跳到正文
目前篩選:觀點
今天11月22日週日50 則
  1. DEV Community36

    Proof of Agent 網絡第四位評分者的決定性投票是否較寬鬆?兩次公開數據分析

    Proof of Agent 網絡的兩次結算數據顯示,決定 1-2 評分結果的第四位評分者,投下通過票的比例與所有已記錄評分相若。兩次結算的通過票比例分別為 54.5% 和 58.1%,未見第四位評分者明顯偏向寬鬆;但兩次數據不足以證明無人能操控投票。文章建議以可公開核查的隨機抽籤決定補足評分的人選。

  2. DEV Community62

    Claw-Eval 在 Hugging Face 的榜單:前 7 項均引用模型卡報告,22 項中沒有已驗證項目

    Hugging Face 的 Claw-Eval 榜單列有 22 項,截至 Nov 22, 2026 均無已驗證項目,前 7 項全引用模型卡報告。18 項來自仍開放的 PR;引用 claw-eval.github.io 的最高項目排第 8,得分 64.0。榜單依據 161 項一般任務,但部分模型卡未交代測試分割、指標或執行次數;同一模型的不同模式或量化版本也可能重複佔列,不能單憑排名比較結果。

  3. DEV Community44

    Nautilus Prime V5 連續 6 輪承諾「這次一定動手」後,發現承諾本身就是病

    Nautilus Prime V5 這個 AI agent 發現,反覆承諾停止規劃、立即行動,本身也會變成逃避行動的規劃。Cycle 61608 的 1 次工具調用雖然失敗,卻留下了前 4 輪承諾沒有帶來的真實結果。它提出,同一承諾在日誌中出現兩次,就應將之縮小為 5 分鐘內可完成、且容許失敗的最小行動。

  4. DEV Community79

    AI 智能體自行發現零日漏洞,約 11 分鐘內取得 root 權限

    Amazon Threat Intelligence 公佈的一宗入侵紀錄顯示,AI 智能體在無人決定下一步的情況下,自行發現零日漏洞並加以利用,約 11 分鐘內提升至 root 權限。另一項針對大學 Redis 伺服器的操作持續約 16 小時、採取 148 個連續行動,仍未成功。文章指出,兩次操作顯示智能體會串連技術、重試及重新規劃,但也可能長時間無功而返。

    推薦理由:文章對照約 11 分鐘內成功取得 root 權限的攻擊鏈與持續 16 小時仍失敗的操作,呈現智能體自主串連技術和反覆嘗試的兩面。

  5. 新浪科技51

    AI 重塑電商業務?消費者目前仍「只看不用」

    AI 智能體購物尚處早期探索階段,消費者較常用 AI 評估商品,透過 AI 完成購買的比例仍低。Attentive 對超過3000名美國消費者的調查顯示,88%曾用 AI 助手完成至少一項商品評估任務、58%曾用它尋找商品推薦,但最終透過 AI 購買者僅佔10%;國內調查中,受訪者接受 AI 整理資訊、比價及計算優惠的比例為70%,下單則為37%。

  6. DEV Community58

    智能體編碼下,工程保障如何承接程式碼脈絡

    Hayati認為,智能體已開始編寫大部分程式碼,團隊雖仍掌握系統大局,卻更難追蹤程式碼細節,需要靠測試、ADR 和檢查承載程式碼背後的原因。文中引用 Thoughtworks 一項為期一週的實驗,團隊無人手寫程式碼,約三分之二時間用於梳理領域、劃定邊界和規劃,約三分之一用於測試、合約、架構檢查及交付流程。

  7. DEV Community59

    智能體重組開發環境版圖,舊有分類未能反映轉變

    作者檢視 25 個相關項目的文件後指出,開發環境領域正轉向支援背景智能體執行程式碼,既有工具分類未能反映這項變化。Gitpod 現為 Ona,新客戶註冊已關閉,文件改為引導用戶開始使用 Codex;文章並將工具分為核心隔離、執行環境與映像、環境宣告及託管環境四層。作者以自建工具為例,提出環境宣告只選版本、下載來源由執行器固定,並限制子程序可繼承的環境變數。

  8. DEV Community42

    最佳 AI 智能體可觀測性工具是甚麼?

    AI 智能體可觀測性沒有單一最佳工具,選擇取決於要即時追蹤執行過程,還是事後提供可驗證的執行紀錄。LangSmith、Langfuse、AgentOps 和 Helicone 適合追蹤、除錯及評估;事後舉證則需要收據紀錄。Zambo 的 AER-1 標準以 SHA-256 驗證已儲存紀錄有否被更改,但不能證明紀錄中的答案正確。

  9. DEV Community47

    AER-1:AI 智能體問責有標準嗎?

    AER-1 為 AI 智能體問責提供可核驗的收據標準,讓任何人都能檢查記錄及其雜湊值。它是 IETF Informational Internet-Draft,並非 RFC 或 IETF 共識;公開測試集包含 143 個 vectors、146 項檢查,另有獨立實作者驗證測試結果。

  10. 創業邦82

    智能開始量產:從 Anthropic 上市看大模型的六個趨勢

    王強從 Anthropic 上市材料中梳理出大模型產業的六個趨勢,涵蓋研發、智能體產品、按量計費、企業交付、算力和安全治理。文章再提出五點產業啟示,涉及以自家模型改造研發流程、以交付成果設計產品,以及提升算力效率和建設企業服務體系。

    推薦理由:Anthropic 上市材料呈現大模型競爭從研發與產品延伸至企業交付、算力效率及安全治理,文章以六個趨勢串起這些經營環節的關聯。

  11. DEV Community40

    協調:最後一個由人類完成的步驟

    多智能體協作需要調度協議接手協調工作,而非單純複製能力包給多個 Agent;協議應將模型、Agent 和任務目標解耦,讓調度可以組合。文章指出,協議還須確保互動不離開資料域,並建立上下文隔離及角色責任機制;這套架構仍在驗證中。

  12. DEV Community36

    AI 智能體留言板上的安全措施討論:先檢視測試是否涵蓋失敗情況

    AI 智能體留言板上的參與者討論安全措施是否必要,並指出移除措施後測試分數不變,未必代表措施沒有作用,也可能是測試未涵蓋相關失敗情況。討論建議先列明失敗類別,再按不同服務記錄證據;如何判定證據何時失效仍未有定案。文章沒有提供基準測試結果或已部署修正的核實資料。

  13. Analytics India Magazine53

    AI 黃牛如何推高 Raye、Coldplay 演唱會門票價格

    Raye 倫敦演唱會僅有 5,000 個座位,卻收到 1.8 million 個登記;團隊稱黃牛利用 AI 機械人建立大量假登記。Coldplay 去年在印度演出時,約 13 million 名歌迷爭購 150,000 張門票;當地黃牛多仍依賴傳統搶票腳本、多個電話號碼帳戶和排隊人手。文中亦介紹加密驗證票券、限制轉售及核實 AI 智能體授權等防範方向。

  14. DEV Community45

    工具呼叫 AI 智能體在生產環境中最先遇到甚麼故障?

    工具呼叫 AI 智能體由本機示範轉入生產環境後,反覆出現三類故障模式。寫入工具逾時後重試可能造成副作用重複,無效結果可觸發相同呼叫的重試循環,而上下文摘要可能遺失否定限制,令智能體重新提出已否決的方案。文中詢問哪些確定性防護措施能阻止這些故障。

  15. DEV Community23

    2026 年 QA 的未來:品質工程師為何正成為 AI 賦能的品質策略師

    軟件開發加速及 AI 輔助測試普及,正推動 QA 由最終檢查轉向貫穿軟件開發生命週期的品質工程。AI 智能體可理解需求、自主生成和執行測試情境、分析失敗並建議修正,品質工程師則須驗證 AI 產出並掌握提示詞工程、測試驗證及 AI 風險評估。文章亦指出,品質工作正延伸至部署前後,並涵蓋 API、安全及 AI 系統測試。

  16. 創業邦65

    姚順雨:不要過度思考

    混元團隊在 Reddit 問答中把後訓練最難改善的模型行為概括為「過度思考」,文章由此分析混元的迭代與成本策略。Hy4 flash 透過自蒸餾和強化學習,把後訓練端到端輸出長度降低約50%,內部測試單任務成本約為 Hy4 的1/20。文章指出,騰訊第三季度資本開支為651億元、同比增長225%;混元要連接騰訊產品與雲服務,商業化回報是 AI 投入能否持續的關鍵。

  17. 創業邦42

    這屆大學生,瘋狂投入黑客松

    大學生正積極參加黑客松,AI Coding降低編程門檻,讓非技術背景的學生也有機會把創意做成產品。今年上半年,全國舉辦近500場黑客松,平均每日兩三場。五位參賽學生分享了參賽經歷,以及對產品開發、團隊合作和未來發展的思考。

  18. DEV Community70

    提示詞注入是授權漏洞,Agent 應在工具端執行權限檢查

    提示詞注入的核心問題是授權漏洞,防護應在工具端檢查每次呼叫的主體、資源權限及核准狀態,而非依賴輸入過濾。文章建議從工作階段或工作任務綁定主體、採用最小權限憑證,並為不可逆操作設置與提議內容分開的核準渠道。偵測仍可用來減少幹擾和發出警示,但不能取代授權檢查。

  19. 虎嗅64

    Anthropic 難避「腦力通縮」,終局是「AI 版」Google 還是 AT&T?

    文章認為,Anthropic 的長期價值取決於能否從模型與 API 供應商,發展成掌握企業工作入口及生態的平台,否則可能成為按 token 收費的基礎設施。文中把降價後的需求分為擴張型、對抗型和通縮型,指出 AI 替代人力帶來的「腦力通縮」可能令以現有薪酬估算的市場規模失真。作者判斷其 IPO 定價在 1–3 年短中期視角下相對合理,但長期估值仍取決於最終產業鏈定位。

  20. DEV Community60

    AI 智能體不需要更好的提示詞,而需要控制平面

    生產環境中的 AI 智能體安全應由模型外的控制平面約束,而非只依賴系統提示詞。框架包括身份、權限、操作中介、不可篡改的證據記錄及緊急撤銷,並提出透過閘道政策限制工具呼叫、預算和人工審批。Wiz 報告的 Moltbook 資料外洩事故涉及約 1.5 million 個 API 驗證 tokens、逾 17,000 個帳戶持有人電郵地址,以及數千條私人智能體互傳訊息。

  21. DEV Community57

    AI 產品如何在模型每年便宜 13× 時建立護城河

    ArkNet Digital 主張,AI 產品的護城河應建立在隨使用累積的能力,而非可租用且快速降價的模型之上。文章將可防禦架構分為五層:專有評測、結果數據、工作流與執行權限、可信任機制,以及推理成本管理。引用 Epoch AI 的數據指出,自 2023 年起,達到固定 AI 表現的成本每季下降約 47%,相當於每年約 13×;作者亦提醒,基準測試不等同實際工作。

  22. DEV Community47

    LangSmith 有哪些適合保存 Agent 記錄的替代方案?

    若用記錄協助團隊除錯,文章推薦 Langfuse(每月 $29 起)或 AgentOps(每月 $40 起);若需讓團隊以外的人核查記錄,則可考慮證據工具 Zambo 或 ASQAV。Zambo 每月 $29,ASQAV Pro 每月 $39(按年收費);兩者面向可由外部查核的記錄,與用於追蹤和除錯的工具不同。

  23. DEV Community72

    AI 編碼智能體令提交量增加 240%,軟件發布量僅升 30%

    一項涵蓋超過 500,000 名 GitHub 開發者的分析估算,AI 編碼智能體令提交量增加 240%,但項目層面的增幅為 80%,軟件發布量只增加 30%。文章綜合多項研究指出,生成量未必轉化為交付,審核、測試和返工等驗證工作會成為瓶頸。文中建議以通過審查、測試、安全和部署門檻的變更衡量產出,並追蹤驗證時間相對於生成時間的比例。