跳到正文
11月6日週五
  1. DEV Community26

    開源 AI 的 MCP 協議:作用與治理缺口解析

    MCP 協議讓智能體或模型發現、描述及呼叫遠端工具,並連接多種開源 AI 工作流程。文章説明 MCP 與 A2A、CLI adapters 的關係,指出傳統「bare server」實作不會強制驗證或追蹤;apcore 等受治理執行環境則可在工具透過 MCP 或 A2A 開放前檢查結構、審批及使用證據。apcore 提供多語言 SDK 和標準合約強制執行,支援連接 MCP 或 A2A。

  2. DoNews40

    Hugging Face 行政總裁稱 AI 導致人類滅絕的機率接近零

    Hugging Face 行政總裁克萊門特·德朗格稱,人工智能導致人類滅絕的機率(P(Doom))「接近於零」,真正風險在於少數大型公司秘密開發封閉的前沿模型,而非開源生態。他認為,開放權重模型有助建立可審查、可制衡的技術生態,防止算力與 AI 能力被壟斷;Hugging Face 開發者超過2000萬,已售出5萬台 AI 編程雙足機械人 Microducks。

  3. DEV Community61

    Loopsmith 為何不讓模型自行判定任務完成

    Bond 推出開源項目 Loopsmith v1.0.0,以 Rust 編寫的驗證閘門讀取實際輸出檔案,取代模型自行判定任務是否完成。未通過檢查的工作會送回 AI,流程亦設有迭代、成本、模型 token、實際時間及無進展上限。項目採 MIT 授權,並提供供編碼智能體使用的技能;目標、檢查條件和配置變更須經用戶批准。

  4. 新浪科技66

    百度正式開源文心5.5 Flash Base(ERNIE 5.5 Flash Base),以33.5萬億個Token完成預訓練

    百度正式開源基座模型文心5.5 Flash Base(ERNIE 5.5 Flash Base),該模型以33.5萬億個Token完成預訓練。模型採用MoE架構,總參數2800億、每個Token激活140億,微調和推理階段最長支援100萬Token上下文。百度已在Hugging Face提供FP8和BF16版本權重;模型尚未經中訓練和後訓練,主要供開發者及企業作後續指令微調、領域適配和強化學習。

  5. DEV Community30

    Prompt Pad:甚麼是開放權重模型?

    開放權重模型提供訓練完成的模型,用戶可下載到自己的電腦運行,並按項目需要進行微調。Prompt Pad 以 Google 的 Gemma 為例,説明開放權重與開源的分別:開源還要求提供程式碼,以及訓練數據和流程等資訊,供人研究、修改和分享。

  6. Hugging Face Blog61

    NVIDIA 發佈 Cosmos 3 四個開放權重模型,支援互動式世界模擬

    NVIDIA 為 Cosmos 3 模型系列新增四個開放權重 checkpoint,用於互動式世界模擬及多感測器、多視角駕駛場景生成。四個模型均以 Cosmos 3 Nano 為基礎進行後訓練,各有 16B 可訓練參數,並按 OpenMDW1.1 條款供商業及非商業用途。

    推薦理由:四個 checkpoint 涵蓋多視角駕駛資料、同步攝影機與 LiDAR 串流、模擬器控制轉影片及雙臂機械人互動,並分別交代用途與後訓練流程。

  7. O'Reilly Radar62

    Tim O’Reilly指出,AI 經濟的新型知識載體正由程式碼擴展至上下文

    Tim O’Reilly指出,AI 正改變軟件開發中可分享的知識載體,提示詞、上下文和生成模式可能比程式碼本身更重要。文章將規格、Agent Skill、MCP server、Agent trace 和 eval 列為新型載體,並提出需要建立分享、歸屬及報酬機制。作者亦指出,若 eval 的測試案例進入模型訓練數據,評測便會測到模型記憶的答案,而非其實際能力,因此需要保護留出集。

  8. OpenClaw:Blog66

    OpenClaw Multiplayer 推出多人共享智能體協作功能

    OpenClaw 推出 Multiplayer,讓多人連接同一個 OpenClaw 智能體,在共享工作環境中使用相同上下文協作並修改同一項工作。請求會經共享佇列協調,參與者可查看智能體何時忙碌,毋須重述對話或重建他人的工作脈絡。功能免費、採用 MIT 授權並支援不同模型;OpenClaw Foundation 表示已有約 50+ 人在同一共享環境協作。

  9. Hacker News 熱門(buzzing.cc 中文翻譯)43

    「超棒」倉庫不再「超棒」

    GitHub 上的 awesome 資源清單因 AI 相關變化而變得較不實用:不少清單未有持續維護,內容過時,使用者往往直接向 AI 模型尋找所需資料。另一方面,部分清單亦被 AI 生成的通用工具及資源提案淹沒,令審核負擔增加。作者認為,awesome 清單仍可能有用,但作為尋找優質資源的一般方法,已不如以往可靠。

11月5日週四
  1. Unite.AI47

    Baseten 加入 NVIDIA Nemotron Coalition,帶來推理專業知識

    Baseten 加入 NVIDIA Nemotron Coalition,將企業工作負載洞見,以及後訓練和推理專業知識帶入開放模型開發。這項合作涵蓋模型推出、強化學習、客製化及專用推理,並延伸至訓練環境和企業應用經驗。文章亦列出 CodeRabbit 和 Harvey 的客製化案例及評測結果,並指出相關增益仍需在持續生產使用中驗證。

  2. DEV Community45

    hireburn:只需錄製一次 AI 虛擬形象的開源招聘工具,以及它為何不會替你在 LinkedIn 按下「發送」

    hireburn 是一款以 MIT 授權發布的開源招聘工具,讓用戶錄製一次 AI 虛擬形象,並以相同問題面試候選人。這款只用 Python 標準程式庫的 CLI 不會連接網絡;它可按範本草擬 LinkedIn 外聯訊息,但必須由人手按下發送。工具亦會並列招聘各階段的流失情況與候選人後續在職狀況,並在頁面和評分準則中加入披露、同意及人工覆核。