跳到正文
今天11月12日周四2 条
  1. Google Developers Blog70

    Google 发布 A2UI 1.0 稳定版开源协议,让智能体用原生交互界面回答

    Google 发布 A2UI 1.0,这是其生成式 UI 开放协议的首个稳定版本,让 AI 智能体以表单、图表等交互屏幕而非纯文本回答,提供覆盖 Web、Android、iOS 的开源渲染器 SDK 和 Python、TypeScript、Dart 的 Agent SDK。

    推荐理由:官方发布开源生成式 UI 协议的 1.0 稳定版,给出渲染器与 Agent SDK 清单和 Atlassian、ByteDance 等落地方式,读者可评估是否接入自己的智能体工作流。

11月11日周三
  1. Comfy Blog64

    Seedream 5.5 上线 ComfyUI Partner Nodes

    Seedream 5.5 已通过 ComfyUI 的 Partner Nodes 可用,是一个支持文生图和图像编辑的多模态模型。更新覆盖五个方向:原生生成透明与半透明 RGBA 输出、支持多轮精准局部编辑而不破坏画面其余部分、一步生成文字可读且布局结构化的海报与信息图、更真实的肖像材质与光影细节,以及可在提示词中控制灯光。

    推荐理由:官方介绍 Seedream 5.5 在 ComfyUI 的接入方式与五项能力变化,读者可据此评估是否把透明输出和多轮局部编辑接入现有工作流。

  2. PyTorch:Blog65

    ExecuTorch 推出 WebGPU 后端,PyTorch 模型可在浏览器 GPU 上直接运行

    PyTorch 官方为 ExecuTorch 新增 WebGPU 后端,模型通过 torch.export 导出为 .pte 文件后可在任何支持 WebGPU 的浏览器中以 GPU 加速运行,无需转换为 GGUF、ONNX 等格式。

    推荐理由:官方为 PyTorch 模型提供了不转换格式的浏览器 GPU 推理路径,并给出与 CPU 路径的具体性能对比和验证模型清单。

  3. Meta Engineering Blog54

    Meta 推出 Your Algorithm:让用户用自然语言定制 Facebook Feed 和 Reels 推荐

    Meta 在工程博客介绍 Your Algorithm,一套 AI 工具让用户用自然语言管理影响 Feed 和 Reels 的兴趣列表,并可即时生效。系统用多个 LLM 分别负责生成初始兴趣画像、校验每次编辑、以及在排序后用微调小模型做最终过滤,配合补充拉取和缓存失效机制让更改快速生效。

11月10日周二
  1. NVIDIA Technical Blog:Agentic AI / Generative AI41

    Agent Substrate:面向大规模 Agent 场景增强 Kubernetes

    AI Agent 大部分时间处于空闲,等待人类提示词、工具结果或模型响应,而 Kubernetes 并非为此设计。每个会话独占一个 Pod 会为空闲会话占用内存,在轮次之间删除 Pod 则每次付出数秒冷启动代价并丢失 Agent 状态;RL 后训练也面临同样的瓶颈。NVIDIA 介绍 Agent Substrate,并将其捐赠给相关社区以支撑大规模 Agent 运行。

  2. n8n Blog73

    n8n Labs 发布开源个人智能体 Nod 研究预览版,可本地运行

    n8n Labs 发布研究预览版 Nod,一个独立于 n8n 的开源个人智能体,可在 Mac 或 Windows 本地运行,自带沙盒和浏览器,通过 Gmail、Calendar、Slack 等应用及无集成的网站完成任务。

    推荐理由:n8n Labs 首次发布个人智能体 Nod,读者可从本地沙盒、记忆基准和成本控制细节判断它是否适合接手日常琐事。

  3. Hugging Face Blog62

    Hugging Face 生态支持决策模型:Transformers 新增 DecisionPipeline 与 /v1/systemone 接口

    Hugging Face 在 transformers 中加入 DecisionPipeline、AutoModelForDecision 与 DecisionConfig,并推出 /v1/systemone 服务端点,llama.cpp 也支持同一 API。

    推荐理由:官方博客给出 decision pipeline、/v1/systemone 端点和训练示例,读者可以直接照代码把决策模型接入现有分类与路由工作流。

  4. LangChain:Blog52

    LangChain 开源 Promptim 提示词优化库

    LangChain 发布开源实验性提示词优化库 Promptim,基于 LangSmith 数据集与评估器运行优化循环,自动迭代提示词直到指标超越基线。它聚焦优化单个提示词,通过 Annotation Queues 保留人工反馈环节,与 DSPy 的整套系统优化定位不同,可通过 pip install promptim 安装。

  5. Comfy Blog53

    ComfyUI 十月细节更新盘点:Branch Node、LoRA 堆叠与链接管理随 v0.44 上线

    ComfyUI 官方博客盘点 10 月随 v0.44 等版本上线的一批工作流细节改进,包括可连 32 个输入的 Branch Node、单 Node 堆叠最多 20 个 LoRA、Comfy Desktop 模板自动下载示例输入和缺失模型、多输出打包 zip 下载、EXR/HDR/ProRes 管线完善、链接隐藏与框选删除,以及 widget 内独立撤销重做。

  6. Google Developers Blog74

    Google AI Edge Gallery 新增端侧语音识别与语音合成能力

    Google 在 Google AI Edge Gallery 中新增端侧 ASR 与 TTS 能力,可完全离线运行。Android 端 ML Kit 支持 100+ 语言转写,速度达 10 倍实时,FLEURS 词错率 8.0% 至 9.0%;TTS 约 100 ms 起播,以最高 50 倍实时速度合成 24 kHz 音频,APK 零增加。

    推荐理由:官方给出端侧 ASR 与 TTS 的具体指标和三条接入路径,开发者可据此评估把语音能力加入本地 AI 应用的方案。

11月9日周一
  1. NVIDIA Blog69

    NVIDIA 在 CoRL 发布 GR00T 2 世界动作模型及 Isaac Lab 3.0、DexBench 等机器人仿真新技术

    NVIDIA 在 CoRL 上发布开源世界动作模型 GR00T 2,基于 NVIDIA Cosmos 训练,含 10 万小时人类第一视角数据,开箱即完成 50 项任务中的 40 项,每任务 1 次演示平均成功率 71%,5 次达 95%。

    推荐理由:官方博客一次性给出模型数据、仿真吞吐提升和新基准清单,可据此了解机器人仿真训练从运动控制到精细操作的进展。

  2. Google Developers Blog52

    Google 解读 Pathways 单控制器分布式训练如何协调 Gemini 级大模型训练

    Google 宣布 Pathways on Google Cloud 正式商用,并讲解其训练自家大模型(包括 Gemini)的分布式系统原理。Pathways 由单一客户端把整个计算描述为图,运行时负责放置、张量传输和异步调度,支持弹性训练与集群共享;文中还对比了 SPMD 的局限以及 Pathways 与 Ray 在执行层和编排层的分工。

11月7日周六