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

2026-11-1448 篇

刷新

Pydantic 工程师 Duncan McKinnon:让编码代理查询自身追踪,把反复失败变成已验证技能

专题 · Logfire MCP实质变化
2026-11-13 17:00

编码代理在后台读取文件、查询数据库、调用工具、编辑代码,而终端外面的人只看到一行"working on it..."。模型调用、工具执行、重试和死胡同都发生在视野之外,没有记录,无法长期反思。Pydantic 工程师 Duncan McKinnon 认为,过程不透明是当前编码代理面临的重大挑战之一,而追踪数据不应只用于被动监控,而应通过 Logfire MCP 服务器让编码代理自身查询历史操作记录,形成从失败证据到技能创建再到实验验证的闭环改进流程。

具体路径分四步。第一步,从追踪中收集证据。McKinnon 发现自己在创建仪表盘面板时反复出现无效查询和返工,于是用 Logfire MCP 搜索编码代理追踪,定位到每个案例中的具体纠正记录,比如某次查询重复计算了缓存输入令牌。第二步,与代理一起识别正确路径并创建技能,把历史成功和失败中的模式编码为可复用的流程。第三步,用相同的代理配置、相同的会话和提示,仅以是否加载技能为变量,运行对照实验。第四步,验证改进是否真正解决了问题而没有引入新问题。

他选了 12 个仪表盘面板创建场景,其中混入了各种错误,在同一个 Codex 代理上分别加载和不加载新创建的 logfire-dashboard-query 技能。不加载技能时,12 次运行中 9 次失败,还出现了格式错误;加载技能后,全部成功,断言通过率从 57/72 升到 72/72,其中 sql_executes 一项从 25% 提升到 100%。

同样的闭环思路也用于代理配置评估。McKinnon 的软件工厂流水线中,审查修复阶段($43.30)和审查阶段($36.80)合计约占 $132 总成本的 60%,说明代理在审查和修复之间反复循环。他从追踪中收集了 5 个小型 PR 审查案例,构建数据集,然后在 Claude Code(haiku-5.5)、Codex(gpt-6-luna)和 Cursor(composer-2.5)上运行对照实验,用两个评估标准打分:一是审查是否过度挑剔格式和风格,二是是否遵守指令中规定的编码约定。结果 Codex 在每个面板上得分最高(综合 3.93),Cursor 次之(2.80),Claude Code 最低(2.60)。

这套方法的边界也很清楚。它依赖 Logfire 对特定代理和提供商的追踪捕获能力,成本估算仅覆盖已插桩的调用,实验结论受限于具体任务类型和评估标准的设计。McKinnon 自己说这些示例"并不全面",但代表了他在团队中看到影响最大的用例。

信息源:pydantic.dev

研究

CNBC Pro撰稿人Michael Khouw:英伟达CEO更替推高隐含波动率,备兑看涨期权可将其转化为超额权利金

实质变化
2026-11-14 03:30

英伟达CEO黄仁勋突然辞职后,股价自10月6日以来下跌约30%,目前交易在160美元区间。CNBC Pro撰稿人Michael Khouw认为,这一恐慌恰恰为期权卖方创造了机会:隐含波动率飙升至2025年上半年关税风波以来的高位,而高波动率直接推高了期权权利金。

Khouw的核心逻辑是:当一家公司处于领导层过渡期,市场对未来的不确定性定价会长期维持在高隐含波动率水平。此时买入股票并卖出虚值看涨期权(备兑看涨策略),所收取的权利金与隐含波动率直接挂钩——恐惧越深,权利金越厚。他建议的具体交易是:买入100股英伟达,同时卖出一份12月18日到期、行权价185美元的看涨期权。

这一策略的风险管理逻辑在于:持续收取的超额权利金会系统性地降低持仓成本。如果股价在CEO寻找期间横盘或缓慢恢复,投资者等于在一个停滞资产上获取了异常高的现金收益;如果股价进一步下跌,权利金收入构成实质性缓冲,降低了整体下行风险。Khouw认为,黄仁勋虽然是英伟达AI主导地位的设计者,但公司的护城河—— superior GPUs、CUDA软件生态和网络技术——不会随他离开,因此基本面大体上并未因人事变动而受损。

需要指出的是,这是一篇明确标注为个人意见的CNBC Pro撰稿文章,文末披露Tidal持有文中提到的所有证券。

信息源:CNBC

研究

微软称网络升级故障致全球服务中断,排除AI与黑客攻击

专题 · 微软全球服务中断事件结构性
2026-11-14 03:08

美国科技巨头微软(Microsoft)于11月13日表示,其Microsoft 365云服务在经历约24小时的大规模中断后已基本恢复。公司发言人指出,此次事故由早前一次网络容量升级中的问题引发,并在随后的网络变更后显现,明确排除了网络攻击或AI代理参与的可能性。

中断始于周四中午左右,最初影响北美地区,随后迅速蔓延至全球70多个国家。受影响的服务包括Outlook电子邮件、Teams协作平台以及Copilot AI助手。由于大量企业、政府机构及普通用户依赖这些工具进行日常运营,此次中断对航空、医院、执法部门等关键行业造成了显著干扰。

为应对中断期间的邮件积压,微软将电子邮件队列时间延长至48小时,以确保所有尝试发送的消息最终都能送达。独立研究员Jonathan Leitschuh提醒,随着子系统逐步上线,用户可能会在接下来几小时内收到大量通知和延迟邮件。

尽管服务正在恢复,但这一事件再次凸显了全球数字基础设施对单一供应商的高度依赖风险。微软承诺将在全面审查后发布完整的事故报告。

信息源:WIRED

研究

微软前沿公司总裁Kede Lima:拖慢AI落地的不是技术,是组织

专题 · 微软AI组织落地模式实质变化
2026-11-13 01:00

多数企业领导者已经不再怀疑AI是否有效。他们看过试点、演示和copilot。微软前沿公司总裁Rodrigo Kede Lima在2026年11月的博文中指出,董事会里的问题已经变了:如何让AI从令人印象深刻变成真正改变业务运转方式。他的判断是,技术已经就绪,拖慢AI的是技术周围的一切——价值识别、信任与治理、运营模式重设计、以及让人以新方式工作。

他提出的模式有四个要素:从价值出发而非从技术出发;重新设计流程而非仅仅优化单个任务;与客户团队一起快速迭代;从第一天就嵌入安全、治理和成本管理。Northern Trust的案例具体展示了这个模式如何运作。其资产服务前台解决方案平台的客户入职原本需要约两周半。微软工程师与Northern Trust专家合作,在分析师已经在使用的Excel和SharePoint工具中构建了一个AI驱动的入职代理,而非替换现有工具链。结果是数据准备时间下降83%,从两周半缩短至三天,测试中首过质量得分96.5%。分析师保持对决策的控制,同时获得了更多高价值客户服务的时间。

Kede Lima引用IDC数据说明这个模式为什么重要:66%的组织报告从AI获得了实质性或变革性成果,但只有48%在组织范围内实现了规模化或持续价值。同时71%的组织预计未来一年AI支出将至少增长10%。报告成果与规模化成果之间的差距,正是他所描述的模式试图弥合的。需要指出的是,案例数据(如Northern Trust的83%缩短)来自微软对自身咨询项目的自述,由微软选择呈现;IDC调查数据虽由第三方机构发布,但该报告为微软赞助。两者均无独立验证。

信息源:The Official Microsoft Blog

研究

Tripadvisor即将离任CEO Goldberg称AI渠道转化率数倍于站内平均,社区数据是防御核心

专题 · Tripadvisor实质变化
2026-11-13 18:35

美国在线旅游平台Tripadvisor正面临一个矛盾局面:CEO Matthew Goldberg和CFO Michael Noonan同时宣布将在年内离任,公司营收同比下滑11%,计划裁减酒店及其他业务部门约425个岗位,股价下跌——而所在行业整体仍在增长。

Goldberg在离任前给出了一个具体论断:AI渠道的预订转化率远高于站内平均水平。他表示Viator的AI渠道转化率接近站内平均的5倍,Tripadvisor约为2倍;通过MCP(模型上下文协议)合作伙伴集成的预订转化率高于平均且客单价更高。但他同时承认,AI渠道目前仅占整体流量的不到百分之一。

这套数字背后的防御逻辑是什么?Goldberg认为Tripadvisor的市场模式对上层大模型的去中介化具有韧性,原因是碎片化的小型运营商供给、复杂的交易管理以及买卖双方的客服需求。他进一步表示,公司的评论、质量排名和可用性信号能让AI渠道推荐出更好的结果,从而在AI生态中保持价值。

支撑这些判断的底层资产是社区。Goldberg强调贡献者的持久性远强于整体流量——即便总访问量在下降,用户生成内容的产出并未以相同速度萎缩。他认为,在AI时代,这种持续的人类贡献和可信的人类视角,以及由此积累的内容和数据,是极其宝贵的资产。

这一论证的背景是,AI去中介化压力是外界对Tripadvisor困境最常见的分析,但同行中其他平台已将AI视为增长引擎而非威胁。diginomica作者Stuart Lauchlan对Goldberg的判断表示认同,但指出他需要重新说服华尔街。

信息源:diginomica

研究

SageMaker HyperPod Data Capture:部署后才发现的盲区如何变成训练数据

实质变化
2026-11-14 02:01

部署后的模型会碰到训练集里根本没有的输入。新产品的专有名词、用户行为的变化、意料之外的格式——这些在离线基准测试里完全隐形,因为基准冻结在过去。AWS 这篇博客的核心论点很直接:没有生产推理数据的记录,团队无法检测漂移、发现失败模式,也无法用真实交互改进模型。SageMaker HyperPod 新增的 Data Capture 功能把每次推理的输入和输出写入 S3,分三个独立层级(端点、负载均衡器、模型 Pod),作者称延迟影响极小且不影响模型可用性。

文章用一个具体场景把闭环走通:一家家电零售商部署了支持工单路由器,用 vLLM 引导 JSON 解码把工单分类到六个产品类别。上线后零售商推出了 Arctis 系列空调,路由器没有这个类别,只能把空调工单塞进 Other 或错误地路由到 ProductFridge。作者用 900 条合成工单模拟上线前后的流量,通过 Tier 3 捕获全部记录到 S3,然后用 Athena 查询发现 Other 类别的占比从上线前的 4.8% 跳到上线后的 36.8%,且词频分析显示 arctis 一词出现 141 次——盲区被精确定位。

定位之后,作者把诊断写成一条 SQL 标注策略:关键词匹配 arctis、air condition、ac unit、mini split 的工单重新标为 ProductAC,其余保持原预测,混合信号的留给人工审核。这条策略从捕获数据中生成了 900 条训练样本,然后在同一集群的第二块 GPU 上用 HyperPod 训练算子跑了 60 秒 LoRA 微调(rank 16,约 2990 万可训练参数),把合并后的模型部署为第二个端点。在 280 条留出评估集上,新类别 ProductAC 的召回率从 0/40 提升到 40/40,五个原有类别没有回退。

但作者自己标注了几处重要限制。第一,模型自报的 confidence 字段不是校准概率:14 条被误路由到 ProductFridge 的空调工单中有 10 条报了 0.9 以上的置信度,说明用置信度做过滤规则会保留大量错误标签。第二,合成数据的评估集和训练集来自同一个生成器,所以 100% 留出准确率反映的是模板一致性而非泛化能力;作者另写了 24 条手工探针测试,微调后得分 20/24,暴露了两个捷径——把cooling等同于空调,以及任何提到 Arctis 的工单都标为 ProductAC(包括库存和价格咨询)。第三,关键词策略只在新类别边界清晰时有效,模糊或重叠类别需要路由到 Ground Truth 人工标注。整篇是厂商自测的合成数据走查,不是独立验证的生产结果。

信息源:Amazon Web Services

研究

欧盟议会遭AI生成内容冲击:虚假法律引用致行政过载,投诉量激增50%

专题 · 欧盟议会AI生成内容危机实质变化
2026-11-14 01:21

尽管欧盟自视为全球人工智能监管的先驱,其位于布鲁塞尔和斯特拉斯堡的机构正遭受生成式AI带来的行政冲击。据德国科技媒体heise online援引独立新闻平台Rapporteur的报道,欧盟议会和委员会正被自动生成的内容淹没,导致原本旨在提高效率的工具反而引发了难以通过技术手段解决的组织和民主风险。

欧盟议会秘书长Alessandro Chiocchetti警告称,由生成式AI驱动的修正案、议会质询、请愿书和档案查阅请求数量急剧上升。议会主席Roberta Metsola也表达了担忧,呼吁议员不要将民主责任交给算法,强调AI起草的文件不能取代与同事的真实对话或与选民的直接接触。本周四,议会通过了一项关于AI在行政和民主中应用的决议,新的行政指南即将出台。

实际影响体现在具体的工作流中断上。负责将文件翻译成24种官方语言的口译员发现,议员提交的文本中包含AI产生的“幻觉”,即引用了根本不存在的法律条款。欧盟议会的法律服务部门有时需要花费数天时间专门核实这些由AI生成的虚假主张。此外,有观察人士指出,部分议员利用AI以最小成本制造活动假象,以提升内部排名。

作为应对措施,爱尔兰籍欧洲议会议员Barry Andrews引入了一项内部指令,禁止自己在投票、全体会议演讲、新闻稿和委员会质询中使用AI。值得注意的是,该指令本身透明地标注了其是在AI辅助下创建的。与此同时,瑞典籍议员Jörgen Warborn则持不同观点,他认为AI有助于提高生产力,并指出《工业加速器法案》收到了超过5000项修正案,虽然不应故意用AI压垮系统,但效率提升是受欢迎的。

压力还蔓延至其他机构。一位高级欧盟官员向Rapporteur表示,由于AI生成的低质量投诉,欧洲监察使(European Ombudsman)收到的投诉数量增加了50%,该机构面临陷入文书战的风险。爱沙尼亚AI专家、欧盟委员会顾问Luukas Ilves形容这是自主软件代理造成的“洪水”。尽管欧盟正在开发内部AI工具以分析文档并减少对美国云服务的依赖,但行政惰性使得应对商业巨头投资的挑战变得困难。

信息源:heise online

研究

AI代理工具开发商LangChain获3亿美元融资,估值达30亿美元

实质变化
2026-11-13 07:24

旧金山AI初创公司LangChain已筹集3亿美元资金,其估值目前达到30亿美元。据SiliconANGLE援引《华尔街日报》报道,本轮融资由Alphabet Inc.旗下的CapitalG基金领投,IVP、Sapphire Ventures、GIC和DFJ Growth等机构参与投资。

LangChain以其开源框架闻名,该框架旨在简化构建人工智能代理(AI Agents)的工作流程,包括连接大语言模型、集成工具以及添加系统提示词。除了核心的LangChain框架外,该公司还开发了用于多代理协作的LangGraph,以及支持复杂任务处理的Deep Agents。这些工具在开发者社区中拥有广泛采用率,此前披露的数据显示其开源工具每月下载量约为9000万次。

除了开源项目,LangChain通过名为LangSmith的商业套件产生收入。LangSmith提供代理开发、维护、版本管理及可观测性功能,帮助企业在生产环境中调试和优化AI代理。Autodesk、Cisco Systems等科技公司已被列为该商业产品的客户。

获得新资金后,LangChain计划将员工人数从目前的水平几乎翻倍至850人,预计到2027年底实现这一目标。招聘重点将集中在基础设施专家、AI工程师以及销售和市场人员上,以支持其商业化产品的进一步推广和技术迭代。

信息源:SiliconANGLE

研究

Ai2发布XYBench:测试大模型能否识别用户提问中的误解并引导至真实目标

专题 · XYBench实质变化
2026-11-14 01:02

非营利研究机构艾伦人工智能研究所(Ai2)联合卡内基梅隆大学、英伟达和约翰霍普金斯大学的研究人员发布了XYBench,这是一个包含超过8000个问题的新基准,旨在测试AI助手如何应对基于误解的用户请求。该基准针对的是“XY问题”:用户想要实现目标X,却假设方法Y有效,因此询问关于Y的帮助,而忽略了真正的问题所在。例如,用户询问如何让糖霜不滑落,但实际原因是杯子蛋糕太热无法涂抹糖霜。

研究团队评估了Claude Sonnet 4.6、GPT-5、Gemini 3.1 Pro、Qwen3.5-9B和DeepSeek-V4 Pro等模型。结果显示,这些模型虽然经常提供解决方案,但往往将回答重点放在用户原本错误的请求上,而不是引导用户关注其潜在目标。与人类参考答案相比,所有五个模型都不太可能将用户从错误的方法中引开并提供适合其目标的解决方案。

XYBench通过三个维度衡量模型响应:语用解决方案(是否同时解决了表面请求和潜在目标)、语用强调(回答的重点是表面请求还是潜在目标)以及误解识别(是否劝阻错误方法并引导至正确目标)。实验表明,即使明确告知用户潜在目标,模型在误解识别方面的表现仍低于人类,且有时反而下降,这表明检测意图只是挑战的一部分,模型还需要在意图与字面请求分歧时采取行动。

该基准已获EMNLP 2026最佳资源论文奖。数据、代码和论文已公开,供研究人员评估提示工程或训练改进是否能帮助模型更好地识别误解并提供更有效的替代方案。

信息源:huggingface.co

研究

NVIDIA SOMA Retargeter 管线解析:缩放、逆运动学和后处理修正各自解决什么配置问题

实质变化
2026-11-14 01:00

人形机器人研究者面临一个看似简单实则棘手的问题:人类演示捕捉了自然运动的协调和节奏,但机器人无法直接复制相同的关节运动,因为它的肢体比例、关节结构和活动范围都不同。NVIDIA 高级产品经理 John Malaska 在技术博客中详细解释了开源工具 SOMA Retargeter 的适配管线,说明这条管线由哪几个阶段组成、每个阶段处理什么冲突,以及配置选项如何影响最终输出。

管线分三个阶段。第一阶段是缩放:将人类骨骼上的运动目标按比例映射到目标机器人的尺寸。第二阶段是逆运动学求解:使用基于 NVIDIA Warp 构建的 Newton 物理引擎,为每一帧找到一组关节角度,使机器人尽可能接近缩放后的目标位置。第三阶段是后处理修正,最典型的是脚部着地修正——检测接触区间并调整脚部轨迹,消除滑步伪影。这三个阶段各自处理不同层面的问题:缩放解决尺寸差异,逆运动学解决关节可达性约束,后处理修正解决接触一致性。

Malaska 用一段单手挥手的源动作说明了参考姿态对齐的作用:如果 Booster T1 的参考姿态没有与 SOMA 人体参考对齐,机器人会两只手臂都向外伸展;对齐之后,一只手在头侧挥动,另一只手臂自然垂在身侧。输入动作和 IK 参数完全相同,唯一变量是参考姿态的对齐。这个例子隔离了姿态映射这一变量的效果,说明缩放解决尺寸差异,但姿态映射错误会让机器人做出语义上不对的动作。

当机器人无法同时满足所有身体部位的目标时,IK 权重决定哪些部位优先。SOMA Retargeter 提供了一个实验性的 IK 权重优化器,用一小段代表目标任务的动作来自动调整权重——它反复重定向这些动作,检查机器人跟随目标的紧密程度和运动平滑度,将选定的权重保存为新配置。Malaska 建议先用有代表性的动作调好配置,再通过无头批量重定向处理更大的动作集合。

输出是 CSV 文件,包含机器人每帧的根位置、朝向和关节角度。这些轨迹可以转换为 SONIC 或 ProtoMotions 的运动库格式,供强化学习策略训练使用。训练时,策略学习如何将重定向参考转化为实际控制动作;仿真阶段评估平衡、地面接触、执行器极限和跟踪精度。

需要指出的是,这篇博客是 NVIDIA 产品负责人对自身支持工具的第一方描述。它解释了管线的设计逻辑和配置选项,但没有提供独立第三方对重定向输出质量的量化评估,也没有与其他重定向工具进行对比。SOMA Retargeter 是开源的,其配置文件和参考结果可以在 GitHub 仓库中检查,但管线本身的输出质量——例如重定向后的动作在物理仿真中的跟踪误差——仍需要使用者在自己的机器人和任务上验证。

信息源:NVIDIA Technical Blog

研究

英伟达CEO黄仁勋辞职,AMD股价应声上涨5%

结构性
2026-11-13 04:59

美国半导体巨头英伟达(Nvidia)于2026年11月12日宣布,其首席执行官黄仁勋(Jensen Huang)已辞去职务。这一消息由商业内幕(Business Insider)报道,指出辞职背景涉及一起婚外情丑闻以及董事会针对他可能成为外国情报行动目标的担忧所展开的调查。

黄仁勋的离职在AI芯片行业引发震动。作为英伟达的联合创始人和长期领导者,他的突然退出留下了巨大的权力真空。据报道,部分行业观察人士已将AMD首席执行官苏姿丰(Lisa Su)视为潜在的外部继任候选人之一,尽管这仅为猜测。

市场反应迅速且明确。在英伟达宣布黄仁勋辞职的当天,其主要竞争对手超威半导体(AMD)的股价上涨了5%。投资者似乎认为,英伟达领导层的不确定性为AMD提供了扩大市场份额的机会。

苏姿丰与黄仁勋不仅是商业对手,还是表亲关系。苏姿丰自2014年担任AMD CEO以来,成功将公司从濒临破产的边缘转变为全球高性能计算领域的关键玩家。此次人事变动使得两家公司的竞争格局更加复杂,尤其是在英伟达面临治理危机而AMD保持相对稳定的背景下。

信息源:Business Insider

研究

马来西亚与新加坡加强Nvidia芯片出口管制执法:涉917台服务器走私案起诉,Megaspeed聘请律所审计

实质变化
2026-11-14 00:15

据Tom's Hardware报道,马来西亚和新加坡正加强对人工智能硬件出口的审查,以应对规避美国对华出口限制的行为。马来西亚投资、贸易和工业部正在调查新加坡公司Megaspeed的马来西亚子公司Speedmatrix,核实其进口用于本地数据中心的AI处理器和服务器是否被重新出口至其他国家。尽管调查已持续数月,当局尚未确定是否存在此类转运行为或是否违反马来西亚法律。马来西亚于2025年7月引入了对先进美国开发AI加速器出口、过境和转运的限制,要求企业获得相应许可。

与此同时,新加坡当局已对Shi Bingzhe提起41项刑事指控。这位34岁的中国公民曾担任Superphi董事和NJ Global Financial首席运营官。检方称,这两家公司在2024年5月至2025年2月期间通过41笔交易从Aperia International购买了917台含有受限Nvidia硬件的服务器,且公司有理由认为这些服务器与犯罪活动有关。目前案件涉及五名个人和六家公司,Shi若定罪将面临最高10年监禁及每项指控50万新元的罚款。

作为回应,Megaspeed于11月12日宣布已聘请一家美国律师事务所对其AI GPU进行全面库存盘点,并独立评估其对美国出口管制法规的合规性。该公司确认曾配合美国商务部工业和安全局(BIS)的检查,并表示愿意配合其他美国政府机构。Megaspeed首席执行官James Tan Yong Pong强调合规与透明是公司优先事项,但未披露GPU数量、型号或BIS检查的具体发现。

这两起事件凸显了马来西亚和新加坡在受限AI硬件供应链中的关键地位。虽然目前尚无证据表明硬件最终流入中国,但执法行动展示了各国政府在跨国供应链中执行出口限制的困难与决心。

信息源:Tom's Hardware

研究

已读完当前范围的内容

登录 / 注册
阅读研究雷达投资体系