跳到正文
只看观点
  1. Berkeley AI Research62

    Berkeley 团队评述近零推理成本下的数据系统：面向智能体、由智能体运行、由智能体构建

    UC Berkeley EPIC Data Lab 的 Aditya G. Parameswaran 等人发表观点文章，讨论推理成本快速下降后数据系统面临的三个方向：为智能体设计的数据系统、支撑智能体集群运行的数据系统、以及由智能体合成的数据系统。

    推荐理由：作者结合自身在结构化记忆与系统合成上的工作，梳理近零推理成本下数据系统的三个研究方向。

  1. Berkeley AI Research60

    自适应并行推理：高效推理扩展的下一个范式

    Berkeley AI Research 发布综述兼观点文章，梳理并行推理从固定并行（self-consistency、Best-of-N、Tree of Thoughts、MCTS）到自适应并行推理（APR）的演进，即让模型自行决定何时分解任务、开多少线程以及如何协调。

    推荐理由：文章把并行推理从固定结构到自适应控制的演进梳理成一条线，并对比了不同推理引擎实现与奖励设计的取舍。

已经到底了