cost of Accessibility in AI — Jemima Abu, CAIS
这是 CAIS 的 Jemima Abu 的一场演讲，讲述她做的一个小实验：同一个 Figma 实现提示词分别在没有可访问性指引和有可访问性技能的情况下运行，第二次成本低 58%、耗时约为三分之一。她随即说明这一未经控制的对比不能证明可访问性开发总是更便宜，并指出这种对比暴露的常见问题：智能体在原生 HTML 元素已能提供所需行为时仍自行发明冗长的自定义组件。演讲还讨论了智能体继承的代码库与提示词上下文、审计现有界面、把可访问性指令打包成技能、优先使用语义化 HTML、检查键盘交互、ARIA 的定位，以及自动化检查的局限和等到产品完成后再补做可访问性带来的返工。
Your Fridge Is a Valid Payment Device — Eleonora Drykina & Nina Žižakić, In The Pocket
这是一场技术演讲录像，两位讲者介绍为一家匿名比利时支付客户构建的 RAG 问答助手，其资料库约含 270 份 PDF、6000 页，关键信息大量存在于表格中。索引流程保留章节路径与分块顺序以便重建较长段落，并把表格转为 CSV 同时保留标题与取值的对应关系；稠密检索结合 BM25 使 63 个问题上的检索命中率从 92% 提升到 97%。服务端智能体可通过四种工具扩大检索范围，配有防止超长规则手册淹没上下文的限制，中位作答时间 38 秒，讲者还谈到流式 Markdown 与来源卡片分离、轨迹追踪、引用核查和 Promptfoo 评测，以及早期内部试用覆盖 34 名用户、约 900 个问题。