边端AI不只缺算力：安谋科技重做CPU、NPU、VPU与AI操作系统
在WAIC 2026上，安谋科技发布了一系列面向边端AI的硬件与软件方案，包括支持向量扩展的“星辰”CPU、新一代“周易”X3-Pro NPU架构、“玲珑”VPU以及开源的AIOS联盟。这标志着边端AI正从单纯追求算力转向系统级工程优化，解决功耗、内存、实时性与软件生态的多重约束。
AI 工具排错、提示词与实用教程
先解决问题，再了解资讯。选择你现在要完成的任务。
使用NVIDIA NeMo AutoModel对Qwen3进行LoRA微调：完整的单GPU Google Colab工作流教程
NVIDIA发布了一套基于NeMo AutoModel的完整教程，展示了如何在单张GPU（通过Google Colab）上对阿里Qwen3大模型进行LoRA微调，显著降低了开发者微调开源大模型的门槛和技术成本。
Kimi K3 vs DeepSeek V4 Pro vs GLM-5.2: Open Trillion-Scale MoE Models Compared on Benchmarks, License, and Serving Cost
2026年7月，国内三家主要大模型厂商——月之暗面（Kimi）、深度求索（DeepSeek）和智谱AI（GLM），几乎同期发布了各自基于MoE（混合专家）架构的万亿级参数开源模型。这三款模型的密集发布，标志着国内开源大模型在规模、成本和性能上进入正面竞争阶段，开发者将有更多选择，但许可证的差异值得仔细权衡。
v2.1.215
Anthropic 于7月19日发布了 Claude Code 的 v2.1.215 版本，核心变化是让 /verify 和 /code-review 技能从自动运行改为手动调用，用户不再被动接收验证与代码审查结果，只有主动输入指令才会触发。
transcribe.cpp 发布：基于 ggml 的跨平台语音转录库，支持 16 个 ASR 模型族
开发者 cjpais 发布了一个基于 ggml 的跨平台语音转录库 transcribe.cpp，它支持 16 个 ASR 模型族、提供 Vulkan/Metal/CUDA 加速，并已通过数值验证和 WER 测试。该项目的目标是为跨平台语音转文字应用提供一个可信任、高性能且易于嵌入的推理引擎。
Codex Resets
OpenAI 正在频繁且有计划地重置其编程助手 Codex 和 ChatGPT Work 付费用户的用量限制，过去半年已重置 35 次，平均间隔不到 9 天。这些重置不仅是应对系统压力的临时措施，更被用来庆祝用户里程碑、推广新功能，甚至形成了一个被用户追踪的“重置文化”。
Codex Resets
OpenAI 的 Codex 订阅用户正在积极利用“重置”机制和累积的额外配额来最大化使用量，这一现象揭示了大模型订阅业务的定价策略、用户行为心理学以及背后的利润模型——尽管 API 利润丰厚，但订阅计划可能正是为了锁定重度用户和企业客户而设计的。
腾讯发布三大具身基座模型，打通“感知—行动”闭环，工业实测成功率超95%
腾讯 Robotics X 实验室与福田实验室联合发布三大具身基座模型及两大智能体框架，首次系统性地打通了从物理感知到身体控制的完整闭环，其 VLA 模型在日化品工厂实测中作业成功率超过 95%，并已开放模型开源。
[Bug]: QA parser for .csv silently corrupts Q&A pairs: csv.reader quote handling + row/line index mismatch splice answers from wrong lines
![[Bug]: QA parser for .csv silently corrupts Q&A pairs: csv.reader quote handling + row/line index mismatch splice answers from wrong lines](https://www.chat-gpts.plus/wp-content/uploads/2026/07/16791-27e22f62-768x403.jpg)
用户在 RAGFlow 的 "Q&A chunk method"（问答分块方法）中，使用制表符（TAB）分隔的 .csv 文件进行解析时触发。当文件中包含以双引号（"）开头的续行时，会导致内容被错误地拼接到其他问答对中，一些问答对丢失，且系统报告处理成功。该问题在大型 CSV 文件（如案例中的 67
Ada：一款基于CSV和Excel的AI商业智能软件（没错，也用到LLM，但不止于此）
开源软件Ada发布，定位为“自动数据分析师”，能直接从CSV或Excel文件生成交互式仪表盘、异常检测、基线预测和行动建议。其核心创新在于将大语言模型（LLM）限定在可选、透明的辅助层，确保数据分析的可审计与可重复，而非用AI替代完整分析流程。