搜索 AI 资讯

Harness 已经很准了，为什么还需要一个 Agent Native Database

点击查看原文>

为什么 dbt Labs 认为 AI 智能体终将让语义层真正落地

如果团队能够解决信任问题，AI 智能体为何能让语义层更加稳固？

KOHO如何基于多年的dbt治理构建了一款由Claude驱动的自助分析工具

KOHO 解释了为何人工智能自助分析首先需要强大的数据文化以及受管控的 dbt 基础架构。

Okta 在大规模管理 AI 智能体上下文时所学到的经验

Okta 采用 dbt 作为单一事实来源，重新构建了其对 AI 智能体的上下文管理方式。

在 dbt Wizard 内部，用于展示其工作成果的 AI 智能体

dbt Wizard 的设计负责人和工程负责人展示了该代理在代码投入生产之前如何对其自身的工作进行验证。

dbt v2 登陆：解析速度更快、采用统一的适配器层，并提供无需庞大 manifest.json 文件的文档体验

dbt v2 将适配器打包，加快解析速度，并用更小、可查询的文件取代 manifest.json，供用户和 AI 使用。

Supabase 的十亿款 AI 构建应用计划

AI 智能体正在创造越来越多的软件——而这改变了后端需要承担的职责。Supabase 联合创始人 Paul Copplestone 和 Ant Wilson 做客 swyx，探讨如何在数据库旁运行长期运行的工作负载，并让模式更易于智能体理解……

Ramp 的内部 AI 智能体如何突破百万次会话

Ramp 通过将内部 AI 视作分析工程，共享了其构建的代理、沙盒和仪表板。

从大型机到人工智能驱动的成熟：Verisk 的数据现代化之旅

Verisk 将数十年的保险数据从大型机迁移至 dbt，实现了 AI 就绪。

从提示到PR：Careem的AI如何在人类看到之前编写并验证dbt模型

Careem 的 AI 智能体在有人审查 PR 之前，就已端到端地编写并验证 dbt 模型。

Kilo 的一位数据科学家如何构建了其 AI 智能体所缺失的业务上下文层

一位数据科学家如何为组织知识构建了一个AI上下文层，而仅靠一个dbt项目是无法承载的。

一群失控的 AI 智能体能教会我们如何产生更好的创意

本恩·斯坦西尔借助 Hugging Face 的这一技巧，阐释了为何最有用的创意往往源自最奇特的关联。

研究提出多模态方法预测自闭症与非自闭症个体双人对话的成功感知

一项发表于arXiv（编号2610.31682v1）的新研究，利用言语运动、面部表情、声学韵律及话轮转换等多模态特征，在三个包含自闭症与非自闭症参与者的自发双人互动数据集上，预测参与者自身对对话成功程度的主观感知。

推荐理由：该研究突破以往聚焦诊断分类或单模态分析的局限，首次系统整合互补性多模态行为指标来建模‘感知到的对话成功’这一社会沟通核心维度，为提升神经多样性人群交流支持技术提供新方法论依据；论文已公开发布，时间戳与当前系统时间一致，属最新学术进展。

研究发布拉丁语专用语言模型LAMB及两大新语料库Acervus与Corpus Trinum

2026年10月26日，arXiv发布论文arXiv:2610.31723v1，提出拉丁语专用编码器Latin Modern BERT（LAMB），基于ModernBERT架构，经两阶段预训练，使用超740亿拉丁语词元及新型形态学感知掩码策略；同时公开两个全新拉丁语语料库：含240亿词元的Acervus（含76万经ByT5修复的OCR损坏文本）和首个人工构建的拉丁语语义三元组数据集Corpus Trinum（超1亿强/弱三元组）。

推荐理由：该研究填补了古典语言NLP基础资源空白，首次系统构建面向拉丁语语义理解的大规模预训练模型与配套评测基准，并通过严谨实验验证LAMB在17个子任务中16项领先，具备明确技术贡献与可复现性；所有结论均严格对应arXiv论文摘要与事实提取内容，未引入外部信息。

微软与Hugging Face开源ThinkingBox框架：以数据库终态为确定性奖励信号推进智能体RL后训练

微软与Hugging Face联合推出开源框架ThinkingBox，通过比对LLM智能体执行后的真实数据库终态与预期状态生成0/1二元奖励，用于强化学习后训练；配套基准ThinkingBox-Bench含507个真实后端任务，全部任务均未参与训练；Qwen3.8-27B经50步GRPO微调后，在持留测试集上pass@1提升9.08个百分点，Observed 20/20翻近三倍，但部分领域pass@20下降，反映广度与稳定性权衡。