AI智能体手机进入量产商用阶段:努比亚NaviX Ultra正式开售 搭载豆包手机助手
努比亚 NaviX Ultra 正式开售，搭载豆包手机助手消费版，AI智能体手机从工程样机进入量产商用阶段，核心卖点是让手机能听懂话、自己拆解并执行复杂任务。
标签： 人工智能
TypeError: LiteLLM_VerificationTokenActions.find_many() got an unexpected keyword argument ‘select’
该报错通常出现在 LiteLLM 代理升级到 v1.89.2 及之后的版本、并启用数据库存储（store_model_in_db: true）后，普通内部用户（非管理员）访问 /tag/list 或 /tag/daily/activity 等管理端点时触发。优先排查 tag_management_e
《My Dearest》最新无雾无删减版，清晰细节，完整内容，沉浸感满分。 完整版⬇️： https://t.co/fAzJIBxpwc 防和谐链接⬇️： https://t.co/aM61W4QRk2 #AI漫剧 #My Dearest #mydearest https://t.co/gOzSDHgYIG
X 用户 @adrio373667 于 2026 年 9 月 15 日发布《My Dearest》所谓"无雾无删减版"资源帖，附带百度网盘和 PikPak 两条下载链接，浏览量约 29.75 万。这本身不是产品发布，而是 AI 漫剧内容在社交平台外溢、以网盘分发规避审查的一个典型样本。
Anthropic 工程师讲了一堂 FDE 入门课 https://t.co/kakqFy0ZGZ Kevin Bai 现在在 Anthropic 的 Applied AI 团队，之前是 Rippling FDE 团队的创始成员，再之前在 Palantir 干了好几年。最近他做了一个 FDE 101 的分享，把前线部署工程师这个角色讲得很清楚，值得总结一下。 先说一个数据：在上市 SaaS 公司里，按平均合同金额排，Palantir…
Anthropic 应用 AI 团队的 Kevin Bai 做了一场 FDE（前线部署工程师）入门分享，系统讲了 Palantir 靠这套模式做到 400 万美元平均合同金额的原因，并判断在 AI 让软件高度可定制的 2026 年，FDE 正从 Palantir 的小众玩法变成更多软件公司要认真考虑的事。
大模型推理加速技术的学习路线是什么？ 推荐直接看 CMU 陈天奇大佬最新的推理综述： Towards Efficient Generative Large Language Model Serving: A Survey from Algorithms to Systems https://t.co/TY0OyKWSdp
有开发者在社交平台推荐 CMU 陈天奇团队的推理综述《Towards Efficient Generative Large Language Model Serving》，把它当作大模型推理加速的学习路线入口；评论区则对“是否最新”和“该不该看”展开了讨论。
ai机构联系方式 问题：我有一些关于ai发展的思考，我想把我的观点发给世界上著名的ai公司或者机构，给我介绍一下有哪些世界上著名的ai公司或者机构，以及他们的联系方式，比如官网或者邮箱 回答：可以。如果你的内容是关于 **AI 的未来发展、AGI、AI 与人类关系、AI 安全、意识、社会影响、治理或技术路线**，我建议不要只投给普通客服，而是分成三类发送：**前沿 AI 公司、顶尖大学/研究机构、AI 安全与治理组织**。 我查了一下…
社交平台账号 @GfpQgIqt4xhk0hX 整理了一份面向个人观点投递的 AI 机构联系清单，把目标分为前沿 AI 公司、顶尖学术机构、AI 安全与治理组织三类，并给出了官方邮箱或联系页面。对想向行业表达技术路线或治理观点的人来说，这是一份可直接使用的行动指南。
Huggingface 很少主动封杀托管的大模型，这次 Huggingface 是真的怒了。起因是 @audn_ai 在 Huggingface 上上传了一个名为 penclaw-GLM-5.3-abliterated-for-offensive-cyber 的模型，把开源 GLM-5.3 的拒答层消除掉，而仓库名和模型卡片页面直接写明面向 offensive cyber（网络攻击），并把漏洞利用、恶意软件、TTP 写成预期能力。 H…
Hugging Face 下架了一个基于开源 GLM-5.3 的“越狱”模型，原因是其仓库命名和模型卡片直接把网络攻击、漏洞利用、恶意软件列为预期能力；该模型随后被发布者重新上传。Hugging Face 很少主动封杀托管模型，这次动作值得关注。
在机器学习和信息论中，有一个著名的直觉叫流形假说。 现实世界产生的数据，在名义上往往拥有极高维度：一张高清图片可能对应数百万个像素维度，自然语言、声音、蛋白质序列、行为轨迹也都存在于极其庞大的状态空间中。 但有意义的数据并不会均匀散落在这些空间里，它会被压缩在一个极小、极其特殊的结构区域中。 一张随机生成的百万像素图片几乎不可能恰好构成一张真实人脸，因为自然图像同时受到身份、姿态、光照、透视、物体结构和物理规律等大量约束。 流形，只是…
@Phoenixyin13 在 9 月 16 日发布的一篇长帖，从流形假说出发，把机器学习、信息论和统计物理串成一条线索：智能之所以可能，是因为世界本身不是噪声，而学习在本质上是一种压缩。
刚刚，ChatGPT 最早那批核心研究者，开始重新设计 AI 了。 前 OpenAI 研究员、InstructGPT 论文作者 Diogo Almeida 今天正式发布新模型 Jev。 他过去两年一直在秘密研究一个问题： 为什么 ChatGPT 已经这么聪明了，AI 还是没有真正接管大规模软件自动化？ 他的答案很直接： 可能因为我们根本不需要让模型每次都「说话」。 传统 LLM 做一个判断，要先生成一段文字或 JSON，再让软件解析结…
前 OpenAI 研究员、InstructGPT 论文作者 Diogo Almeida 发布新模型 Jev，它不做自然语言生成，而是直接输出结构化决策和概率，在决策类任务上比传统大模型快 20-200 倍、成本低 40-400 倍。这条路线试图把 AI 从"每次写小作文"变成软件里廉价的 if 判断。
手搓 ReAct”到”RL 训 Agent 的全覆盖 Agent 教学项目：Hello-Agents。项目主张”穿透框架表象，从核心原理出发，亲手构建属于自己的多智能体应用”。 第一部分 基础： 第一章 初识智能体：定义 / 类型 / 范式 / 应用 第二章 智能体发展史：符号主义 → LLM 驱动 第三章 大语言模型基础：Transformer / 提示 / 主流 LLM / 局限 第二部分 构建你的 LLM 智能体： 第四章 经典…
Datawhale 社区在 GitHub 推出开源教程 Hello-Agents，覆盖从手写 ReAct 到用 GRPO 训练 Agent 的完整链路，并罕见地加入了大量调试与调优内容，目标是让开发者穿透框架、自己构建多智能体应用。