OpenAI 探讨企业的未来:AI 如何进入组织架构
OpenAI 探讨了未来企业的形态以及 AI 融入组织架构的方式。其核心探讨 AI 未来将如何以处于人类“下方、身旁及之间”(beneath, beside, and between us)等不同定位与角色进入企业组织架构。
OpenAI 探讨了未来企业的形态以及 AI 融入组织架构的方式。其核心探讨 AI 未来将如何以处于人类“下方、身旁及之间”(beneath, beside, and between us)等不同定位与角色进入企业组织架构。
Cloudflare 披露 Workers AI 在运行 GLM-5.3 时因配置失误与 SGLang 缺陷出现跨请求 KV cache 泄露,影响了 155 个超长 prompt 响应并已完成修复上线。
推荐理由:原文详细拆解了分离式推理下缓存复用导致的跨租户数据泄露机制,为大模型托管服务排查引擎内存安全提供了参考。
OpenAI 发布 OpenAI Signals 洞察数据,涵盖近 100 个国家的 165 项工作活动,揭示人们在工作中如何使用 ChatGPT 以及其使用方式随时间发生的变化。
Cloudflare 宣布在 Workers AI 中引入支持欧盟官方语言的 EuroLLM 与瑞士开源模型 Apertus,并启动针对政府和关键基础设施的多模型防御工坊。官方结合过去一年的实践指出,依赖单一模型存在断供与安全风险,亚太地区利用本土模型开发了多语言民生工具,而多模型并行的编排框架能有效保障防御韧性。
GitHub 在播客中剖析了多项 AI 热门争议,指出开发者仍须对 AI 生成代码负责,且 RAG 并没有消亡,Skills 也未取代 MCP。MCP 为 AI 智能体提供连接工具与数据的标准化接口,Skills 承载流程规范与专业知识,结合 RAG 的外部检索,三者在实际开发工作流中相互协同。
Google 推出全新交互式开放数据平台,并联合 Google DeepMind 与 MIT FutureTech 发布基于 AI & Economy ATLAS 的最新研究。数据显示近半数受访科学家每天使用 AI,Gemini 等 LLM 与专用模型协同作业,每周平均为科学家节省近 7 小时。然而研究也指出,输出验证与实体实验环节已形成新瓶颈并导致科学假设积压。
OpenAI 发文探讨能力更强且价格更实惠的 AI 如何拓展个人与企业能够完成的工作。这一趋势旨在帮助各类组织以更具经济效益的方式实现业务增长。
Google DeepMind 梳理了团队 15 年来的游戏 AI 研究历程,并阐述了与 Fenris Creations 合作将探索拓展至 EVE Online 等持久开放世界的规划。
UC Berkeley 研究团队发文探讨推理成本大幅下降对数据系统带来的重塑,系统提出面向智能体、属于智能体以及由智能体构建的三大方向。随着智能体成为主要负载,数据系统需要优化高频推测性查询并引入多属性结构化记忆以支撑智能体协作,同时探索利用智能体针对特定工作负载直接端到端合成专用数据系统。
推荐理由:文章梳理了推理成本趋近于零时数据系统架构面临的三重演变,为设计多智能体底层状态与存储基础设施提供了系统性的思考框架。
Together AI 分享了其支撑大规模高效推理的技术栈与研究成果。团队研发了 FlashAttention-4、ThunderKittens 以及开源自适应投机解码系统 Aurora,后者可带来最高 1.25x 的大语言模型推理加速,同时支持标准投机解码的 ATLAS 系统。
Together AI 阐述了“AI 原生云”(AI Native Cloud)的定义,指出传统 CPU 云架构无法满足快速迭代需求,必须构建专为大模型全生命周期优化的基础设施。