标签: LLM

YouTuber Hank Green 称自己的 AI 使用“不健康

YouTuber Hank Green 称自己的 AI 使用“不健康

拥有320万订阅者的美国YouTuber Hank Green因视频脚本被观众怀疑由AI代写而公开道歉,并承认自己与ChatGPT等大模型互动已成瘾,称这种使用方式“不健康”。这件事把创作者使用AI辅助创作时面临的透明度、创作身份和成瘾风险摆到了台面上。

应聘 AI Agent 工程师,面试官问了一个这样的问题,我刚好做过,如图。 问:在 LLM 流式输出模式下,如何最大限度的保证 UI 渲染的性能? 核心是别让 UI 做蠢事: 1. 不要每次 token 到来都从头渲染整段内容 应该增量追加节点,或按节流窗口批量刷新。否则输出越长,每次重绘成本越高。 2. 不要塞重型 UI 组件。比如现成的代码高亮渲染、重型表格等,可以自己封装轻量渲染组件。 3. 流式渲染要节流 LLM token…

应聘 AI Agent 工程师,面试官问了一个这样的问题,我刚好做过,如图。 问:在 LLM 流式输出模式下,如何最大限度的保证 UI 渲染的性能? 核心是别让 UI 做蠢事: 1. 不要每次 token 到来都从头渲染整段内容 应该增量追加节点,或按节流窗口批量刷新。否则输出越长,每次重绘成本越高。 2. 不要塞重型 UI 组件。比如现成的代码高亮渲染、重型表格等,可以自己封装轻量渲染组件。 3. 流式渲染要节流 LLM token…

一位工程师在 X 上分享了面试 AI Agent 工程师时关于 LLM 流式输出 UI 渲染性能的回答,核心思路不是“更快地重绘”,而是“少重绘、轻节点、按需交互”。这类实践正在成为大模型应用前端开发的通用经验。

在 AI 时代,尤其是LLM与DRL爆发的今天,运筹学、管理科学、系统分析与决策科学不仅没有被传统机器学习取代,反而迎来了第二次范式革命。 纯粹基于数据驱动的深度学习模型在应对严格约束时,往往表现出不稳定性或产生幻觉。而现代 AI 系统,正在演变为 LLM、DRL外加运筹优化算法的双层混合架构。 AI 正在重构运筹学求解器内部的核心算子。例如利用强化学习自动选择割平面策略,或在分支定界树中预测分支变量,使大规模 NP-Hard 问题的…

在 AI 时代,尤其是LLM与DRL爆发的今天,运筹学、管理科学、系统分析与决策科学不仅没有被传统机器学习取代,反而迎来了第二次范式革命。 纯粹基于数据驱动的深度学习模型在应对严格约束时,往往表现出不稳定性或产生幻觉。而现代 AI 系统,正在演变为 LLM、DRL外加运筹优化算法的双层混合架构。 AI 正在重构运筹学求解器内部的核心算子。例如利用强化学习自动选择割平面策略,或在分支定界树中预测分支变量,使大规模 NP-Hard 问题的…

行业观点认为,运筹学与决策科学正在重回 AI 舞台中心,与 LLM、强化学习组成“双层混合架构”,用来解决纯数据驱动模型在硬约束下不稳定、易幻觉的问题。这个判断若成立,未来 AI 系统的设计重心将从“参数规模”转向“约束下的最优决策”。

你可能看了一堆 AI Agent 的教程,每篇都在讲概念画架构图, 但没有一篇让你从第一行代码写到一个能跑的 agent。 building-a-coding-agent-from-scratch-course 是一套开源课程, 用 8 篇文章和 4 个视频教你从零写 coding agent, GitHub 上已有 183 star。 四条命令就能把环境拉起来: ·git clone 仓库 ·make install ·cp .en…

你可能看了一堆 AI Agent 的教程,每篇都在讲概念画架构图, 但没有一篇让你从第一行代码写到一个能跑的 agent。 building-a-coding-agent-from-scratch-course 是一套开源课程, 用 8 篇文章和 4 个视频教你从零写 coding agent, GitHub 上已有 183 star。 四条命令就能把环境拉起来: ·git clone 仓库 ·make install ·cp .en…

一套名为 building-a-coding-agent-from-scratch-course 的开源课程,用 8 篇文章和 4 个视频带开发者从零写一个能运行的 coding agent。它不像市面多数教程那样只讲概念和架构图,而是直接给了一条可执行的代码路径,值得关注。

datasette-agent 0.4a0

datasette-agent 0.4a0

Datasette Agent 发布 0.4a0 版本,允许插件在用户浏览器中执行自定义 JavaScript,让 LLM 代理的能力从服务端延伸到浏览器端。这意味着开发者可以用自然语言驱动浏览器内的数据操作和页面交互,而不再局限于后端 API。

llm-mcp-client 0.1a0

llm-mcp-client 0.1a0

Simon Willison 于 2026 年 7 月 31 日发布 llm-mcp-client 0.1a0,让 LLM 工具可以直接调用 MCP 服务器上的工具。这是将模型上下文协议(MCP)生态接入实际工作流的关键一步。