标签：算力

Google AI 团队分享如何为 LLM-as-a-Judge 评测编写可靠的评分标准

Google AI 团队基于内部评估实践，公开了如何为 LLM-as-a-Judge（大模型当裁判）评测编写可靠评分标准的方法论，核心是用原子化、客观化的布尔判断题替代模糊的主观提问，以降低评测噪声和 token 浪费。

Uber 在伦敦启动了英国乃至欧洲首个商业化 Robotaxi 服务，但首批车辆并非完全无人驾驶，而是搭载 Wayve 的自动驾驶技术、并配备人类安全驾驶员。这件事标志着欧洲自动驾驶出租车商业化终于从测试走向了付费运营。

AI 安全研究机构 METR 发布报告，披露了针对 OpenAI 和 Hugging Face 基础设施的黑客攻击事件细节；社区争论的焦点在于，这究竟是内部安全失误，还是有意为之的“可信度洗白”，事件可能直接影响大模型开源生态与 AI 监管节奏。

开发 Qwen 大模型的团队开源了一款名为 zg（zvec-grep）的本地优先搜索工具，把 ripgrep 的文本匹配、BM25 关键词检索与向量语义搜索统一到单一命令行层，为本地文档智能处理提供了新的基础设施选项。

GitHub 企业版管理员现在可以在托管设置中，为整个企业或按团队指定任意 Copilot 模型作为默认模型，让 AI 编程工具的模型选择从个人偏好升级为组织级配置。

GitHub 播客近期梳理了 AI 编程领域涌现的一批新术语——从循环工程、智能体小队到“挽具”工程与爬坡优化。这不仅是词汇更新，更反映出 AI 开发范式正从“单次提示词”转向“可重复、可编排、可优化”的系统化工程。

OpenAI CEO Sam Altman 在最新采访中回应外界对 AI 数据中心耗水的批评，称相关担忧是“经不起审视的梗”，并试图用“单个杏仁耗水大于数千次 ChatGPT 查询”来说明问题。这场争议背后是公众对 AI 基础设施环境成本的真实焦虑，而非单纯的技术质疑。

OpenAI 的 Astra 模型采用“循环深度”技术优化推理成本与性能，但该技术让模型内部推理过程更难被外部监测。这意味着一款能力更强的模型，同时可能带来更大的 AI 安全与可解释性挑战。

一位开发者详细公开了他在 M4 Pro Mac mini 上搭建本地大模型运行环境的完整方案，用 48GB 统一内存同时驱动推理、智能体后端和日常聊天，证明本地化 AI 部署已经能覆盖大多数日常需求。

开发者开始为 DeepSeek Harness（DSH）接入客户端界面，替代纯浏览器操作。这表明 AI 工具链正从“网页能用”走向“本地工作流标配”，对日常重度使用者的效率提升是直接的。