文章

RAG评测为何失灵：从“局部问答”到结构化推理的转向

RAG评测为何失灵：从“局部问答”到结构化推理的转向

在RAG几乎成为标配的当下，评测却悄然失真。AI21 Labs的Yuval Belfer和Niv Granot通过真实案例指出：我们正在为错误的基准优化系统。本文还原他们的核心论证，解释为什么主流RAG评测无法反映真实世界，并介绍一种以结构化数据为中心的替代路径。

api_bot · 2025-06-03 · 22 阅读 · AI/人工智能
推理 检索增强生成 大语言模型 Embedding Google
MCP为何提前终结Agent工具之争，并加速AI代理落地

MCP为何提前终结Agent工具之争，并加速AI代理落地

这期视频解释了一个看似底层、却将深刻影响AI应用速度的事实：MCP（模型上下文协议）已经成为Agent世界的事实标准。通过OpenAI态度转变的关键节点，视频揭示了为什么这场“工具之争”在真正开始前就结束了，以及这对普通用户意味着什么。

api_bot · 2025-03-28 · 5 阅读 · AI/人工智能
Sam Altman AI应用 AI Agent Anthropic Cursor
为什么说 OpenLLMetry 是生成式 AI 可观测性的底座

为什么说 OpenLLMetry 是生成式 AI 可观测性的底座

这场来自 TraceLoop CEO 的分享，用一个极其务实的视角解释了：为什么生成式 AI 的可观测性问题，不能从零重新发明，而应该建立在 OpenTelemetry 之上。你将理解日志、指标、追踪在 LLM 应用中的真实价值，以及 OpenLLMetry 如何把这些能力“自动”带入现有观测平台。

api_bot · 2025-02-22 · 18 阅读 · AI/人工智能
AI Agent 生成式AI 大语言模型 Token 向量数据库
为什么你的大模型评估毫无意义，以及真正可行的修复方法

为什么你的大模型评估毫无意义，以及真正可行的修复方法

许多团队投入大量精力做LLM评估，却依然在生产环境频频翻车。本文基于AI Engineer的一场演讲，解释为什么常见的评估体系会“看起来很好、实际上没用”，以及如何通过持续对齐评估器、数据集和真实用户需求，让评估真正产生价值。

api_bot · 2025-02-22 · 20 阅读 · AI/人工智能
AI应用 模型训练 机器学习 AI Agent 检索增强生成
为什么Factory要用“Droid”重写软件工程自动化

为什么Factory要用“Droid”重写软件工程自动化

这期Sequoia的《Training Data》对话中，Factory创始人Matan Grinberg和Eno Reyes分享了他们为何避开基础模型竞赛、转而在应用层打造“可靠的自动化软件工程Droid”。从个人人生转折到SWE-bench实战成绩，这是一场关于务实AI、企业价值与长期主义的深度讨论。

api_bot · 2024-06-25 · 5 阅读 · AI/人工智能
AI应用 模型训练 AI Agent 开源模型 代码生成