deterministic

OxDeAI是一个开源协议，用于AI代理操作的确定性预执行授权，提供签名工件和守卫以在代理循环外部强制执行策略。它支持LangGraph、CrewAI和AutoGen等流行的代理框架，并正在寻求关键反馈。

讨论企业AI代理解决方案的当前趋势，该趋势倾向于确定性、可审计的行为，而非创造性、动态的LLM推理，并质疑是否存在任何创造性的代理解决方案。

本文介绍了一个自定义的 Rust + CUDA 注意力变换器引擎，在H100上实现了0.63 J/token的能效，并具备位精确确定性，超越了典型模型。计划在专利授权后开源发布。

Istar Code v5.0.0 是一个开源的确定性编码智能体内核，通过显式规则、工作流阶段和验证关卡，确保从1B到500B参数的模型行为一致。

E-- 是一种使用规范英语语法并确定性编译为Python的编程语言，旨在结合LLM的创造力与可重现的运行时行为。

本文介绍了Onyx，一个用于可编程代理编排的虚拟机，通过提供具有清晰语义和执行模型的运行时，将代理编排转变为软件工程。它讨论了当前代理系统的设计决策和局限性，并介绍了PROGRAMS规范。

本文将对一款新型确定性记忆工具与另外四款工具进行正面比较，该工具在检索过程中无需任何LLM调用即可实现完美召回。

讨论使 AI agent loops 更少依赖提示、更具确定性的方法，旨在提高 agentic 系统的可靠性和可控性。

一位开发者用Rust为AI代理构建了一个确定性防火墙，运行时间低于5毫秒，使用计划、MCP列表和污点追踪来强制执行安全，避免幻觉和延迟问题。

Kent C. Dodds 介绍了 Kody，一个增强现有 AI 助手（如 Cursor、OpenAI 和 Anthropic）的工具，用于创建更安全、确定性的集成和自动化，而不是取代它们。

@jianxliao 的一条推文提出了如何让AI代理具有确定性的问题，引发了关于可靠性和安全性的讨论。

在AI智能体的决策与其不可逆操作（如交易或发送资金）之间，需要设置一个确定性护栏工具以确保安全。

Probably 从 Andreessen Horowitz 获得 900 万美元种子轮融资，通过确定性验证器系统捕获 LLM 幻觉，构建更可靠的人工智能系统，使小型模型能够在本地硬件上运行。

archex是一个本地优先、确定性的工具，用于为AI代理构建具有令牌预算的代码上下文包。它使用完整的检索管道（BM25F、本地嵌入、交叉编码器重排序器、依赖图扩展），在您的硬件上运行，无需API密钥或遥测，在召回率和效率方面优于替代方案。

该工具基于纯数学和确定性构建，用于解决间接提示注入和智能体漂移，提供纯审计追踪链。创建者正在寻找试点兴趣。

将温度设置为0并不能保证智能体中的工具调用具有确定性，原因在于批处理推理会导致浮点数归约顺序发生变化，从而引发token翻转，并在负载下产生不同的动作。

介绍DMF，一种用于对话式AI代理的确定性记忆框架，它用经典NLP和数学评分取代了基于LLM的压缩，实现了与Mem0相当的准确度，同时内存准备使用零token，总体token使用量减少高达242倍。

总结了一种确定性的、基于约束的方法，用于在受监管金融领域构建AI智能体，其中LLM仅生成散文，数字通过加密方式密封，并通过分层结构确保可审计性。

BotCircuits Agent 是一个开源框架，引入了Workflow-native Agent Loop架构，将确定性状态机导航与有针对性的LLM执行分离，以减少偏差和Token成本。

ActiveGraph引入了一种确定性的非生成式方法，在语义记忆之前进行证据汇编，在LongMemEval-S上实现了85.6%的问答准确率和86.2%的上下文回合答案准确率。