跳到正文
11月19日週四
  1. CMU:Machine Learning Blog64

    具備能力的自主智能體如何實現可證明安全:第二部分

    Aran Nayebi 在文章第二部分探討如何為具能力的自主智能體建立可證明的安全保障,並讓人類控制優先於任務完成。其 AAAI ’26 研究將可糾正性拆分為五項效用,按明確次序令安全要求優先於任務獎勵,並將保障延伸至多步決策及繼承相同安全設定的後繼智能體。ROGUE 以 82 項虛擬 Linux 任務測試智能體,結果顯示其在一般電腦操作情境下可能違反關機、人類控制或受限資源要求。

  2. DEV Community49

    Neat 的會議室 AI 應在哪些裝置上運行

    Neat 的 Tormod Ree 指出,會議室 AI 中對時間敏感的音訊及影片處理應在裝置上運行,考量次序為時效、私隱和成本。Neat 採用邊緣與雲端混合架構:即時鏡頭取景及咪高峯混音留在房間硬件上,較不趕時間的音訊摘要則可在雲端處理。現時取景決策仍主要依靠確定性規則,Ree 認為須待訓練模型能在現有裝置上勝過規則後才轉用。

  3. DEV Community35

    驗證巴基斯坦 CNIC 號碼:13 位格式、數字含義及格式檢查無法判斷之處

    巴基斯坦 CNIC 號碼由 13 位數字組成,首位表示地區,末位以奇偶表示性別,但號碼沒有校驗位,格式正確不代表號碼真實。Python 驗證器可檢查格式、接受有或沒有連字號的寫法,並轉換烏爾都數字。要確認身份,仍須透過 NADRA 的記錄核對號碼、姓名和照片。

  4. DEV Community27

    用 JavaScript 按顏色統計拼豆數量

    JavaScript 程式可把拼豆圖案的網格轉換成各顏色的拼豆數量。範例心形圖案需要 19 顆紅色拼豆和 8 顆淺粉紅色拼豆,合共 27 顆;程式亦會指出網格行寬不一致或符號未列入顏色表的錯誤。

  5. DEV Community62

    作者的多智能體狀態看板把40張卡列為等待合併,其中34張沒有 worktree 目錄

    作者核對自建多智能體狀態看板後發現,313張任務卡中有40張被列為等待合併,當中34張的 worktree 目錄已不存在,而真正需要他作決定的卡片有8張。其中33張卡的起始紀錄沒有 worktree 欄位,腳本把空值判作尚未歸還;作者能直接核實15張已合併,另有25張已沒有 task branch,抽查7張中6張找到合併提交。

  6. Unite.AI35

    Abridge 詳述 AI 生成體格檢查紀錄的控制設定

    Abridge 發布臨牀指引,説明臨牀人員如何透過檢查模板、風格設定、常設偏好及提示詞編輯,控制 AI 生成的體格檢查紀錄。系統會把診症對話轉成結構化紀錄,並以追蹤修訂呈現建議修改,供臨牀人員接受或拒絕;紀錄須反映實際進行的檢查。

  7. 阿里雲開發者社區 AI47

    AI 助手介面怎麼接?在網頁與辦公 APP 中嵌入大模型能力的工程化思路

    文章提出以阿里雲大模型服務與函數計算(FC)為基礎,將大模型接入網頁及辦公 APP、建構 AI 助手的工程方案。內容涵蓋同步、異步及流式介面選擇、上下文管理、流式交互細節與成本控制。問答、摘要和寫作能力可封裝為獨立端點,共用鑑權、日誌及限流組件。

  8. 阿里雲開發者社區 AI39

    通義靈碼上手體驗:AI 編碼如何基於上下文預測程式碼片段、減少重複工作

    通義靈碼會根據目前檔案及項目內相關檔案的上下文,預測接下來要寫的程式碼,協助減少重複鍵入。行內補全適合樣板程式碼、呼叫封裝、異常處理及單元測試骨架;對話則適合需要推理和跨檔案理解的任務。涉及業務邏輯、第三方庫版本或安全合規的建議,仍須由開發者核對及驗證。

  9. 阿里雲開發者社區 AI32

    多模態資訊處理技術落地:AI 識別與內容生成如何提升線上課堂體驗

    多模態 AI 將線上課堂中的語音、圖像與文本統一識別、理解及生成,讓課堂內容可搜尋、重用和互動,減少教與學之間的資訊損耗。工程實作涵蓋語音轉寫、視覺理解、內容切片,以及字幕翻譯、課堂摘要、課件生成和智能答疑;實時字幕採流式處理、摘要採異步處理、問答採同步處理,並按任務選擇模型規格。

  10. 阿里雲開發者社區 AI50

    Stable Diffusion 與 ComfyUI 在雲端的選型與部署:文生圖大模型落地技術分享

    Stable Diffusion 與 ComfyUI 的雲端部署分享聚焦利用阿里雲函數計算(FC)的 Serverless GPU 能力,構建文生圖工作流。WebUI 適合人工調試與少量出圖,ComfyUI 則適合批量生產及工程化整合。部署要點包括分離模型權重與鏡像、鎖定依賴版本,以及以 API 格式 JSON 固化工作流。

  11. DEV Community32

    深入瞭解 BAGLEY-AI:以純 Rust 設計零外洩自主安全羣集

    BAGLEY-AI 是一套 100% 本地部署的 Rust 與 C++ 自主安全系統,旨在無需向外部伺服器傳送資料,完成應用程式安全分析與修補。系統以本地推理、±15 行上下文窗口及確定性隔離機制控制分析範圍,並將並行子 Agent 數量上限設為 4。它在隔離企業網絡靶場執行四階段 Kill Chain,並自動生成 Git 差異修補檔及 OASIS SARIF 2.1.0 報告。

  12. DEV Community31

    遊戲開發客戶合約檢查清單

    遊戲開發客戶簽約前,應在合約中明確交付內容、里程碑驗收方式、付款安排、付款後的知識產權轉讓,以及雙方終止合約的權利。合約亦應列明源程式碼及帳戶交接、第三方素材授權、生成式 AI 工具使用披露、保密安排和交付後支援。

  13. 阿里雲開發者社區 AI46

    視頻反推提示詞 API 返回甚麼?用 Python 把 content 解析成可重用提示詞庫

    API 開放平台的「視頻反推提示詞」接口會以異步任務方式處理視頻連結,成功後以字符串形式返回 data.content,但官方沒有規定其內部格式。文章示範用 Python 輪詢任務並防禦式解析內容,將原文保留、嘗試識別 JSON,失敗時再按段落分類,並以指紋去重及存入 SQLite。

  14. 阿里雲開發者社區 AI36

    從文生圖到語音生成:阿里雲函數計算如何承載多類 AIGC 模型的 Serverless 實踐

    阿里雲函數計算(FC)以 Serverless GPU 承載文生圖、語音合成及大語言模型推理等多類 AIGC 負載,按請求調度實例,並以獨立函數和容器鏡像隔離模型環境。文章説明權重存放於對象存儲、冷啟動優化及按業務需求配置預熱實例與並發,讓團隊按量承接負載波動。

  15. DEV Community78

    CVE-2026-123007:NGINX HTTP/2 漏洞的受影響範圍與修補方法

    NGINX 於 11 月 18 日修補兩項 HTTP/2 漏洞,研究團隊指 CVE-2026-123007 在特定條件下可導致伺服器端程式碼執行。修補版本為 NGINX 1.30.7(stable)及 1.31.9(mainline);受影響伺服器須編譯包含 HTTP/2 模組、啟用 HTTP/2,並有可從外部連接的連接埠。

    推薦理由:文章整理公開利用所需的流量與受影響條件,並説明停用 HTTP/2 只能阻擋兩項漏洞,仍須升級修補同一批發布中的其他問題。

  16. DEV Community60

    Node.js 如何用雙 token bucket 限制 LLM API 的每分鐘請求數與 token 數

    Ali Ahmed 提供一套 Node.js 實作,以兩個 token bucket 分別限制 LLM API 的每分鐘請求數(RPM)和 token 數(TPM)。程式按到達次序排隊,發送前預留估算用量,再按 API 回報的實際用量校正;測試在 Node.js 24 通過。此限流器只在單一進程內管理流量,多個 worker 需要分配限額或使用共用儲存。

  17. 阿里雲開發者社區 AI35

    毛絨萌寵風格圖如何生成?Flux 預置工作流程與內置 LoRA 技術拆解

    阿里雲函數計算結合 Flux 預置工作流程與內置 LoRA,協助穩定生成毛絨萌寵風格 AI 圖像,減少從零配置工作流程的負擔。生成效果取決於材質與光影提示詞、分辨率和採樣步數的平衡,以及 LoRA 模型強度與 CLIP 強度的調節。工作流程可部署於 Serverless GPU,並按請求彈性調度。

  18. 阿里雲開發者社區 AI37

    文生圖成本實測:函數計算部署 ComfyUI,每張圖 0.02–0.2 元是怎樣算出來的

    阿里雲函數計算部署 ComfyUI 的實測顯示,文生圖每張成本約為 0.02–0.2 元,主要由 GPU 耗時與實例按量單價決定,另有少量存儲及流量費用。分辨率、採樣步數、模型載入與冷啟動都會影響耗時;採用低配置批量出草稿、高配置定向精修的兩段式流程,可控制成本。

  19. 阿里雲開發者社區 AI34

    少量樣本復刻聲音:GPT-SoVITS 語音生成模型在函數計算上的部署指南

    GPT-SoVITS 語音生成模型可部署於阿里雲函數計算(FC)的 Serverless GPU,將聲音復刻流程搬到雲端。部署指南涵蓋樣本準備、依賴版本與 GPU 規格選擇、訓練和推理參數調整,以及 HTTP 端點封裝和效果驗證。按請求調度 GPU、任務結束後自動縮容,可配合訓練集中、推理零星的負載特點。

  20. DEV Community51

    如何在沒有既有受眾的情況下推出付費 AI 產品

    Aaron kuai 建議,部分 AI 產品可在沒有既有受眾時採取付費首發,讓收入從首位用戶起對應使用成本並驗證付費意願。文章建議先直接接觸五名有相關問題的人,展示可運作的產品並確認付費意願,再以退款保障和首位客戶背書建立信任,之後才公開推出。首版定價應公開並足以覆蓋每位用戶成本,月付安排則較年付容易調整。

  21. DEV Community57

    工程領袖如何為 LLM 工作流設定可靠性目標

    工程領袖應以業務結果而非單看基礎設施可用性,為 LLM 工作流設定可靠性目標,並在完整工作流層面定義 SLI、SLO 和錯誤預算。衡量範圍涵蓋任務成功、服務可用性、回應品質與依據、執行正確性、延遲、安全、復原能力及營運成本。文中以 Python 範例展示如何計算任務成功率、延遲合規率及錯誤預算消耗,並指出安全違規須獨立處理,不應納入一般容錯預算。

  22. 阿里雲開發者社區 AI36

    AI 引用你的內容,為甚麼要先確認出處可信?

    眾通社GEO提出,AI 引用內容前,必須先確保事實有可信、可回查的出處,並以輸入登記、處理驗收、輸出留檔和校驗測量構成閉環。方法涵蓋信源可信度、事實可追溯比例及事實一致率等驗收口徑,要求為核心事實附上可存取來源,並留存測量數據及復核記錄。

  23. 阿里雲開發者社區 AI41

    阿里雲百煉功能拆解、成本測算與 API 接入教學

    阿里雲百煉整合通義千問及第三方大模型,提供統一 API、RAG 知識庫、智能體編排和模型微調等能力,並支援兼容 OpenAI 協議的接口。平台提供新人免費額度、按量付費、Token Plan、Coding Plan 及節省計劃;Token Plan 和 Coding Plan 面向交互式使用,不適合後端自動化批量調用。