摸

摸鱼天尊

想代码,喝咖啡,写博客。

太平洋时间—
此刻—
写62 篇 · 最近 06.29
读374 篇 · 最近 10.15
冲还没开张
写最近写的8 / 62全部 →
26.06.29 垂类系统的agent如何设计 Agent · 思考 26.06.05 每日github项目解析:(二)20260605 github robot和agent soul Agent · 源码 · 每日 GitHub 解析 · 二 26.06.04 每日github项目解析:(一)20260604 Agent · 源码 · 每日 GitHub 解析 · 一 26.05.19 agent eval:(一)deepeval Agent · 源码 · agent eval · 一 26.05.04 vibe coding系列:(三)一边vibe一边read AI 编程 · 教程 · vibe coding 系列 · 三 26.04.22 agent系列(五):agent架构的落地思考 Agent · 思考 · agent 系列 · 五 26.04.14 vibe coding系列:(二)GET SHIT DONE AI 编程 · 教程 · vibe coding 系列 · 二 26.03.14 agent系列:(四)session管理和agent架构 Agent · 思考 · agent 系列 · 四
读10.15 读的5 篇 · 按分数排推荐 →
12:47 Compressed Memory:分别判断依赖、效用与内容收益压缩记忆被删除后模型会降分,但这不能说明训练这种记忆比训练无记忆系统更有用;忽略绝对表现还可能把较差的系统判为改进。 82.5 02:49 AgentSuite:先审计评测组件,再解释分数与排名Agent基准的用户要求、工具环境、参考轨迹和评分规则可能相互矛盾,使正确行为被判错、错误行为被放行;只看总分无法区分模型失败与基准缺陷。 82.5 12:47 SkillGrain:把反馈拆成规则,再判断是否长期保留个性化助手的用户反馈同时含有长期偏好和只修当前答案的要求;整段固化会把一次性事实带到未来请求,而整份技能得分又不能指出哪条要求该留下。 75 08:50 Structural Baselines:先扣除结构捷径,再解释失败归因与检测分数失败归因评测把最后一步或约定的放弃点标为责任步骤时,不读取轨迹的规则也可能获得高分,掩盖方法是否真正识别了失败证据。 75 04:46 LangSmith AI Search:把重复轨迹变成有预算的行为检索输入Agent轨迹反复携带对话历史且大部分是工具输出,单个向量或字段过滤难以区分表面相似的行为,逐条读完整轨迹又使临时排查成本过高。 75