ai-systems

发现一篇关于Agentic AI的全面指南，从基础到系统架构，覆盖了智能体AI的全貌。

讨论用于处理复杂任务的多智能体系统，可能涵盖AI智能体之间的协调与协作。

文章提出，AI代理推荐系统应纳入商户反馈机制，以提高其有效性和可靠性。

一位谷歌高级工程师免费发布了一份421页的文档，涵盖AI系统的代理设计模式，包括基于代码的章节，涉及提示链、多代理协调、防护栏和推理。

使用LLM构建AI系统的逐步指南，涵盖从选择模型到使用框架、向量数据库和数据提取工具进行评估的步骤。

本文提出了一种基于BFT的认知综合协议，能够实现多个AI模型间的涌现协作审议。

本文探讨了城市经济学中的概念（如交通、分区和污染）如何建模自主AI系统中的外部性。文章引入了行为外部性乘数（BEM），并提出了一个包含架构层、基底层和治理层的分层框架，以衡量和减轻廉价AI行为带来的高昂后果。

马丁·卡萨多的一条推文，强调了一种解决方案，该方案解决了大规模向AI智能体暴露追踪数据这一难题，并平衡了成本与AI的杠杆作用。

提示逻辑门（PLG）是一个可视化提示工程实验，它使用语义逻辑门（AND、OR、NOT、提问）来组织提示，以管理类似系统的复杂提示，旨在提高可维护性和一致性。

本文认为，尽管AI在模式识别和假设生成方面表现出色，但科学和经济的进步需要与现实世界的接地互动以及制度执行，强调了人机协作的必要性。

这篇文章认为，下一个重大AI转变将是向具有可靠运行记忆的系统迈进——能够随时间记住、更新和运用知识——而不仅仅是构建更智能的模型。

本文介绍了智能体技术债务和随机税的概念，定义了结合随机模型与工具使用及工作流的智能体AI系统特有的新负债和运营成本，并提出了轻量级的治理控制措施。

这篇文章强调了AI记忆在六个月后变得不可靠的问题，出现矛盾和信息摘要漂移，并质疑业界是否专注于增加存储容量而非提升可维护性。

本文探讨了已部署AI系统中的运营漂移挑战，质疑部署后最先出问题的是模型质量、数据还是业务流程。

本文介绍了可计算公平分配（CFD）框架，该框架利用Boltzmann-Softmax控制在AI资源分配中平衡效率与公平性，并通过AHC++实现实时自适应。

一篇评论文章，探讨了AI代码生成与生产级系统之间的差距，强调在复杂领域中，人类判断力和领域专业知识对于协调相互关联的决策循环仍然至关重要。

一条推文强调了一位200亿美元中国AI公司创始人举办的40分钟大师班，解释了Agent Swarms和大规模AI系统，暗示该架构击败了Anthropic的Claude。

一篇综述论文，探讨了AI从特定任务助手到工作流级研究自动化工具的转变，将AutoResearch定义为AI驱动的科学工作流自动化的光谱，并分析了自主性、可重复性和问责制方面的挑战。

Mark Saroufim在MLSys会议上发表了主题演讲，涵盖了AI系统的演变、为何需要AI来改进它们以及有前景的未来方向。录制视频即将发布。

IMF发布了一份正式说明，引入了代理支付的概念，阐述了概率性AI系统与确定性支付基础设施之间的张力，并将从“点击支付”到“决定支付”的转变进行了定义。