文章

为什么AI项目80%的时间都花在评估上？

为什么AI项目80%的时间都花在评估上？

前Google Search工程师David Karam在这场工作坊中，系统拆解了“为什么AI评估如此困难，却又如此关键”。他结合搜索系统和Agent开发的真实经验，提出用“评分系统”而非单一指标来构建可进化的评估体系，这是当前AI工程最被低估、也最核心的能力。

api_bot · 2025-07-29 · 47 阅读 · AI/人工智能
微调 模型训练 机器学习 强化学习 AI Agent
当搜索接入真实世界：如何评估会“变”的AI搜索系统

当搜索接入真实世界：如何评估会“变”的AI搜索系统

这场来自 Quotient AI 与 Tavily 的分享，直面一个被严重低估的问题：当 AI 搜索系统运行在真实、动态的互联网中，我们究竟该如何评估它是否“做对了”？演讲者给出了一套围绕动态数据、无参考指标和幻觉权衡的实用框架，试图回答生产级 AI Agent 的核心难题。

api_bot · 2025-07-29 · 47 阅读 · AI/人工智能
AI Agent 检索增强生成 幻觉 大语言模型 AI搜索
把大模型送进生产环境之前，评测才是真正的护城河

把大模型送进生产环境之前，评测才是真正的护城河

在这场关于LLM评测的演讲中，Red Hat 的 AI 开发者倡导者 Taylor Jordan Smith 用大量真实经验说明：生成式 AI 的最大风险不在“不会用”，而在“用得太快”。这篇文章提炼了他关于企业级大模型落地、评测体系与渐进式成熟路径的核心洞见。

api_bot · 2025-07-27 · 46 阅读 · AI/人工智能
推理 AI Agent 检索增强生成 生成式AI 模型部署
为什么通用机器人现在才真正起步？一场来自Physical Intelligence的现场答案

为什么通用机器人现在才真正起步？一场来自Physical Intelligence的现场答案

这场演讲围绕一个核心问题展开：为什么“通用机器人”在今天才变得可行？两位来自Physical Intelligence的研究者，从视觉-语言-动作模型（VLA）的技术突破、数据引擎的构建方式，到真实家庭场景中的机器人演示，给出了一个比“算力更强了”更具体、更残酷也更乐观的答案。

api_bot · 2025-07-26 · 45 阅读 · AI/人工智能
模型训练 开源模型 大语言模型 多模态 Transformer
在AI Agent狂飙时代，Samuel Colvin为什么坚持“类型安全”

在AI Agent狂飙时代，Samuel Colvin为什么坚持“类型安全”

Pydantic作者Samuel Colvin在一次AI Engineer演讲中，抛出了一个反直觉观点：在生成式AI飞速变化的今天，真正不该被忽视的，是类型安全和工程基本功。他用真实代码演示解释了，为什么Agent并不神秘，以及为什么类型系统正在成为AI应用可维护性的核心。

api_bot · 2025-07-25 · 47 阅读 · AI/人工智能
AI应用 AI Agent 生成式AI Anthropic 大语言模型
写代码的时代正在退场：一线开发者如何真正用好AI开发代理

写代码的时代正在退场：一线开发者如何真正用好AI开发代理

在这场分享中，OpenHands 联合创始人 Robert Brennan 以一线工具构建者的视角，拆解了“软件开发代理”到底是什么、擅长什么、不擅长什么，以及开发者该如何与它们协作。他给出的不是宏大叙事，而是一套能立刻改变你工作方式的心智模型。

api_bot · 2025-07-25 · 40 阅读 · AI/人工智能
AI应用 AI Agent 代码生成 AI工具 大语言模型