阅读研究雷达投资体系
登录 / 注册
全部阅读技术产品投资二级市场其他

阅读

2026-11-2011 篇

刷新

谷歌推出Gemini API工具检索功能,支持按需加载参数架构以优化大型智能体性能

实质变化
2026-11-20 02:00

谷歌于2026年11月19日宣布在Gemini API的Interactions接口中推出“工具检索”(Tool Retrieval)功能的预览版。这一更新旨在解决AI智能体在连接数十甚至数百个工具时面临的上下文膨胀问题。传统模式下,开发者需在每次请求中发送所有工具的完整参数架构,这不仅增加了输入令牌数量、导致延迟上升,还会随着候选列表增长而降低模型选择正确工具的准确率。

通过启用工具检索,智能体可以将完整的工具库置于“待命”状态,仅在当前任务需要时才加载特定工具的参数架构。开发者只需在请求中添加tool_search工具,并将需要延迟加载的工具设置为defer_loading: true。模型依然能看到每个延迟工具的名称和描述,从而知晓可用资源,但具体的参数定义不会占用初始上下文窗口。当模型决定使用某个工具时,API会在同一请求周期内动态加载其完整架构,随后模型即可正常调用该函数。

该机制无需开发者构建或托管额外的索引服务,搜索过程由Gemini服务器端完成。对于拥有自有工具注册表或权限过滤系统的团队,谷歌也提供了客户端检索模式,允许应用层执行搜索逻辑,但这会增加一次往返延迟。此外,工具检索与远程MCP(模型上下文协议)服务器兼容,可一次性延迟加载整个服务器暴露的所有工具。

在计费方面,工具检索没有单独的费用,仍按标准费率收取输入和输出令牌费用。虽然开启tool_search会引入少量固定输入令牌开销,且被加载的架构在后续对话中持续计费,但对于大型工具库而言,未加载架构所节省的令牌通常远超已加载部分,从而降低总体成本。目前,该功能支持Gemini 3.6及更高版本模型,包括所有Gemini 4系列模型。

信息源:Google

研究

美国医疗账单平台Candid Health:AI语音代理须在单次通话中同时完成诊断和方案,59%解决率意味着什么

实质变化
2026-11-19 20:00

美国医疗账单平台Candid Health在其收入周期管理流程中部署了AI语音代理,用于拨打保险公司电话调查拒赔原因。在初始部署中,这些代理处理了12,860通电话,解决了其中59%。乍看之下,超过四成的电话未能解决问题似乎不算亮眼。但Candid Health首席运营官Doug Proctor解释了他们为何认为59%是一个有意义的结果:关键在于'解决'的定义。

Candid Health规定,一通电话只有在同时完成两件事时才算'解决':查明拒赔原因,并确定下一步修复步骤。Proctor说,他们故意设定了高门槛,因为'得到部分答案对我们的账单员没有实际帮助'。账单员需要的是完整的行动信息——知道为什么被拒、知道接下来该做什么——才能把时间释放给更复杂的工作。如果代理只查明了原因但没能确定方案,账单员仍然需要自己再打一通电话,节省的时间有限。

这个定义标准直接改变了数字的含义。在宽松定义下——比如只要代理接通了电话、获取了部分信息就算'处理完成'——同样的系统可能报告80%甚至更高的数字。在Candid Health的严格定义下,59%意味着超过一半的呼叫中,AI代理独立完成了从诊断到方案的全链条信息获取,账单员无需再介入。Proctor指出,'从一通保险公司电话中同时获得这两样东西,即使对经验丰富的账单员来说也很困难'。

这一案例的可迁移价值在于:当任何AI语音代理厂商或客户报告解决率、完成率或自动化率时,第一个应该追问的问题不是数字本身,而是这个数字背后的任务定义。'解决'是指接通电话、是指获取了部分信息、还是指完成了端到端的工作流?不同定义下的百分比之间不可直接比较。Candid Health的例子展示了一种有意识的选择:宁可报告一个较低的数字,也要确保这个数字对应的是实际操作中有价值的完整结果。

需要指出的是,59%这一数字来自Candid Health自报、由ElevenLabs作为客户案例发布。文章未提供独立审计或评分规则的公开验证,读者无法确认每通电话是否始终严格按照所述双重标准进行判定。此外,Candid Health的代理被设计为调查拒赔而非申诉,这意味着'解决'的范围本身也有边界——它不包括后续申诉流程的启动或执行。

Candid Health还透露了一个值得注意的副产品:部分调查通话揭示了上游问题。一次调查中,代理发现某医疗服务提供方在就诊日期尚未获得该保险公司的执业资格认证。修复这类上游问题可以阻止该客户未来数十甚至数百次拒赔。这说明在严格完成标准下运行的语音代理,其价值不仅在于节省通话时间,还在于将调查过程中发现的结构性问题反馈到流程上游。

信息源:ElevenLabs

研究

美国参议院多数党领袖约翰·图恩预测债务上限将推迟至2027年下半年,迫使特朗普与民主党谈判

实质变化
2026-11-20 07:30

美国参议院多数党领袖、南达科他州共和党人约翰·图恩(John Thune)在接受Semafor采访时预测,美国债务上限问题很可能被“推迟”到明年。图恩表示,鉴于财政部可能采取的额外措施,预计最终的截止日期将在2027年下半年。

这一时间表意味着,唐纳德·特朗普总统将首次不得不与由民主党控制的众议院和参议院就债务上限问题进行谈判。图恩指出,共和党目前在众议院或参议院都缺乏以党派路线通过提高债务上限法案的票数。虽然理论上可以通过预算调节程序处理债务上限,但图恩认为这在当前年份已不太可能,且即便进行,重点也将是国防资金而非避免违约。

对于投资者而言,这一预测将债务上限的政治博弈窗口推后至2027年,并明确了其解决路径将依赖于跨党派协商。这增加了未来财政政策的不可预测性,因为两党在支出优先事项上的分歧可能在谈判中加剧。

信息源:semafor.com

研究

AWS升级Bedrock AgentCore:集成Strands默认配置并新增生命周期钩子

实质变化
2026-11-20 04:01

亚马逊云科技(AWS)于2026年11月19日宣布,其托管AI代理服务Amazon Bedrock AgentCore harness已升级为基于开源的Strands harness运行。这一变更引入了推荐模型、任务导向的系统提示词、自动提示词缓存以及主动上下文管理等默认配置,旨在让开发者无需自行组装底层基础设施即可获得生产级的代理体验。

此次更新还新增了内置工具,包括用于规划跨调用任务的todo_write、用于委托独立子任务的subagent、用于获取外部信息的web_fetch,以及细粒度的文件系统读写工具。AWS表示,通过主动管理上下文窗口和卸载大型工具结果,该harness在内部测试中比其它主流harness降低了约34%的令牌成本。

为了增强对AI行为的治理,AgentCore harness引入了生命周期钩子(lifecycle hooks)。开发者可以在代理循环的特定节点(如工具调用前或后)插入确定性的代码检查逻辑。例如,可以配置一个AWS Lambda函数在退款操作执行前检查审批限额,从而允许或拒绝该请求。这种机制使得非确定性的AI行为能够被转化为可预测、受控的工作流,且无需新的资源类型或集成步骤即可自动生效。

信息源:Amazon Web Services

研究

美国参议院两党议员提出法案,要求上市公司披露AI信息

实质变化
2026-11-20 05:04

据Semafor报道,美国参议院两党四名议员于周四提出一项立法,要求上市公司披露更多有关人工智能的信息。这一举动发生在Anthropic公司首次公开募股(IPO)引发华盛顿对科技行业审查加剧的背景下。

民主党众议员Pramila Jayapal批评称,华尔街不应从可能成为“定时炸弹”的公司中获利,认为上市固化了有缺陷的商业模式并奖励其鲁莽步伐。参议院银行委员会资深民主党人Elizabeth Warren也呼吁国会迅速行动,对先进AI开发实施保障措施。

信息源:semafor.com

研究

Ben Carlson:股票在85%的历史十年窗口中跑赢债券,但大概率不等于必然

实质变化
2026-11-19 23:48

一位读者在Bogleheads会议上向Ben Carlson提问:未来十年,股票和债券哪个回报更好?这个问题的潜台词是——美股已经涨了快18年,均值回归难道不该来了吗?

Ritholtz Wealth Management投资组合经理Carlson没有直接回答会或不会,而是拉出了1926年以来标普500与五年期美国国债的滚动十年收益数据。结果显示:股票在大多数十年窗口中跑赢债券,但并非百分之百。

他换了一个角度来量化这个问题:以当前政府债券收益率约5%作为基准线,股票在历史上85%的十年时间框架中年化回报超过了这个水平。如果你持有一只宽基股票指数基金十年,有85%的概率你的年化回报会超过同期国债的票息收入。

但频率只是一半的故事。Carlson进一步比较了两种资产在各自获胜时的幅度差异:当股票跑赢债券时,超额收益的幅度远大于债券跑赢股票时的幅度。这意味着即使你偶尔站错队,损失也相对有限;而站对队时的收益则显著更高。

基于这个不对称性,Carlson的结论是:如果必须在拉斯维加斯押注未来十年谁赢,他会每次都选股票,因为概率对你有利。但他同时强调,大概率不等于必然。那15%的失败时期对投资者来说并不好受。他引用了Bill Bernstein在会议上的一个比喻:长期持有市场,你就是庄家,因为赔率对你有利;但庄家偶尔也会输。

Carlson并没有把这个问题框成非此即彼的选择题。他明确指出,好消息是你不需要在两者之间下注。持有债券并非适合每个人,但固定收益可以在你输了一两把时提供缓冲。当前5%的收益率水平虽然不保证债券一定赚5%,但起点收益率是未来回报的良好近似——这意味着即使利率继续上升,一旦尘埃落定,预期回报反而更高。他的建议本质上是:在概率有利时承担股票风险,同时用债券在真正需要时提供安全边际。

信息源:A Wealth of Common Sense

研究

谷歌选定蓝色起源新格伦火箭执行“Suncatcher”轨道AI基础设施首次重型发射,目标2029年第一季度

实质变化
2026-11-19 21:00

谷歌(Google)研究部门宣布,已与蓝色起源(Blue Origin)达成合作,将由其新格伦(New Glenn)重型运载火箭执行“Suncatcher”项目的首次重型发射任务。该项目旨在利用轨道上丰富的太阳能,在太空中扩展人工智能基础设施。

根据谷歌官方博客发布的消息,此次发射目标定于2029年第一季度。蓝色起源的新格伦火箭将把谷歌的卫星部署到太阳同步轨道。每颗卫星的设计容量大致相当于一个地面数据中心的机架。

这一专用发射任务建立在谷歌与其他卫星及发射合作伙伴持续工作的基础之上,被视为谷歌长期路线图中的关键里程碑,标志着其从早期的原型测试向规模化轨道计算能力的迈进。

信息源:Google

研究

欧洲人权法院首次因AI幻觉禁用律师两年

实质变化
2026-11-20 00:37

据德国科技媒体heise online报道,位于法国斯特拉斯堡的欧洲人权法院(EGMR)近日作出裁决,禁止一名罗马尼亚律师在未来两年内代表当事人出庭。该律师被认定在诉讼中提交了包含人工智能生成“幻觉”内容的法律文书,其中包括完全虚构的判例以及真实判决中不存在的段落。

法院合议庭指出,尽管该律师承认存在“不严谨”和“引用错误”,但这低估了问题的严重性。法官们认为,律师未对引用的判例进行任何核实,而只需简单查阅法院数据库即可发现这些案例纯属AI工具捏造。此外,部分引用的判决甚至与案件无关或与其自身论点相悖。法院强调,审查这些虚假引用及启动针对该律师的程序占用了大量司法资源,损害了司法效率。

根据法院新闻发言人向heise online证实的信息,依据《法院规则》第44D条,过去十年间已有25名律师被排除出程序,但此次是法院首次专门针对AI幻觉行为实施制裁。法院院长已于2026年11月13日确认了这一禁令。

这一事件发生在法院重新评估内部AI政策之际。根据2025年年度报告,欧洲人权法院目前仅允许在行政和组织流程中使用AI系统。发言人透露,法院正在起草关于诉讼参与人使用AI的新指南,预计近期发布。

信息源:heise online

研究

Weaviate代理体验工程师Joon-Pil Hwang:编码代理读文档时会出现人类看不见的静默失败

实质变化
2026-11-19 08:00

当编码代理代替人类阅读技术文档时,会出现一类人类读者永远不会遇到的失败。Weaviate首席开发者兼代理体验工程师Joon-Pil Hwang描述了这个问题:页面被截断、某些语言的代码示例缺失、某些章节丢失——而代理不会告诉你这些。它会安静地去别处搜索,或者基于不完整的上下文写出错误的代码。

Hwang指出,这些问题的根因在于代理读取网页的方式与人类使用浏览器完全不同。不同编码环境中的fetch工具会返回页面的不同部分,而且通常不会告诉网站有内容缺失。更关键的是,即使代理注意到信息不完整,它也不太可能向文档维护者报告问题——它只会绕过去。这意味着文档缺陷可以长期存在而无人知晓,因为受影响的那类读者几乎从不反馈。

为了发现代理实际看到了什么,Hwang团队没有采用传统的用户访谈,而是直接观察代理的行为。他们设置多个代理以可重复的方式执行同一任务,然后检查其日志和输出——不仅看最终答案,还看它们到达答案的路径:使用了哪些工具、运行了哪些搜索、读取了哪些页面。

这让他们发现了具体的失败模式。修改文档之前,某个fetch工具在15次TypeScript运行中只有7次返回了正确的语言示例,在15次Go运行中只有3次返回了正确内容。修改之后,每次运行都返回了正确的代码片段。他们还发现概念页面上一个过时的句子导致代理使用旧版客户端库,尽管代码示例并不在那个页面上——修正之后,他们检查的每个回答都使用了当前客户端。

另一个发现是,当有用内容缺失时,代理会尝试通过寻找原始源文件或下载页面并编写解析器来绕过。在一个例子中,当所需代码被隐藏时,代理花了23轮才找到解决方案;有了页面的Markdown版本,它只用了6轮。团队随后为文档页面发布了Markdown版本,将页面加载的token使用量降低了约20%。

这些测试还帮助他们发现了回归问题。一个修复隐藏代码标签页的改动导致某个fetch工具只返回了快速入门的一部分而丢弃了其余内容。重新运行测试暴露了这个问题,一个小的布局改动就修复了它。

Hwang由此提出一个核心判断:代理应当被视为一类不同的读者。开发者体验的目标从来不是简单地让写代码更快,而是减少开发者与价值创造之间的摩擦。当代理介入开发者和产品之间时,好的体验需要同时服务于两者:对开发者意味着帮助他们做出合理的架构决策、向代理传达意图、验证结果;对代理意味着让信息完整且可发现、提供适合代理的工具、减少歧义、让正确性可观察。

他引用Don Norman的"执行鸿沟"和"评估鸿沟"概念来说明这一点:人们需要理解如何行动,以及自己的行动是否有效。代理改变了涉及的界面和机制,但这些底层需求保持不变。在实践中,Hwang团队正在将这些原则应用于Weaviate的工具和工作流——例如,当被要求更新使用v5客户端的Go服务时,一些代理试图直接调用服务器的gRPC API,而不是寻找更新的Go v6客户端;他们也在测量代理从零构建Weaviate应用的能力,包括使用HFresh索引、旋转量化和PathSeer过滤等当前功能。

核心实践没有改变:找到人们卡住的地方,改善体验,验证改善是否有效。改变的是需要测量的用户和工具集合。开发者现在通过编码代理以及IDE和浏览器工作,而代理很少告诉你它找不到或理解不了什么。这让测量变得更加重要,而非更不重要。通过测试代理在改动前后如何使用文档和工具,可以同时减少开发者和代理的摩擦,帮助开发者从工作中获得更多价值。

信息源:weaviate.io

研究

LoRA:低秩适配技术如何高效微调大语言模型

核验于 2026-11-20 00:01

长期信息 · 《LoRA: Low-Rank Adaptation of Large Language Models》(2021)

在自然语言处理领域,将大规模预训练模型适配到特定任务通常依赖全量微调。然而,随着模型参数规模达到千亿级别(如GPT-3),为每个下游任务存储和部署独立的微调副本变得极其昂贵且难以维护。微软研究院提出的LoRA(Low-Rank Adaptation)旨在解决这一效率瓶颈。

LoRA的核心假设是,模型在适应新任务时权重的变化具有“内在低秩”特性。该方法冻结预训练模型的原始权重,并在Transformer架构的每一层中注入可训练的低秩分解矩阵。通过仅优化这些极小的增量矩阵,而非更新所有参数,LoRA大幅减少了可训练参数量。实验显示,相比使用Adam优化的GPT-3 175B全量微调,LoRA可将可训练参数减少一万倍,GPU内存需求降低三倍,同时在RoBERTa、DeBERTa、GPT-2和GPT-3上的模型质量与全量微调持平或更优。

与其他参数高效方法相比,LoRA避免了适配器(Adapter)引入的推理延迟问题。适配器通过增加网络深度来插入模块,这在在线推理场景下会导致显著的计算开销。而LoRA采用简单的线性设计,允许在部署时将可训练矩阵与冻结权重合并,从而在不增加推理延迟的情况下实现高效适配。此外,LoRA正交于许多现有方法,可与前缀微调等技术结合使用。

对于希望在大语言模型上进行定制化开发但受限于计算资源的工程师和研究者,LoRA提供了一种平衡效率与性能的实用方案。建议从论文第4节关于低秩参数化更新矩阵的描述入手,理解其数学原理,随后参考附录中的代码实现以进行实践。该工作由Edward Hu等人于2021年发表,标题为《LoRA: Low-Rank Adaptation of Large Language Models》。

信息源:《LoRA: Low-Rank Adaptation of Large Language Models》(2021)

研究

巴菲特2018年致股东信:为何应忽视会计噪音,聚焦经营利润

核验于 2026-11-20 00:01

长期信息 · 《Berkshire Hathaway Shareholder Letter 2018》(2018)

在2018年的致股东信中,美国伯克希尔·哈撒韦公司(Berkshire Hathaway Inc.)董事长沃伦·巴菲特(Warren Buffett)针对投资者如何评估企业价值提出了核心观点:应剥离由会计准则变更引起的短期利润剧烈波动,转而关注公司的实际经营能力。这一理念对于理解长期价值投资至关重要。

首先,巴菲特指出新的通用会计准则(GAAP)要求将股票投资组合的未实现资本利得或损失计入当期收益,这导致了“底线”出现“狂野且反复无常的波动”。他在信中写道:“我们一直认为,在伯克希尔,这种按市值计价的变化会产生我所说的‘底线’的‘狂野且反复无常的波动’。”这种波动并非源于业务本身的恶化或改善,而是市场情绪对资产估值的即时反映。因此,他建议读者:“关注经营利润,几乎不要理会各种类型的损益。”这意味着,评估一家企业时,应剥离市场噪音,看其主营业务产生现金的能力是否稳定增长。

其次,基于上述逻辑,巴菲特宣布放弃使用“每股账面价值”作为衡量公司进步的主要指标。他认为这一指标已失去相关性,因为伯克希尔已从一家以持有可交易股票为主的公司,转变为一家主要价值在于运营企业的集团。他在信中解释:“事实上,伯克希尔账面价值的年度变化——它在第2页最后一次出现——是一个已经失去其曾经相关性的指标。”随着公司结构的变化,账面价值无法准确反映旗下众多非上市子公司的真实内在价值,而经营利润则能更直接地体现管理层的资本配置效率。

最后,巴菲特将伯克希尔的成功部分归因于“美国顺风”(The American Tailwind)。他强调,美国经济的繁荣是两党共同推动的结果,尽管经历了通胀、战争和金融危机,但储蓄和投资带来的生产力提升是长期的驱动力。他提到:“还记得我在本信前面如何描述留存收益是伯克希尔繁荣的关键吗?对美国而言也是如此。”这一观点提醒投资者,选择优质企业时,也要考虑其所处的宏观制度环境是否支持长期的财富积累。

假设一位现代投资者面对一家科技巨头股价因季度财报中的公允价值变动而大幅下跌,若遵循此信原则,他不会恐慌抛售,而是检查该公司的核心业务收入和用户留存率是否依然健康。如果经营基本面稳固,短期的会计亏损只是市场波动的映射,而非价值的毁灭。这种思维方式有助于投资者穿越周期,避免被噪音干扰。

《2018年伯克希尔·哈撒韦致股东信》由沃伦·巴菲特撰写,发布于2019年。适合希望深入理解如何区分会计利润与经济现实、以及如何从宏观视角审视企业长期竞争力的投资者阅读。建议从信中关于GAAP规则变更及其影响的段落开始,逐步延伸至对公司估值指标演变的讨论。

信息源:《Berkshire Hathaway Shareholder Letter 2018》(2018)

研究

Unstructured

  • 我们在 GTA 6 发布前解析了它 🎮↗

    视频 · 2026-11-19

Luma AI

  • 如何制作角色一致的AI视频(分步指南)↗

    视频 · 2026-11-19

Aswath Damodaran / YouTube

  • 人类脆弱的价值:英伟达面临黄仁勋考验!↗

    视频 · 2026-11-19

Anthropic

  • 我们为何创建Anthropic↗

    视频 · 2026-11-19

Morgan Stanley

  • 从AI到空调:亚洲的电力热潮↗

    视频 · 2026-11-19

  • 蓝债危机后债券市场为何保持平静↗

    视频 · 2026-11-19

PolyAI

  • Poly AI:下一任CEO会来自联络中心吗?↗

    视频 · 2026-11-19

NVIDIA

  • AI不仅仅是更好的搜索方式↗

    视频 · 2026-11-19

  • Judith Dada谈欧洲AI未来 | Pub Conversations↗

    视频 · 2026-11-19

Capital Group

  • 我们投资业务的北极星↗

    视频 · 2026-11-19

a16z

  • 打造宏大事业。↗

    视频 · 2026-11-19

DeepLearningAI

  • 吴恩达谈为女儿数学测验添加语音功能 #deeplearningai #aiagents↗

    视频 · 2026-11-19

  • 完整课程:从云端到本地的 AI 编码工作流↗

    视频 · 2026-11-19

Google DeepMind

  • Gemini 与通往 AGI 之路:对话 Koray Kavukcuoglu↗

    视频 · 2026-11-19

Insilico Medicine

  • George Church 在 ARDD2026:多重测试抗衰老多药疗法与靶向递送↗

    视频 · 2026-11-19

Fidelity Investments

  • 量子计算对比特币意味着什么? | Fidelity Investments↗

    视频 · 2026-11-19

  • 我需要多少钱才能退休?↗

    视频 · 2026-11-19

Helion

  • 解锁晚期时间FRC动力学↗

    视频 · 2026-11-19

Nokia

  • AI-RAN:从概念验证到盈利?↗

    视频 · 2026-11-19

Cerebras

  • 理想的LLM推理芯片应该是什么样子?↗

    视频 · 2026-11-19

Glean

  • 功能揭秘:Glean Memory 的工作原理↗

    视频 · 2026-11-19

Intercom

  • 聚焦:评估与发布↗

    视频 · 2026-11-19

Dimensional Fund Advisors

  • 你的孩子会继承你的价值观吗?↗

    视频 · 2026-11-19

Fortinet

  • Fortinet:2026年Westlands IT/OT导航者报告中的4倍领导者↗

    视频 · 2026-11-19

LangChain

  • 更好的模型能修复损坏的代理吗?查看追踪记录↗

    视频 · 2026-11-19

  • LangSmith Tool Gateway:面向代理的安全、受治理的工具使用↗

    视频 · 2026-11-19

Descript

  • 去除视频背景(无需绿幕)↗

    视频 · 2026-11-19

財報狗 Podcast

  • 580.【财经时事放大镜】ARR 与禁令如何冲击 AI CapEx↗

    播客 · 2026-11-19

声动早咖啡

  • 咖啡豆|咖啡店和披萨店都在卖汉堡,塔斯汀为何反而做起了披萨?↗

    播客 · 2026-11-19

Voices in AI

  • AI 预测议程 - By Scott Alexander↗

    播客 · 2026-11-19

Excess Returns

  • 谁为AI建设买单?两位债券投资者深入解读债务市场↗

    播客 · 2026-11-19

Macro Voices

  • MacroVoices #559 Ole Hansen:大宗商品投机性抛售之后,下一步是什么?↗

    播客 · 2026-11-19

80,000 Hours Podcast

  • Julian Gewirtz谈真正令北京担忧的AI风险↗

    播客 · 2026-11-19

已读完当前范围的内容

登录 / 注册
阅读研究雷达投资体系