iFeeling Daily

每天精选值得关注的 AI 动态

每天精选值得关注的 AI 动态

前沿技术

OpenAI 团队追踪 Rockset 中一个看似不可能的崩溃：函数正常执行完却跳转到空地址。通过构建自动化的核心转储分析管道，他们发现这不是一个 bug，而是分别隐藏了18年的 libunwind 竞争条件和一次硬件错误的两个独立事件。值得所有做底层系统的工程师一读。

AI评测结果混乱是公认的痛点，但没人真正动手清理。EvalEval联盟联合Hugging Face搞了个标准化JSON schema，把评测参数、来源和分数全部结构化，从31种格式中汇聚了22.9万条结果。一个评测提交，模型页面和完整记录同步更新，成本相比重跑节省几十万美元。

工业巨头用 ChromeOS 省了 70 万美元，设备寿命翻倍，部署从小时级变成分钟级。核心思路是把攻击面从管理所有终端，缩小到只管理一个浏览器加云端策略，再配合 Cameyo 处理遗留 Windows 应用，彻底告别昂贵的 VDI。

用Transformer同时估计概率密度和得分，无需针对新分布重新训练。在100维上比KDE误差降低37倍，还通过一致性损失实现了零样本自适应。一个值得关注的底层基础设施创新，有望降低生成模型、贝叶斯采样和科学计算的重复训练成本。

Anthropic的人均算力支出已是工资的2.3倍，而大部分公司近乎为零。三个量化场景告诉你，到2029年AI账单可能追上甚至超过工程师薪酬。别把AI当玩具预算了，它正在变成你的第二份工资单。

BigQuery新发布的AI.AGG()函数，让你在SQL里用一行自然语言指令就能对几百万行非结构化数据做总结和分类，无需搬数据、写脚本或担心上下文窗口。文章讲透了多层级聚合、NULL处理等工程细节，对BigQuery用户很实用。

Curve 用 BigQuery Graph 做欺诈检测，把反多跳追踪的复杂 SQL 换成直观的图查询语言，节省了约 1200 万美元的损失。这种在数据仓库内原生做图分析的方式，比搭建专门图数据库更务实，也更容易与现有 ML 流程集成。

一行命令，在 Hugging Face 上拉起一个私有、按秒计费的 vLLM 端点，兼容 OpenAI API，无需任何基础设施配置。从单卡小模型到多卡122B，再到 SSH 调试和挂载编码代理，每一步都有实操命令，适合快速测试和批量推理。