搜尋
快速找到部落格、論文精讀與專案
- Raven 精讀：Harness of Harnesses 如何規劃多 Agent 協作
Raven 把可執行的模型與 harness 配成專才，再由 Host Agent 規劃合作 DAG。本文拆解 harness composition、MAOB 評測與 +10.4／+10.5 個百分點的真正分母：它衡量規劃圖匹配，不是 worker 執行成功率。
- Holo4：一個 Agent 跨 GUI、程式與工具，授權卻不相同
拆解 H Company Holo4 的跨介面 Agent 與長流程 harness，並核對 benchmark、公開軌跡資料和兩個 checkpoint 的授權差異。
- Kumo Tabular：用合成表格預訓練，讓新任務從範例開始
NVIDIA Kumo Tabular 把表格預測改成 in-context learning：模型先在合成表格上預訓練，再從標記列預測新資料；本文拆解方法、榜單主張與企業驗證條件。
- EfficientAgent 精讀：並行 Agent 的 KV Cache Offloading
EfficientAgent 說明 KV cache 從 GPU 搬到 host memory 何時真的划算：關鍵不是單次請求，而是其他並行 Agent 在兩次重用之間形成的 reuse working set。本文拆解容量估算、寫入 admission、SWE-bench replay 結果與硬體邊界。
- NVIDIA Open Agent Safety Platform：把可執行控制和外部觀測分開驗證
拆解 OpenShell 可檢查的 Agent runtime 控制，以及 NVIDIA 所提出的 BlueField-4／Sentry 參考設計，釐清兩層各自能做什麼、仍缺哪些成效證據。
- Target 零售商品搜尋：讓語意召回服從精確度與線上實驗
拆解 Target 如何以詞彙與向量雙路檢索、屬性精確度控制和加權交錯，改善商品搜尋，並檢視其離線與線上證據的邊界。
- Stale-Document Poisoning 精讀：RAG 如何辨識已失效的證據
真實、曾經正確的文件也可能讓 RAG 把模型原本答對的答案改錯。本文拆解 317 個跨領域知識反轉、日期與有效期間的差異、因果介入，以及依賴可信 metadata 的 reranker。
- Completed Pairs Hide Capped Failures 精讀：配對評估的停止規則與未知結果
ReVerPi 的單次 source-reading campaign 揭示：第一個配對分支碰到 request cap 時，runner 會抑制 companion，讓 completed-pair summary 遺漏已知失敗與未知結果；有限 frame bounds 與分層成本分析說明結論能走多遠。
- AI Agent 風險如何變成 Runtime Policy：ASSERT 評估與 ACS 執行閘門
拆解 Microsoft run-assert-eval 如何串接 Clarity 風險探索、ASSERT 行為測試與 ACS runtime policy，並以 unsafe behavior 和 over-refusal 兩組指標檢視治理效果。
- Docker Sandbox Kit：把 Agent 權限請求和軟體一起版本化
拆解 Docker Sandbox Kit v3 如何把 Agent 的網路、憑證與 mixin 宣告放進 OCI artifact，並說明 descriptor 仍是 request、enforcement 仍取決於 runtime。
- Project Swap：Agent 會交易，不代表懂得委託人的偏好
Anthropic 的低風險員工書籍交換研究顯示，偏好估計比議價機制更限制市場結果；部署代理人之前，先測它是否理解這個人。
- SpecHarness 論文精讀：以規格與證據判定 Agent 任務完成
精讀 SpecHarness 如何把 agent 可見的指示編成來源可追溯的義務，並以合格證據提交狀態；同時檢視 SkillsBench 與 GuideBench 結果、執行成本與完整 runtime 歸因限制。
