Harness 已经很准了，为什么还需要一个 Agent Native Database
点击查看原文>
AI NEWS JOURNAL
搜索 AI 资讯
检索标题、摘要与正文，把分散的信息连起来。
我如何对抗AI脑疲劳
文章网址：https://sergeykuhne.com/blog/fighting-ai-brain-fry 评论网址：https://news.ycombinator.com/item?id=50416363 积分：83 # 评论：56
中国最应该做 Personal Agent 的，是 Looki
作者｜Yoky微信｜yokyliu617Personal Agent 火了，但纯软件的 Personal Agent 很快暴露出一个问题：它知道的还不够 personal。它可以读邮件、查日历、操作浏览器，知道用户在数字世界里做过什么；但用户离开屏幕后见了谁、去了哪里、正在讨论什么，它往往一无所知。越想让 Agent 理解一个具体的人，这部分缺失就越显眼。于...
Agent，“重做”数据库
数据库不但要存，还要能“懂”。
Show HN：Ls-service – 极简、带命名空间且类型安全的 localStorage 封装器
文章链接：https://github.com/brysonbw/ls-service 评论链接：https://news.ycombinator.com/item?id=50383396 积分：1 # 评论：0
AI记忆值个天价
AI 记忆存储成本低廉，大厂与第三方服务商争相布局。记忆不等于聊天记录，要区分偏好、会话、任务状态，兼顾检索效率与信息完整。权限、版本、溯源、可迁移能力才是企业付费核心价值。
FenixWalk：面向异构架构的大规模动态图自适应采样
arXiv:2611.04683v1 公告类型：新 基础摘要：随机游走是图分析的基础，但在大型动态图上高效执行仍具挑战。现有方法需在采样效率、更新开销和内存消耗之间权衡。为吞吐量优化的采样结构往往带来显著的内存开销和高昂的维护成本，而轻量级方案在高度数顶点或权重分布偏斜时又可能面临较高的采样延迟。这些挑战在异构CPU-GPU平台上尤为突出：主机内存容量充足，但GPU内存限制了可从并行加速中获益的图数据量。我们提出了FenixWalk，一个面向大规模动态图的内存高效随机游走系统，将统一的原地采样与选择性GPU加速相结合。核心上，FenixWalk采用原地Fenwick表示，无需复制边级权重存储即可支持拒绝采样和逆变换采样。该表示使拒绝采样具备期望O(1)的权重查询时间，并支持O(log d)的前缀采样与更新。为高效利用异构硬件，FenixWalk将完整图及其采样结构保留在主机内存，同时将频繁重用的顶点本地采样器有选择地放置在GPU上。通过传输紧凑的游走器状态而非反复迁移图分区，该系统减少了跨设备通信，并有效利用了有限的GPU内存。在大型真实世界图及代表性随机游走工作负载上的实验表明，FenixWalk相较于现有随机游走系统实现了平均2.06倍至400.57倍的加速。
Marvell收购Lumentum，意欲何为？
几十年来，我们中的许多人一直期待硅光子技术能够强势进入数据中心，打破计算、内存和存储之间距离和延迟的桎梏。 如果光导管具有足够的带宽和足够低的延迟，我们就可以停止制造独立的、几乎相同的计算....
实测 | 灵光和Today AI，谁才是中国版Muse？
5天实测，拆解Muse的中国化答案。 文｜魏琳华 编｜刘俊宏 Meta的Muse在海外火了一个多月，国内大厂“姗姗来迟”。 两个月的时间里，国内市场上也开始出....
英特尔股价暴跌，令政府持有的股份市值蒸发120亿美元
随着人工智能产业对内存及其他零部件的需求激增，PC销量下滑，导致PC价格水涨船高，英特尔因此遭受重创。
短时傅里叶变换并行实现的比较研究
arXiv:2610.38069v1 发布类型：新 摘要：短时傅里叶变换（STFT）通过对较长信号的一段短时窗口进行傅里叶变换，从而刻画频率随时间的变化特征。尽管傅里叶变换算法，尤其是快速傅里叶变换（FFT）算法，已得到充分发展以充分利用并行计算的优势，但关于并行短时傅里叶变换算法性能的研究仍较为有限。在本研究中，我们实现了两种并行短时傅里叶变换算法——一种基于FFT，另一种为准并行前馈算法——并对其进行了对比分析。研究发现，在低并发环境下，准并行算法在运行时间上更具优势，而……
异构性何时带来收益？理解GPU与WSE系统的互补性
arXiv:2610.39222v1 发布类型：新 摘要：随着人工智能加速器架构日益多样化，将不同架构整合到统一系统中正逐渐成为一种新兴的异构计算范式。GPU与WSE在计算、内存和通信组织等方面存在显著差异，这既带来了架构上的互补性，也增加了额外的开销；然而，如何将这种异构性转化为实际的性能提升仍不明确。为填补这一空白，我们提出了一种分层基准测试方法，用于刻画GPU—WSE的异构执行特性及发挥互补性的条件，并构建了一个分析型性能模型，用以识别在何种情况下异构性会成为性能瓶颈，而在何种情况下则能带来系统级的性能提升。
谷歌开始用Agent“武装”Android，应用可直接接入Gemini
文丨苏扬 编辑丨徐青阳 Android正在为AI智能体打开更多入口。 美国当地时间10月28日，谷歌举行Android Dev Summit 2026开发者峰会，发布了....
序列学习循环——第960期：上周的人工智能基础设施动态
DeepSeek、Google和NVIDIA构建智能体技术栈
在 Kubernetes 中使用 NVIDIA CUDA 13.4 实现内存强制的 GPU 共享
许多 AI 工作负载仅需 GPU 的一小部分。若为每个工作负载分配整块设备，可能会导致资源闲置；通过 GPU 共享，平台团队能够服务更多工作负载……
模拟叠加提升PCM有效存储密度（IBM欧洲研究院）
IBM欧洲研究院的研究人员发表了论文《用于神经网络向量存储的叠加式模拟存储器》。摘要：研究人员展示了一种模拟相变存储架构，可在叠加态下存储多个AI向量，并通过可调的精度权衡来提升有效存储密度。在原型PCM硬件上的测试表明，其推理精度接近全精度软件水平。点击此处查看技术论文……» 阅读全文 该文章《模拟叠加提升PCM有效存储密度（IBM欧洲研究院）》首发于Semiconductor Engineering。
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？
我们如何构建自己的设计代理
LangChain 如何在 Slack 中构建了 Content Studio——一个开源的设计代理，用于制作符合品牌调性的视频、图形和演示文稿，以及为其提供动力的工具链。