Cohere Blog

本文介紹了一種利用AI編碼智能體自動化軟件fork與上游同步的方法，通過將fork維護建模為控制論中的閉環反饋系統，顯著縮短了吸收新上游版本的時間。以Cohere的vLLM fork為例，展示了從衝突解決到測試修復的全自動流程。

Cohere通過將企業AI智能體平台North與雲安全平台Wiz集成，利用自定義MCP服務器自動化事件響應工作流。該安全智能體可處理從關鍵發現分類到生成IR報告、創建工單及更新Wiz狀態的完整流程，將單次處理時間從30分鐘至2小時縮短至20秒。文章詳細介紹了架構、三個用例（毒性組合分析、輔助事件響應、自動週報）及實施步驟。

本文探討了AI系統中文化意識的重要性，強調調查發現許多用户面臨語言障礙、文化誤解和規範侵犯。文章呼籲AI設計應具有文化敏感性，以避免邊緣化。

Cohere推出了一種新的推理請求調度解決方案，通過結合速率限制器、性能層級、赤字輪詢和優先級選擇器，確保多租户LLM平台中不同租户之間的公平性，防止“吵鬧鄰居”現象，保障每個租户獲得公平的計算資源份額。

Cohere 將其倫敦辦公室遷至 100 New Oxford Street，面積擴大近三倍，可容納 100 人。此舉彰顯了公司對英國人工智能生態系統的投資，並加速其在歐洲的主權 AI 佈局。新辦公室將整合團隊，促進協作與創新。

一篇2023年的研究估計，80%的美國工人有部分任務暴露於大語言模型，該數字被國際貨幣基金組織、歐洲議會等廣泛引用。然而，這些評分基於早期模型和美國職業分類，存在諸多限制，但政策制定者卻將其用於決策。更動態、具代表性的證據工具雖已存在，卻未能及時影響政策討論。

Cohere 和 Mila 宣佈了一項新的學術研究合作，旨在改善人工智能在不同語言和文化中的評估，首先從魁北克法語的文化背景開始。此次合作將幫助前沿 AI 模型更好地反映魁北克法語的語音、社會及制度細微差別，推動更具文化相關性和可信賴的 AI 系統。

隨着企業AI採用從受控試點擴展到全公司範圍，治理框架與實際使用之間可能出現脱節。本文探討了常見的AI治理挑戰和失敗模式，並概述了企業可以採取的應對步驟，包括建立AI清單、明確所有權、應用基於風險的控制以及持續監控。

企業AI採用通常經歷五個階段，從實驗到AI原生轉型。大多數企業卡在第二、三階段之間，面臨數據訪問、信任和模型過時恐懼等障礙。本文聚焦從試點到生產的跨越，提出建設內部平台、統一數據架構、可觀測性和模型可選性等建議。

Cohere 宣佈開源 Command A+，一款 218B 總參數（25B 活躍）的混合專家（MoE）模型，採用 Apache 2.0 許可證。該模型專為企業級智能體工作流設計，支持 128K 輸入上下文和 64K 生成長度，可處理文本、圖像和工具使用。相比前代 Command A 系列，它在推理、多模態理解和多語言能力上有顯著提升，同時通過低比特量化和推測解碼實現高效部署。Command A+ 目前可在 Hugging Face 和 Model Vault 上獲取。

模型上下文協議（MCP）是一個開放標準，幫助AI應用連接企業系統，簡化數據訪問和操作執行。本文詳解MCP的工作原理、與API、RAG、函數調用及代理的區別、常見用例和安全考慮。

AI正越來越多地應用於商業智能，使數據更易訪問和有用。本文解釋了AI在BI中的含義、價值創造點及企業採用前應考慮的因素。

RWS與Cohere合作開發了一款專用翻譯模型，為Language Weaver Pro提供動力。該模型結合了Cohere的大語言模型基礎和RWS的全球語言與文化專業知識，在32種語言中的31種上超越了競爭對手。它提供文化智能、高安全性和合規性，適合複雜和受監管的環境。

研究過程中，可視化工具幫助研究人員更清晰地理解數據和工作。Cohere Labs 開發了 co/plot，一個快速迭代且保持數據準確性的可視化工具，已在多個項目中得到驗證，並開源供社區使用。