搜尋
快速找到部落格、論文精讀與專案
- SWE-Bench ProMax：大型多語言重構，真的能測出 coding agent 的長程協作嗎？
深讀 SWE-Bench ProMax：以 170 個跨檔案、多語言、行為保持的程式重構任務，檢驗 coding agent 是否能完成大型變更，而不只修好一個測試。
- AI 軟體開發環境選型：從 Vibe Coding 到可驗證的 Agent Workflow
InfoWorld 盤點 GitHub Copilot、Google Antigravity、JetBrains Air、Kiro、Zed 與 Zenflow；本文進一步用自主權、上下文、隔離與驗證四個控制面整理 AI 開發環境的選型方法。
- Agentic Configuration Management：把 Agent 系統當成可治理的組態，而不只是一次執行
深讀 ACM 如何用跨框架的 Configuration Graph、immutable revisions、dependency-aware impact propagation 與 runtime provenance，治理 LangGraph、CrewAI 與 OpenAI Agents SDK 的異質 Agent 組態。
- ADIAS：把 Agent 自我改良改寫成可追蹤的問題修復
深讀 ADIAS：以持續的 issue state 組織跨回合失敗證據，讓 full-code agent optimization 能記住修過什麼、哪些介入失效，以及何時真的修好。
- DocMemo：讓長文件 RAG 在找錯證據後仍能回頭
深讀 DocMemo：用 document schema、page belief 與 question episodic memory 保存跨回合 retrieval state，再以 Bayesian update、Thompson sampling 與 adaptive granularity 找回遺漏證據。
- GitHub Copilot MCP 企業治理：從 Allowlist 語義到 Agent 採用遙測
GitHub 把 MCP server allowlist、denylist 與第三方 agent activity 放進企業管理面；本文拆解政策語義、遙測邊界與可落地的 rollout 方法。
- Claude Managed Agents 走向受治理的 Runtime：預算、委派、地域與 Inference Hooks
Anthropic 的 Managed Agents 把 session budget、advisor、inference geography、repository skills 與 inference hooks 變成 runtime 控制面；本文拆解它們能治理什麼，以及仍然未知的邊界。
- FinRank：金融文件 RAG 的 hard-negative 檢索評測
精讀 FinRank：用公司、年度與披露邊界構造金融文件檢索測試，說明為什麼 pooled corpus、hard negatives 與 metadata filter 會改變企業 RAG 的結論。
- A²E：把 Agent 評測變成可追蹤、可重評的稽核引擎
精讀 A²E：以 ATP 統一 benchmark 與 agent harness，用 span-based trace 保存執行因果，再以 lifecycle-aligned metrics 分析正確性、工具行為、成本與安全。
- TREC RAG 2026：當 RAG 評測開始把 Agent 放進流程裡
用 TREC RAG 2026、ClimbMix-400b 與 RAGDoll 先理解 Agent-first 評測的方向，再延伸到企業 RAG 的實作 harness。
- TREC RAG 2026 技術深讀：從 Evidence Lineage 到可重播的 RAG Evaluation Harness
以 TREC RAG 2026 與 RAGDoll 為參考，逐步設計企業 RAG evaluation harness 的資料模型、執行管線、citation support、Agent trace、judge 校準與 production gates。
- Cloudflare 發布 Open Agentic Internet 藍圖：可讀、可搜尋、可呼叫、可付費的 Agent Web 架構
深度剖析 Cloudflare 提出的 Agentic Internet 基礎架構。從 Web Bot Auth 身份驗證、Markdown for Agents、WebMCP 前端工具暴露到 x402 微支付協定，全方位解析網頁如何從人類 UI 轉型為 AI Agent 友善的開放網路。
