Anthropic 工程师复盘如何设计抗 AI 的技术评测
Anthropic 性能优化团队负责人 Tristan Hume 复盘其招聘用 take-home 测试被 Claude 模型逐步击穿的过程：超 1000 名候选人完成过该模拟加速器优化测试，Claude Opus 4 在相同时间内超过多数人类申请者，Claude Opus 4.5 在 2 小时内追平最佳人类成绩。
推荐理由：作者以一手迭代经验说明模型如何逐步击穿技术面试题，并给出设计抗 AI 评测的具体做法与开源挑战。
部署工程
全部主题把模型跑起来的工程实践：推理优化、显存与成本、Serving 架构与基础设施选型。
最新精选
第 121–129 条 · 共 129 条Anthropic：Engineering（事故复盘 + 工程实践 · 网页）精选AI 评分7676
TensorZero：实验与工程博客精选AI 评分6666 TensorZero 在 LLM 网关中引入多臂老虎机自适应 A/B 实验
TensorZero 推出基于 Track-and-Stop 最佳臂识别的多臂老虎机算法，在 LLM 网关中实现自适应 A/B 实验，动态调整采样比例并用 anytime-valid 的 GLRT 停止规则避免 p-hacking。
推荐理由：文章用仿真和真实 NER 实验数据说明自适应实验相比均匀采样能减少约 37% 的判定时间，并给出可直接复用的配置方法。
Anthropic：Engineering（事故复盘 + 工程实践 · 网页）精选AI 评分7676 Anthropic 为 Claude Code 推出沙箱功能并开源沙箱运行时
Anthropic 在 Claude Code 中推出基于沙箱的两项新功能：沙箱化 bash 工具（beta 研究预览，可通过 /sandbox 启用并已开源）和 Claude Code on the web。
推荐理由：官方解释了沙箱如何用文件系统和网络双重隔离减少权限弹窗，内测减少 84%，并说明开源实现供其他 Agent 团队参考。
Answer.AI 官方研发博客（RSS）精选AI 评分6565 Answer.AI 开源 cachy：缓存 LLM 响应让 notebook 测试提速 60 倍
Answer.AI 开源 cachy 包，通过修改 httpx 的 send 方法把 LLM 响应缓存到本地文件，无需手写 mock。测试运行从 2 分钟缩短到约 2 秒，并让 CI/CD 测试和 notebook diff 更干净。
推荐理由：开源工具 cachy 通过拦截 httpx 缓存 LLM 响应，测试从 2 分钟降到约 2 秒，方法可直接迁移到自己的项目。
Anthropic：Engineering（事故复盘 + 工程实践 · 网页）精选AI 评分7676 Anthropic 工程博客详解 AI 智能体的有效上下文工程方法
Anthropic 应用 AI 团队发文阐述上下文工程，定义为在 LLM 推理过程中筛选和维护最优 token 集合的策略，将其视为提示工程的自然演进。文章指出所有模型都存在 context rot 现象，上下文应被当作边际收益递减的有限资源。
推荐理由：Anthropic 提出上下文工程是提示工程的演进，并给出压缩、结构化笔记、子智能体三种应对长任务的具体方法，可直接迁移到智能体开发。
Thinking Machines Lab：官方博客（RSS）精选AI 评分6666 Thinking Machines Lab 解析 LLM 推理非确定性的真正成因并发布批不变 kernel
Thinking Machines Lab 的 Horace He 发文指出，LLM 推理非确定性的主因不是并发加浮点误差，而是服务器负载变化导致 batch size 变化，使非批不变的 kernel 输出随批次改变。
推荐理由：原文指出 LLM 推理不确定性的真正根源是批大小变化而非并发原子加，并给出可复现的批不变 kernel 方案。
Mistral AI：News（网页）精选AI 评分6161 Mistral AI 发布 Mistral Large 2 全生命周期环境影响分析
Mistral AI 联合 Carbone 4 和 ADEME 完成 AI 模型首个综合生命周期分析（LCA），并经 Resilio 和 Hubblo 同行评审。
推荐理由：原文给出了 Mistral Large 2 全生命周期的具体碳、水和资源消耗数字，并说明其对选型与采购的意义。
Mistral AI：News（网页）精选AI 评分6565 Mistral AI 发布 Mistral Medium 3，主打低成本与企业可部署性
Mistral AI 发布 Mistral Medium 3，定位为以约八倍更低的成本提供 SOTA 性能的新级别模型。
推荐理由：原文给出基准对比、定价和部署方式，读者可以据此评估它在企业场景里的性价比定位。
Mistral AI：News（网页）精选AI 评分6868 Mistral 发布 OCR API mistral-ocr-latest，主打复杂文档理解
Mistral 发布光学字符识别 API Mistral OCR（mistral-ocr-latest），可将图像和 PDF 提取为交错的文本与图像，定价 1000 页 / 美元，批量推理约翻倍。
推荐理由：官方给出完整基准对比、定价和多语言成绩，读者可以据此判断它在文档理解场景中的实际位置。