快讯列表

关于 智能体工作流 的快讯列表

时间 详情
2025-11-06
17:00
DeepLearning.AI 携手 1Password 推动开发者优先的AI安全 聚焦智能体工作流防护 与 AI Dev 25 纽约活动(11月14日)

据 @DeepLearningAI 表示,该机构已与 1Password 达成合作,以突出面向开发者的 AI 时代安全主题。来源:DeepLearning.AI 在 X,2025年11月6日。 据 @DeepLearningAI 表示,开发者可访问 hubs.la/Q03R7C060 获取安全工具,并访问 hubs.la/Q03R7D2y0 了解 1Password 如何保护智能体工作流。来源:DeepLearning.AI 在 X,2025年11月6日。 据 @DeepLearningAI 表示,团队将于11月14日在纽约举办的 AI Dev 25 亮相,最后门票可在 hubs.la/Q03R7BSL0 获取。来源:DeepLearning.AI 在 X,2025年11月6日。 据 @DeepLearningAI 表示,该帖未提及任何加密货币或代币,本次公告未显示与加密市场的直接关联。来源:DeepLearning.AI 在 X,2025年11月6日。

来源
2025-10-16
16:56
吴恩达:评测与错误分析是加速AI智能体进展的最大指标——智能体工作流最佳实践与评估方法

根据 @AndrewYNg 的说法,加速AI智能体迭代的最大预测因子是建立严格的评测与错误分析流程,而不是事后修补或追逐噱头工具,这能让生产系统实现更快且可量化的改进,来源:Andrew Ng 在X,2025年10月16日。他指出,相比监督学习,生成式AI的输出空间与失误模式更丰富,因此需要比传统准确率、精确率、召回率、F1、ROC等更迭代、更定制化的评测,来源:Andrew Ng 在X,2025年10月16日。针对企业用例如发票自动化,他建议先快速做原型并人工检查结果,再针对到期日、金额、地址、币种、API调用正确性等高风险维度构建客观或“LLM评审”的指标,来源:Andrew Ng 在X,2025年10月16日。他提倡先建立评测以量化性能,再做错误分析以聚焦研发优先级,更多细节见 deeplearning.ai 的Agentic AI课程模块4与The Batch第323期,来源:deeplearning.ai(Agentic AI模块4;The Batch第323期,https://www.deeplearning.ai/the-batch/issue-323/)。

来源