跳到正文
11月11日周三
  1. 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。

11月10日周二
  1. Google AI:DEV 作者专属68

    Google Agent Skills 如何像产品一样发布技能:六道自动化门禁与 AI 评审

    Google 工程师 Remigiusz Samborski 介绍 Google Agent Skills 仓库近两个月的进展,star 数从 15,000 增至超过 21,000,托管 170 多个技能。

    推荐理由:作者以 Google Agent Skills 维护者身份拆解了完整 CI 门禁与 AI 评审规则,读者可把同一套版本化、原子化评测方法迁移到自己的技能仓库。

  2. 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。

  3. 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。

  4. Lovable Blog63

    Lovable 如何将前端从 Firestore 迁出并自建 Lovable Realtime 服务

    Lovable 工程师详述将前端与 Firestore 解耦、自建实时服务 Lovable Realtime 的过程:核心用 40 个工作日完成,基于 Go、NATS 与 CDC,由后端统一控制授权和数据形状,前端不再直接读 Firestore。

    推荐理由:作者复盘自建实时服务从选型、实现到灰度迁移的全过程,并给出可复用的架构取舍和长连接运维经验。

  5. Pydantic AI 官方文章63

    Pydantic AI 讲解 code mode 与 sandbox 的区别及工作区用法

    Pydantic AI 官方文章解释 code mode 和 sandbox 不是同一件事:code mode 是模型通过 run_code 写 Python 调用工具以减少模型往返,sandbox 是代码运行的隔离环境,二者可独立也可组合。

    推荐理由:原文厘清 code mode 与 sandbox 是两个不同概念,并给出 Pydantic AI 中沙箱边界的三种位置与 workspace 组合方案,可迁移到智能体隔离设计。

  6. 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。

  7. OpenRouter:Announcements79

    OpenRouter 教程:用 JSON Schema、工具调用或决策模型从任意 LLM 获取结构化输出

    OpenRouter 发布教程,讲解三种可靠的 LLM 结构化输出方法:支持结构化输出时发严格 JSON Schema、只支持工具时强制一次工具调用、只需标签时用 Jev 这类决策模型。

    推荐理由:OpenRouter 用 24 条客服消息在多模型上实测三种结构化输出方案的可靠性差异,并给出可复用的 schema 写法和降级路径。

  8. 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。

  9. Meta Engineering Blog50

    Meta 为 LLDB 构建跨 CPU 与 GPU 调试的插件架构

    Meta 在 lldb-server 中构建了厂商中立的 accelerator 插件架构,用于调试跨越 CPU 和 GPU 的应用程序。该设计将 CPU 与 GPU 表示为各自独立的 LLDB target(调试进程),同时呈现在同一个调试会话中,插件把厂商设备调试 API 转换为 LLDB 已有概念(进程、线程、寄存器、内存等)。

  10. 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。