Mooncake 如何为 Miles 加速 RL rollout 数据批量传输
Mooncake 社区发布博客，介绍 Mooncake 如何为大规模强化学习框架 Miles 解决 rollout 数据传输瓶颈。
全部AI 动态
全部动态
今日 46 条LMSYS：Blog（Chatbot Arena 团队）AI 评分3737 LlamaIndex：产品、工程与评测AI 评分5858 LlamaIndex 解析 LLM OCR 为何错误更隐蔽而非更少
LlamaIndex 发文分析 LLM OCR（用大语言模型或视觉语言模型把文档图像转成文本和结构化数据）虽然降低了难文档的错误率，却把错误形态从可见的乱码变成流畅但静默的替换、遗漏和重复循环，传统按字符置信度和正则校验构建的 OCR 工具难以捕获。
LlamaIndex：产品、工程与评测AI 评分3232 智能 OCR：构建生产级文档理解系统
智能 OCR 将传统字符识别与机器学习、版面感知、语义抽取和校验逻辑结合，把文档转成结构化数据而非原始文本，并支持字段级置信度评分与规则校验。相比传统 OCR 输出扁平文本、遇到未见版式即失效，它可跨版面泛化、支持手写内容，并逐步演进到能自我验证、处理歧义的智能体文档工作流。
LlamaIndex：产品、工程与评测AI 评分5151 LlamaIndex 详解 OCR 自动化如何从文本提取走向生产级文档流水线
LlamaIndex 发文讲解 OCR 自动化与单纯文本提取的区别，指出生产准确性主要取决于解析前后的输入质量、置信度阈值校准和直通处理率，并给出 85-92% 到 90-95% 的直通率基准。
LlamaIndex：产品、工程与评测AI 评分4343 LlamaIndex 如何用 Temporal 扩展可靠的文档编排
LlamaIndex 用 Temporal 替换 RabbitMQ，支撑起每天数千万页文档的处理，并驱动其最新的 Batch API 发布。Temporal 作为持久化函数执行运行时，将业务逻辑组织为确定性的 Workflow 与 Activity，由 Worker 执行、服务端持久保存执行状态，失败可从断点重试。
LlamaIndex：产品、工程与评测AI 评分4545 LlamaIndex 探索静态嵌入检索：MaxSim 与卷积混合器的实验
LlamaIndex 尝试让静态嵌入模型实现 ColBERT 式 late-interaction 检索，发现直接用 MaxSim 打分在公开基准上反而输给池化（mean NDCG 0.418 vs 0.504）。
LlamaIndex：产品、工程与评测AI 评分3636 如何从 PDF 中提取表格：用 LlamaParse 大规模构建结构化、可验证的数据
LlamaParse 面向 PDF 表格提取，解决 PDF 只存字符坐标、不存行列结构的问题，需从空间布局推断行列关系。文章指出扁平文本提取、模板规则系统和单纯 OCR 都会在生产文档上失效，因为无边框表格、跨页表头、合并单元格、嵌套表格和扫描件会破坏简单假设。
LlamaIndex：产品、工程与评测AI 评分6363 LlamaIndex 详解 Just-in-Time Agentic OCR 两遍式文档处理模式
LlamaIndex 提出面向 10-100 份文档的临时数据室场景，采用两遍式处理，先用免费工具（如 LiteParse）快速提取文本并检索，再对相关页面用 VLM 做 just-in-time OCR。
LlamaIndex：产品、工程与评测AI 评分5050 LlamaIndex 实用指南：如何让文档抽取的置信度分数真正可用
LlamaIndex 发文讲解如何为文档抽取结果选择置信度阈值，实现自动接受与人工复核的划分，目标是在给定精度（如 97%）下最大化自动化比例。
LlamaIndex：产品、工程与评测AI 评分5454 LlamaIndex 解析 OCR 文档处理：更准的抽取模型为何不缩小复核队列
LlamaIndex 撰文指出，OCR 文档处理中每字段准确率与每文档自动化率存在单位错配，20 个字段的发票在 97% 字段准确率下整单全对的概率约 54%，而路由门控读的是置信信号而非准确率。
LlamaIndex：产品、工程与评测AI 评分6060 LlamaIndex 谈 AI 文档抽取：真正容易出错的是 Schema 设计
LlamaIndex 发文指出，AI 文档抽取的阅读环节已很成熟，生产管线丢失精度的主因是 schema 设计而非模型。文章以 180 页信贷协议中一个利率字段对应三个真实数值为例，区分了解析失败与规格失败两类表现相同的错误，列举 required 字段被编造、同名字段多义、重复结构被压成标量等常见缺陷，并给出 nullable、语义消歧、数组化等修正示例。
LlamaIndex：产品、工程与评测AI 评分4242 为什么 VLM 读不懂表单？LlamaParse 用 JSON 结构化解析表单
LlamaIndex 解析了 VLM 处理表单的失败模式：VLM 面向通用推理优化，推理能力提升并不能改善解析结果，且成本高、可靠性差。LlamaParse 专为文档与表单理解构建，将表单表示为含 id、label、field、value 的字段与 section 嵌套树，输出 JSON，以更低成本超越通用 VLM。表单的复选框勾选状态等细微错误会完全改变下游智能体的动作。
LlamaIndex：产品、工程与评测AI 评分3535 如何用 OCR 从发票中准确快速提取数据
LlamaIndex 介绍用 LlamaParse 与 LlamaExtract 实现发票 OCR 数据提取：LlamaParse 将发票作为结构化文档处理，结合 OCR、版面解析、表格提取与语义建模，输出干净可校验的结构化数据。LlamaExtract 支持 GUI 单次测试最多 20 个文件，生产环境可通过 Python SDK 或 API 并行处理 PDF、JPG、PNG 及多页文件。
LlamaIndex：产品、工程与评测AI 评分3838 图像 OCR 工具盘点：从开源引擎到 LlamaParse 文档智能
LlamaIndex 发文盘点图像 OCR 的四类主流方案：开源引擎（Tesseract、PaddleOCR、EasyOCR、docTR）、云 API（Google Cloud Vision/Document AI。
LlamaIndex：产品、工程与评测AI 评分3434 面向收据的 Agentic OCR：传统流水线为何失效
LlamaCloud 推出 VLM 驱动的 agentic OCR 引擎，将视觉识别、版面理解、结构推理与校验整合进单一系统，直接输出结构化 JSON、Markdown 或 HTML，而非扁平文本。
LlamaIndex：产品、工程与评测AI 评分3131 表格 OCR 如何从文档中提取结构化数据
表格 OCR 通过版面感知处理、结构解析和 schema 对齐提取，把 PDF、扫描件中的表格转为 JSON、CSV 或 Excel 等机器可读格式。其流程分为表格检测、结构识别和数据提取三阶段，需处理合并单元格、多行记录和无边框表格等难点。
LlamaIndex：产品、工程与评测AI 评分3232 智能体文档处理：AI Agent 如何自动化复杂工作流
LlamaIndex 提出智能体文档处理（ADP），用具备目标、工具调用和决策能力的 AI Agent 自主完成文档工作流，仅在低置信度决策点才引入人工。其 LlamaParse 采用多个专用文档理解 Agent 协同解析，用语言模型处理文本、视觉模型解读图表图像、布局感知计算机视觉识别结构，无需因版式变化重新训练。相比基于模板的传统 IDP，ADP 能自主处理异常并触发下游动作。
LlamaIndex：产品、工程与评测AI 评分3636 非结构化数据抽取：如何把文档转化为结构化洞察
企业约 90% 的数据是非结构化的，非结构化数据抽取通过 NLP、NER 和 LLM 把文档转为可查询的结构化信息。现代方案不再依赖易碎的规则解析器，而是用 LLM 的零样本能力按 JSON schema 抽取字段，省去为每种文档训练专用模型。生产级流水线还需覆盖摄取、OCR 与分块预处理、校验以及输出集成等环节。
LlamaIndex：产品、工程与评测AI 评分3939 OCR 准确率解析：影响因素与提升方法
OCR 准确率需分层衡量：字符错误率（CER）在印刷体上应低于 1%、手写体为 3–5%，词错误率（WER）低于 2%，金融等关键字段的字段级准确率需达 99.9% 才能实现直通处理。图像分辨率低于 300 DPI、多栏表格等复杂版式、手写变体、硬件显存不足及文档折痕污损都会显著拉低精度，其中 5 度倾斜可使 WER 上升 15% 以上。
LlamaIndex：产品、工程与评测AI 评分4141 AI 文档分类：自动分拣与打标的实用指南
AI 文档分类通过训练模型读取文档内容与结构，自动完成分类和打标，替代关键词检索和规则路由。流程分五个阶段：解析预处理、特征提取、模型分类、打标与置信度评分、路由到下游工作流。大语言模型可零样本分类，无需标注训练数据；LlamaParse 等工具用布局感知视觉解析提升预处理质量，置信度评分则让低置信结果转人工复核。
LlamaIndex：产品、工程与评测AI 评分4141 为什么单次提取会失败，以及 Deep Extraction 真正解决了什么
单次提取缺乏问责闭环，模型只提取一次就输出结果，不校验、不与文档总额对账，也无法标记遗漏内容，在长文档和复杂版式中会静默丢行、合并条目。Deep Extraction 采用智能体驱动的迭代流程，提取后对照源文档验证、识别缺口并重新提取，直至达到既定质量阈值，可将前沿模型的字段准确率从 10-20% 提升至 99-100%。
LlamaIndex：产品、工程与评测AI 评分2121 LlamaIndex 如何实现抵押贷款文档自动化
LlamaIndex 解析抵押贷款文档自动化流程：通过智能文档处理将贷款文件转为结构化数据，涵盖文档摄取与分类、数据抽取与结构化解析、验证与跨文档匹配等环节。系统结合机器学习、计算机视觉与结构化解析，保留表格、键值对等布局关系，并引入置信度评分与人工复核处理边缘案例。
LlamaIndex：产品、工程与评测AI 评分3030 OCR 为何难以满足 KYC 合规要求：LlamaIndex 解析标准文本提取的短板
LlamaIndex 发文指出，标准 OCR 为白纸上的清晰印刷体设计，无法可靠处理真实身份证件，导致 KYC 字段错误并向下游 AML 系统传播。合规要求字段级准确率达 99.9%，而人工录入错误率平均 1–4%，按每月 5 万份文档计算意味着 500 条记录字段出错。人工复核每份文档成本约 $1.50–$8，在高增长金融科技与加密交易所中已成为规模化约束。
LlamaIndex：产品、工程与评测AI 评分3333 LlamaCloud 文档解析、抽取、分类与拆分 API 使用指南
LlamaIndex 发布 LlamaCloud 文档处理 API 文档，支持用 Python、TypeScript 和 curl 调用解析、抽取、分类与拆分四类能力。
Liquid AI 模型与工程博客（网页）AI 评分2727 Liquid AI 如何用 ExecuTorch 实现高效灵活的设备端智能
Liquid AI 在开发 LFM2 系列开放权重模型时选用 PyTorch ExecuTorch 作为推理引擎，看中其混合缓存支持与单条命令打包权重、元数据和执行图的自动化部署流程。
Stanford HAI News（网页）AI 评分4747 AI 聊天机器人隐私指南：如何保护个人信息安全
斯坦福 HAI 隐私与数据政策研究员 Jennifer King 建议 AI 聊天机器人用户谨慎分享信息，具体做法包括：上传医疗等敏感文件前先隐去全部个人信息、使用临时对话、在可选情况下关闭数据用于训练、定期查看政策更新以调整设置。
Fireworks AI（网页）AI 评分5050 Trilogy 发布基于 Kimi K3 与 Fireworks 的开源权重网络安全实战手册
Trilogy AI Center of Excellence 围绕 Fireworks 上的 Kimi K3 发布公开 AI 网络安全手册与练习包，包含交互式手册、仓库和十个针对本地训练应用的练习。
Fireworks AI（网页）精选AI 评分6565 Fireworks AI 教程：以不到 $10 微调 Qwen3-Embedding-8B 嵌入模型
Fireworks AI 发布低成本嵌入模型微调方法，用 InfoNCE 对比学习在平台上微调 Qwen3-Embedding-8B，成本不到 $10、约 150 步。
推荐理由：原文给出用 Qwen3-Embedding-8B 做对比微调的完整配方和三个真实检索任务的实测数据，还总结了哪些场景不会有效。
Fireworks AI（网页）AI 评分5555 Fireworks AI 通过三组受控实验给出从 LoRA 切换到 FullFT 前的测试方法
Fireworks AI 在 Qwen3.5-9B 上用 Placement、寄存器分配和 Nexa VM 三个可自动验证任务做对照实验，提出在把 LoRA 换成 FullFT 前先依次测试数据覆盖、学习率等训练配方和 adapter rank。实验显示单任务场景下调数据或配方基本消除 FullFT 优势，固定预算混合任务中 FullFT 仍领先 4.29 个百分点，并将进一步发布后续实验。
Cursor Blog精选AI 评分7070 Cursor 团队分享如何搭建云端智能体开发环境
Cursor 团队分享为云端智能体搭建开发环境的经验，核心思路是把开发环境当作用户是智能体的产品来做。他们让云端 VM 与本地开发环境对齐，构建 anydev CLI 简化智能体运行服务的流程，并通过 Cursor Cloud MCP 和 Cloud Doctor 自动化功能实现环境的自愈与持续改善。
推荐理由：Cursor 团队分享了自家云端智能体环境的搭建经验，包含 anydev CLI、Cursor Cloud MCP 等做法和可迁移的判断标准。
Claude：Blog（网页）精选AI 评分7575 Anthropic 发布 AI-native SDLC 实践手册，用 Claude 重构软件开发全流程
Anthropic 发布 AI-native SDLC playbook，主张在代码不再瓶颈后重构传统软件开发生命周期，将流程改为以提交工件驱动的闭环。
推荐理由：Anthropic 把内部 agentic 编码实践整理成六阶段方法论，覆盖从需求捕获到自动回环的每一步落地与治理细节。
Claude：Blog（网页）AI 评分2828 Anthropic 发布《构建 AI 原生营收组织》指南：如何在销售团队推广 Claude
Anthropic 发布《构建 AI 原生营收组织》指南，介绍在销售组织中推广 Claude 的配置决策、三阶段落地计划和 ROI 衡量框架。指南包含成熟度模型、试点前的负责人/连接器/IT 安全/成功指标/支出可见性等决策，以及按角色映射的高频用例。
Claude：Blog（网页）精选AI 评分6969 Anthropic 前线工程师详解如何准备 AI 驱动的代码现代化项目
Anthropic 前线部署工程师分享大型代码现代化项目的准备方法：过去需多年的项目如今可在数月或数周完成，但组织流程不变，瓶颈从产出变更转向动员组织。
推荐理由：Anthropic 前线工程师基于真实客户部署，给出智能体驱动代码现代化的六步准备方法，可直接迁移到企业大型改造项目。
Cognition 模型 / Devin 博客（网页）AI 评分6161 Cognition 如何用 Devin 开发 Devin：内部工程实践详解
Cognition 官方博客介绍其团队如何用 Devin 构建 Devin 本身：上周合并了 659 个 Devin 提交的 PR，高于 2025 年最佳单周的 154 个。
Cognition 模型 / Devin 博客（网页）精选AI 评分7575 Cognition 复盘多智能体系统实践：写入保持单线程、其他智能体贡献智能
Cognition 发布长文复盘，认为多智能体系统目前只在写入保持单线程、其他智能体贡献智能的模式下有效。
推荐理由：Cognition 一线团队复盘了真正跑通的多智能体模式，给出干净的审查上下文和单线程写入等可迁移经验。
Cognition 模型 / Devin 博客（网页）AI 评分6161 Cognition 复盘构建 Devin 云 Agent 的经验：为什么自建比想象中难
Cognition 基于两年多构建 Devin 的经验，指出容器化方案存在共享内核安全风险，也无法跨异步间隙保存状态，他们用 microVM 隔离和 hypervisor 级全机状态快照解决。
Cognition 模型 / Devin 博客（网页）AI 评分5252 Cognition 分享 Devin 在 HIL/SIL 工作流中自动化失败分诊与 10 倍测试生成的部署经验
Cognition 发布博客，总结过去一年在多家车企（包括 RV Tech 和 Mercedes）部署 Devin 处理 HIL/SIL 工作流的经验。
Trail of Bits：AI安全研究AI 评分5656 Trail of Bits 发布 Testing Handbook 新章节：C/C++ 安全审查清单
Trail of Bits 在 Testing Handbook 中新增 C/C++ 安全审查清单章节，覆盖通用 bug 类别、Linux 用户态与内核、Windows 用户态与内核、seccomp/BPF 沙箱五部分，包括 libc 陷阱、DLL planting、WorstFit Unicode 问题、io_uring 沙箱绕过等。
Trail of Bits：AI安全研究AI 评分3434 Trail of Bits 为 Ruby 模糊测试器 Ruzzy 扩展 LibAFL 支持
Trail of Bits 为纯 Ruby 代码与 Ruby C 扩展的覆盖率引导模糊测试器 Ruzzy 增加了 LibAFL 支持，让 Ruby 开发者无需改动 harness 写法即可换用更活跃的模糊测试引擎。
Trail of Bits：AI安全研究AI 评分4545 Trail of Bits 详解如何将 Windows 驱动注册表漏洞升级为内核写原语
Trail of Bits 公布 Windows 驱动注册表处理程序挑战的完整分析，指出缺失 RTL_QUERY_REGISTRY_TYPECHECK 标志导致的注册表类型混淆可从本地拒绝服务升级为内核写原语。