标签
这篇博客文章介绍了LEVI，一个用于AI驱动系统研究（ADRS）的框架，该框架通过对大多数变异使用较小模型，并保留大型模型用于范式转换，降低了算法发现的成本，实现了3-7倍的成本降低。文章主张将ADRS集成到CI/CD中，以实现每次部署的持续定制优化。
Ax 是一个 JS/TS 库，为 LLM 使用提供高层抽象（签名、智能体、工作流、优化器）。现在引入了 axIR，可以编译成 Python、Java、C++ 和 Go，将相同的编程模型带到多种语言中。
本文介绍了 AHD Agent，这是一个利用代理强化学习（Agentic Reinforcement Learning）的框架，使大型语言模型（LLMs）能够通过动态交互求解环境，自主地为组合优化问题设计启发式方法。
DSPy 3.2.0 优化了 dspy.RLM 的解析、工具执行与故障恢复，并持续推进与 LiteLLM 的解耦。
SwanNLP在SemEval-2026任务5中提出了一个基于LLM的合理性评分框架，用于叙述词义消歧任务。该框架采用结构化推理和动态少样本提示技术，预测短篇故事中词义的人类感知合理性。研究表明，通过少样本提示和模型集成，商用大参数语言模型能够有效复现真实叙述场景中的人类判断模式。
上下文工程的完整参考实现——这是一门设计、检索和向 AI 系统注入组织上下文的学科，用于生成准确的、特定领域的输出。该仓库展示了五个组件（语料库、检索、注入、输出、执行）与 Amazon Bedrock 和 Claude 的整合。