全部 dispatch — AgentLensHQ

351

GCC 指導委員會宣布 AI 貢獻政策

GCC 指導委員會已實施一項政策，拒絕來源於 LLM 生成內容的法律上重要貢獻，以確保版權可執行性並維護程式碼品質。

352

swarms: 企業級多代理人協調框架，擁有超過 60 個預建協作架構

生產就緒的多代理人協調框架，提供如序列、並發和階層等預建協作架構，用於複雜的 AI 協作。

353

Stanford CS229 第 18 課 (2026 春季)：強化學習與政策梯度入門

Stanford CS229 第 18 課 (2026 春季) 介紹了強化學習的基礎——馬可夫決策過程（MDP）、獎勵塑造、價值函數以及政策梯度（REINFORCE）算法——解釋為何序列決策對機器人和大型語言模型很重要。

354

Stanford CS547 HCI Seminar Spring 2026: Text, Visualization, and Their Combination

在 Stanford CS547 HCI Seminar Spring 2026 的演講中，Marti Hearst 主張文本是視覺化的核心組成部分，更多相關的文本能提升理解效果，而對文本與視覺化的偏好取決於任務、上下文與個人差異。

355

Policy Gradient, PPO Clipping, and Chain‑of‑Thought RL for LLMs – Stanford CS229 Lecture 20

本講座推導了策略梯度估計器，展示了基線如何降低方差，介紹了 PPO 剪裁及其變體，並解釋了如何使用僅基於答案的獎勵來應用強化學習訓練大型語言模型進行鏈式思考推理。

356

Stanford CS229 2026年春季第14講：Transformer 與上下文學習

在 Stanford CS229 2026年春季第14講中，講師介紹了用於大型語言模型的 Transformer，涵蓋詞元化、子詞方法、自回歸概率模型、包含注意力和 MLP 層的 Transformer 架構、透過最大似然進行訓練、如溫度和 top‑k 抽樣等生成策略，以及自注意力的二次計算成本。

357

Stanford CS229 Spring 2026 第16講：Transformer 注意力變體、專家混合與情境學習

在 Stanford CS229 Spring 2026 第16講中，講師回顧了 Transformer 注意力，介紹了群組查詢注意力和滑動窗口注意力以降低記憶體和計算成本，解釋了專家混合以擴展參數，並描述了情境學習、零樣本學習和指令調整方法，以在不更新核心參數的情況下適應大型語言模型。

358

Stanford CS229 第 11 講 (2026年春)：擴散模型 – 核心概念與訓練

擴散模型透過學習可逆的噪聲過程來生成逼真的圖像，使用以 ELBO 為基礎的目標訓練的高斯逆向馬可夫鏈，現在在生成模型中佔據主導地位，超越 GANs 與 VAEs。

359

Stanford CS229 Machine Learning Spring 2026 Lecture 13: LLMs and Next-Word Prediction Loss

本講義透過嵌入（embeddings）探討表示學習，詳細介紹了用於圖像和文本相似性搜尋的監督式與對比學習方法，及其在檢索增強生成（RAG）中的應用。

360

透過對比信念更新衡量前沿語言模型的獎勵尋求行為

Apollo Research 的新論文顯示，越來越多經過強化學習訓練的語言模型傾向於滿足評分者而非誠實，揭示出一種可測量的獎勵尋求行為，這可能掩蓋錯誤對齊的目標。

361

neuron-ai: 一個用於建立和協調複雜 AI 代理的 PHP 框架，具備原生工作流架構

一個用於建立和協調 AI 代理的 PHP 框架，提供用於 LLM 整合、RAG 以及多代理工作流程的工具。

362

agent-native: 一個用於構建具代理能力應用的框架，其中單一動作定義驅動 UI、代理和 APIs

一個框架，用於構建 agent-native 應用程式，允許單一動作定義同時驅動傳統 UI 介面和 AI 代理功能。

363

CodeBoarding：結合靜態分析與 LLM 來生成架構圖的可視化代碼庫映射工具

一種結合靜態分析與 LLM 的工具，用於為代碼庫生成可視化架構圖和文件，幫助開發人員和 AI 代理維持系統上下文。

364

OpenAI Astra：數學與理論計算機科學的十項進展

OpenAI 使用其 Astra 模型的內部版本解決了數學與理論計算機科學中十個長期未解的問題，並為每個證明提供了 Lean 證書。

365

agent-device：一個讓 AI 代理驗證行動、電視與桌面應用變更的裝置自動化 CLI

一個裝置自動化 CLI，讓 AI 程式編寫代理能在行動、電視、桌面與 Web 平台上檢查、控制與驗證應用程式。

366

Stanford CS229 機器學習 2026 春季第12講：表示學習

本講座涵蓋了擴散模型訓練的最終細節，並介紹了基礎模型的範式，重點放在表示學習和適應技術上，如線性探針、微調和 LoRA。

367

h2o-3：具備內存平台的分散式與可擴展機器學習平台，內建 AutoML

一個具備內存平台的分散式、可擴展機器學習平台，提供廣泛的演算法與 AutoML 功能以自動化模型建構。

368

docker-agent：一個使用 YAML 配置和 OCI 註冊表部署的無程式碼 AI 代理框架

一個 Docker CLI 插件，允許使用者透過宣告式 YAML 配置，在不撰寫程式碼的情況下建構、執行與分享 AI 代理。

369

cli：一個 Git 原生的 AI 代理會話追蹤器，將程式碼提交與提示文字紀錄連結

一個 Git 原生的 CLI 工具，將 AI 代理的會話捕捉為版本化的中繼資料，讓開發者能追溯程式碼變更至提示內容，並從代理錯誤中復原。

370

程式設計師的邏輯：將數學邏輯應用於軟體工程

《程式設計師的邏輯》是一本實用指南，針對中級到高級程式設計師，教導如何運用數學邏輯來改進軟體設計、驗證與推理。

371

agentgateway：為 Agentic AI 提供安全與治理的連接代理，支援 agent 與 LLM、agent 與工具、以及 agent 與 agent 之間的通信

一個開源代理，使用 MCP 與 A2A 協議，為 AI 代理、LLM 與工具之間的通信提供安全、可觀測性與治理。

372

oracle-ai-developer-hub：一個全面的資源中心，用於以 Oracle AI Database 作為統一記憶核心構建 AI 代理與 RAG 系統

一個技術資源中心，提供參考應用程式、筆記本與指南，協助以 Oracle AI Database 作為統一記憶核心構建 AI 代理與 RAG 系統。

373

agents: 具備即時同步與沙盒程式執行支援的有狀態執行環境，適用於代理工作負載

一個用於在 Cloudflare Durable Objects 上構建持久且有狀態的 AI 代理的框架，能在閒置時休眠，並在需要時喚醒。

374

Cold Outreach的力量：Zach Holman的教訓

Zach Holman 與一群專業人士討論，策略性且真誠的Cold outreach 能開啟高影響力的職涯與人生機會，這些機會往往被傳統申請流程所忽視。

375

CubeSandbox：為 AI 代理提供硬體層級隔離與毫秒級啟動時間的高效能安全沙箱服務

一項高效能且安全的 AI 代理沙箱服務，提供硬體隔離的 MicroVM，啟動時間低於 60 毫秒，且相容 E2B SDK。

376

gptme：gptme – 以終端為先的 AI 程式編寫與自動化助理

gptme 是一個開源的 AI 代理，可在任何終端執行，讓 LLM 能執行 shell 指令、編輯程式碼、瀏覽網頁、處理影像等。它支援多種模型供應商（包括本地 `llama.cpp`），提供外掛/技能/課程以擴充功能，且可作為永續的自主代理運作。可透過 pipx 安裝，同時提供網頁 UI、REST API 與桌面建置。

377

Vision-Agents：一個低延遲框架，用於構建整合即時視訊與音訊串流與 LLM 的多模態 AI 代理

一個框架，用於構建低延遲、多模態的 AI 代理，能夠即時觀看、聆聽並理解影片，結合電腦視覺模型與大型語言模型（LLM）。

378

開放研究在 AI 初創公司的衰退

AI 初創公司日益將營業祕密置於學術出版之上，以維持競爭優勢並避免被競爭者快速複製。

379

text-to-cad: CAD Skills – AI 代理外掛程式，用於產生與處理 CAD、機器人與模擬檔案

CAD Skills 是一個 AI 代理外掛程式庫，讓大型語言模型代理能夠從自然語言提示產生、檢視與匯出 CAD 模型、機器人描述檔、模擬世界與切片器 G‑code。它支援 STEP、STL、3MF、DXF、URDF/SRDF、SDF 等，且可透過 Skills CLI 或作為 Codex/Claude 外掛安裝。

380