这个可以拯救打工人的资讯神器，打死也不能删！

模型不是越大越好，大有大的难处【从零开始大模型05】

这是《从零开始大模型》的第5篇，前几篇分别是： 01- 如何准备数据 02- 如何词嵌入 03- 如何计算注意力 04- 完整理解Transformer

黄仁勋对台媒诉苦，没想到H20被婉拒。

黄仁勋对台媒诉苦，没想到H20被婉拒。

重磅：马斯克开源全球顶级大模型grok

重磅：马斯克开源 全球顶级大模型grok

“Minecraft手办教程” #我的世界#网易我的世界#ai

-

HSTU Retrieval代码拆解！推荐系统核心揭秘

论文精读系列 - HSTU 复现 (2/3) | Retrieval 代码部分！ 这一期我们正式进入HSTU 复现系列的第二篇：Retrieval 代码部分！我们会带大家完整走一遍 从数据 → 模型 → Loss 的流程~ 欢迎留言讨论你的复现心得~ 相关代码 HSTU（up主实现）: https://github.com/foreverYoungGitHub/generative-recommenders-pl HSTU（官方实现）: https://github.com/facebookresearch/generative-recommenders 相关论文 HSTU: [2402.17152] Actions Speak Louder than Words: Trillion-Parameter Sequential Transducers for Generative Recommendations

Anthropic：Prompting for Agents|演讲时间：2025.5.22

https://www.youtube.com/watch?v=XSZP9GhhuAc Anthropic 团队 “Prompting for Agents” 演讲视频 由 Anthropic 应用 AI 团队的 Hannah Moran 和 Jeremy Hadfield 主讲，深入探讨了如何为 AI Agent 设计和优化提示词。 第一部分：什么是 Agent 以及何时使用它们？ (主讲人：Hannah Moran) 1. 回顾 Prompt 工程基础 - Prompt 工程被定义为 “用自然语言编程”，是一种 “概念工程” (Conceptual Engineering)，核心在于定义模型的预期行为和任务成功的标准。 - 传统的 Prompt 通常结构严谨，包含角色定义、任务指令、示例等部分。但对于 Agent，这种固定的结构可能不再适用。 2. 定义 Agent Anthropic 将 Agent 定义为 “在循环中使用工具的模型 (models using tools in a loop)”。 这意味着 Agent 在一个循环中持续工作： - 环境: Agent 工作和交互的空间。 - 工具: Agent 可以调用的函数或 API，如数据库查询、API 调用、发送邮件等。 - 系统提示: 给出 Agent 的总体目标、约束和行动指南。 - 循环过程: Agent 根据系统提示和当前环境状态，决定执行一个动作（通常是调用工具），然后从环境中获得反馈，更新状态，并决定下一步行动，直到完成任务。 核心建议: 保持系统提示词的简洁，让模型有足够的自主性去完成工作。 3. 何时应该构建 Agent？ Agent 并非万能钥匙，它最适合复杂且有价值的任务。 复杂度: 任务是否足够复杂，以至于你无法预先定义一个固定的步骤流程？ 价值: 任务的价值是否足够高？ 可行性: 任务的所有子步骤是否都有对应的工具可以完成？ 错误成本: 任务出错的成本有多高？ 4. Agent 的优秀用例 - 编码: 从设计文档直接生成代码并提交 Pull Request (PR)。 - 搜索: 执行多步骤、模糊的搜索任务，节省大量研究时间。 - 计算机使用 : 自动导航图形界面，完成点击、输入等操作。 - 数据分析: 分析内容未知的复杂数据集，生成洞察和可视化。 第二部分：为 Agent 设计 Prompt 的关键原则和评估方法 (主讲人：Jeremy Hadfield) 1. 为 Agent 设计 Prompt 的关键原则 1.1. 像你的 Agent 一样思考: 这是最重要的原则。设身处地地想，如果自己是 Agent，仅凭现有的工具和信息，能否理解并完成任务？ 1.2. 给予 Agent 合理的启发式原则: 不要过度约束，而是提供高级指导。 1.3. 工具选择是关键: 确保工具名称和描述清晰、准确、无歧义，避免相似的工具让模型混淆。 1.4. 引导思考过程: 模型本身知道如何进行“思考”（如思维链），但你需要引导它思考什么。 1.5. 注意意外的副作用: Agent 的行为更难预测，对 Prompt 的微小改动可能会产生意想不到的连锁反应，要做好准备。 1.6. 帮助 Agent 管理上下文窗口: 对于长任务，Agent 可能会耗尽上下文。 1.7. 让 Claude 做自己: 不要过度限制。从简单的 Prompt 开始，观察其表现，只在发现特定失败模式时才增加约束和指导。 2. Agent 系统的评估 - 评估对于迭代至关重要，但对 Agent 来说更具挑战性。 - 起步时样本量要小: 如果 Prompt 的改动效果显著，只需少量测试用例就能验证。 - 使用真实任务: 用用户可能遇到的真实场景来测试。 - LLM 作为裁判 (LLM-as-judge) 非常强大: 给另一个 LLM 一个清晰的评分标准，让它来判断 Agent 的输出质量。这比简单的字符串匹配更可靠。 - 人类评估无可替代: 最终，仍需要真人测试来发现系统中的“毛刺”和不符合直觉的问题。 3. Agent 评估的示例类型 - 答案准确性: LLM 判断最终答案的正确性。 - 工具使用准确性: 评估 Agent 是否选择了正确的工具和参数。 - τ-bench: 评估 Agent 是否达到了正确的最终状态（例如，数据库中的航班信息是否真的被成功修改了）。 总结： 为 Agent 设计 Prompt 是一项迭代性、系统性的工作，它更侧重于概念定义、过程引导和环境设计，而不是编写僵化的指令。通过像 Agent 一样思考、提供高级原则、并建立有效的评估体系，可以构建出强大而可靠的 Agent 系统。

【广州地铁】科技明星组团出道啦！独家首发：“五羊”智能机器人试点实况

近日，广州地铁在12号线广州白云站启动智能机器人规模化试点应用。本期跟随广东台记者的镜头，解锁由“五羊”组团打造的全场景服务体系。 特别感谢： 【音频剪辑】Q 【信息协助】咪咪猫8097 以及现场车站工作人员与媒体朋友们 ▷暖心向导“羊小迎”：派宝X3 ▷大力帮手“羊小运”：澳博「兔迪」 ▷全能守卫“羊小巡”：派宝S2 ▷洁净卫士“羊小洁”：派宝清洁机器人 ▷高空之眼“羊小飞”：大疆御3行业版 今天试下不一样的风格！制作不易，记得三连加关注支持一下哦~ 取材：2025.6.29/7.1/25 制作：2025.7.26-27 BGM: 《Settle》- 千坂（有剪辑） 参考资料：广州地铁公众号《今日起这个车站试点“闸机常开门”模式》、PadBot派宝机器人服务号《派宝智慧导览机器人X3在广州地铁黄村站上岗！》、广州地铁视频号《可帮搬行李、搞卫生、答问题，还能高空巡飞和站内巡视服务……广州地铁“五羊”智能机器人组团在广州白云站上岗！#广州地铁 #机器人#科技》

未来十年所有疾病都能治，人类将活到150岁

朋友们，请一定要仔细听我接下来说的话，这会关系到你的下半辈子。未来十年，几乎所有的疾病都能治了，人类活到120岁、150岁都不是梦了。说这话的不是别人，而是2024年的诺贝尔奖得主戴密斯·哈萨比斯。

大脑被炼成AI，有望颠覆世界的“炼脑术”来袭

【comfyui教程】全网最强大尺度图片AI生成视频教程，能把任何图片轻松转换成你想生成的视频，掌握自媒体流量密码，1分钟快速教你制作AI视频

资料看评论区获取哦~