跳到主要内容本期精选
模型Exowatt借助SageMaker无服务器模型定制在准确性上超越前沿模型
- Exowatt使用SageMaker无服务器微调,以约20-25美元的成本在32分钟内完成Qwen3-1.7B的边缘告警分类模型训练,宏F1达到0.911,超越所有前沿基线。
- 云能源市场分析采用Qwen3-14B,在约8.5小时内完成LoRA微调,宏F1达到0.975,而基础模型仅为0.415。
研究Artificial Analysis v5 与基准测试者的困境
- 独立评估语言模型的重要性被低估。
- 在 AI 前沿创建有意义的基准比提升分数更难。
Agent引用 Terk Terkowitz:AI 工具无益于工作时,记录原因而非视为失败
- Terk Terkowitz 是亚马逊工程领导层成员,其言论被 Simon Willison 引用。
- 核心观点:AI 工具无益于工作时应记录并分享,而非视为个人失败。
工具会议胸牌上的 Game Boy Color
- GitHub Universe 的会议胸牌是一台带彩色屏幕的可编程小电脑
- Steve Francia 借助 Gemini 在该胸牌上实现了 NES、Game Boy 与 Game Boy Color 模拟器