📡 每日 AI 信号

石头已在京东上架P30标准版水箱版扫拖机器人，售价2999元。 该机器人最大吸力为25000Pa，支持30挡水量调节和15mm智能升降。 基站支持75°C热水洗布、45°C热风烘干及上下水连接，自动集尘设计支持65天免维护，满电适用面积达140m²以上。

字节 Seed 发布新一代图像创作模型 Seedream 5.5。 该模型支持非编辑区域像素级保持，并支持围绕同一作品多达100轮连续编辑。 该模型新增原生RGBA透明素材生成，可直接输出带Alpha通道的图像。 该模型改善光照材质与皮肤纹理表现，并显著提升文字渲染能力。

百度文心团队发布自动研究系统 ERNIE Evolve，以双层循环组织研究方向选择与实验迭代。 ERNIE Evolve 由 Director、Selector、Executor、Evaluator 和 Reviewer 分工推进研究。

数字生命卡兹克上线免费 Token 福利聚合网站“Token羊毛”，将各厂商公开的免费额度、签到积分和限时免费活动汇总到一页。 该网站免费向所有人开放。 网站显示今日可领金额，并按日、周、月分组，还提供随领取次数提升卡片亮度的收集玩法。

IT之家 11 月 9 日消息，《日经亚洲》当地时间今日报道称， 日本人工智能实验室 Sakana AI 最早将于 2027 年秋季进行 IPO 。该企业近日已委任高盛担任其 IPO 顾问。 Sakana AI 有望成为首家 IPO 的日本 GenAI 开发企业，这次首次公开上市也有望成为日本历史上最大的初创企业 IPO 之一。Sakana AI 计划将募集资金用于模型开发、人才招聘、销售营销。 Sakana AI 于 2023 年创立，聚焦主权人工智能场景，推出了一系列路由模型。该企业于 2025 年 11 月 以 4000 亿日元的估值进行了 B 轮融资 。 报道表示， Sakana 正在开发 Sawara 系列自研模型 ，计划在 2027 年春季先发布较小规模版本，后续则提供更大参数的型号。

IT之家 11 月 9 日消息，日本人工智能实验室 Shizuku（雫）AI 当地时间昨日公布了其开发的 Shizuku-Duplex，宣称其是继 GPT-Live 后 第二个支持日语智能对话的全双工模型 ，无需完整询问即启动思考流程。 在日语方面，Shizuku-Duplex 拥有 6 个参测模型中最高的对话自然性， 响应质量仅次于 OpenAI 的 GPT-Live 。 Shizuku-Duplex 可分为处理对话的前台交互模型和可异步处理复杂请求的后台模型，辅以每 5min 一次的上下文压缩。其 以 80ms 为一交互“帧” ，支持音频、文本（模型独白）、动作 3 种输出方式。 基于 Shizuku-Duplex 的技术，Shizuku AI 正在开发始终倾听、响应用户感受、坦诚表达自身感受的伴侣式 AI 雫。

IT之家 11 月 9 日消息，科技企业高管正在打造影响未来几代人生活的产品、平台和企业。那么，创造未来科技的人，会如何养育自己的孩子，让他们适应这些技术塑造的世界？ 当地时间 8 日，《商业内幕》汇总了多位科技领袖以往的采访，整理出他们在育儿方面的一些有趣经验，以及帮助孩子在当今社会取得成功的建议。 即使是身家亿万的科技巨头，也躲不开普通父母面临的难题：该不该限制孩子使用电子产品的时间？家务又该怎么分配？ 来看看科技界的知名人物都是怎么教育孩子的。 萨姆 · 奥尔特曼 OpenAI CEO 萨姆 · 奥尔特曼谈到，ChatGPT 帮了自己不少育儿方面的忙 。他坦言，自己“无法想象”如果没有 ChatGPT，该怎么摸索出照顾新生儿的方法。他甚至会向 ChatGPT 询问，为什么孩子到了某个年龄还不会爬行。 奥尔特曼认为，自己的孩子 永远不会比 AI 更聪明，但会更有能力 。他在美国参议院强调，不希望孩子把 AI 聊天机器人当成最好的朋友。 说到婴儿床，奥尔特曼明确推荐 Cradlewise。这款婴儿床售价近 2,000 美元 （IT之家注：现汇率约合 13,360 元人民币） ，可以轻轻摇晃婴儿，提前安抚他们，防止哭闹。婴儿床还内置监控器，支持播放音乐。 此外，奥尔特曼还体会到了一个育儿经验：拍嗝巾一定要多准备一些。 ” 扎克伯格还在 2024 年的一次采访中提到，自己带当时 7 岁的女儿去看泰勒 · 斯威夫特的演唱会时，曾告诉女儿，她无法成为斯威夫特那样的人。 纳德拉此前接受《好管家》杂志采访时说：“最重要的是 弄清楚孩子需要什么，才能让他们健康成长 。 但“足够好的父母”这一理念让她逐渐放下了必须成为完美父母的执念。 他还认为，父母必须以身作则，同样应该控制自己使用电子产品的时间。 ” 安迪 · 贾西 成为父亲后，亚马逊 CEO 安迪 · 贾西意识到，自己必须改变工作与家庭生活的安排。 贾西在 2026 年 10 月公司举办的“带父母上班日”活动中回忆说：“我意识到，必须改变自己的工作方式，否则就只有两条路： 要么离开亚马逊，要么成为一个糟糕的父亲 。

教授也用Claude糊弄… 哦不，说错了，所有人必须使用AI！ 听罢，你咬咬牙，自掏腰包开通了Claude订阅。 是的，讲台上的导师一边严厉警告学生不要投机取巧，转过头自己直接把需求丢给Claude，一键生成教学资料。 我真的不知道应该给即将毕业的开发者什么建议。 至少，现在我真的知道如何做一些编程了。 但点开的一瞬间，你就是能感受到一种，模型永远无法生成的东西

腾讯混元跻身最强开源模型！ 从preview到正式版，Hy4显著扩展了预训练和后训练的数据与训练规模，甚至还直接跑去跟一线业务搞起了“Co-Design”联合打磨。 模型权重也将于近期开源。 左侧统一设置裁切、尺寸、压缩和格式，少数需要“特殊照顾”的图片，再单独调整。 在内部测试中，Hy4的幻觉率由preview版的12.95%降至7.2%，推测类错误率由23.1%降至5.6%；

11月9日，千问办公发布2.0版本 千问办公在同日发布的官方博客《千问办公2.0：主动与协同，迈向Team Agent时代》中指出，主流办公Agent的产品形态仍以服务个人为主，团队的协作方式并未发生变化，下一代Agent需要进入团队协作的现场。 千问办公官方博客指出，下一代企业级Agent需要具备感知业务、主动推进的能力，而不是等人启动。 基于“自动任务”功能，用户可以订阅事件、配置规则，条件满足时Agent自动开始处理。 千问办公还推出了“人机共创”能力，实现对话、内容预览与产物编辑的打通。 用户基于该能力，无需跨软件查阅、修订，即可在对话框内边看文档预览边提修改要求，也可以直接选中段落、单元格、幻灯片或应用区域，标记多处意见后一次提交，AI根据修改意见在原文档中直接修改。

厘清故事与现实的边界，回归投资与产业的底层逻辑。 丨第 20 届中国投资年会·有限合伙人峰会即将启幕 问题在于，当叙事与产业结果之间的界限日渐模糊，当估值锚从商业基本面滑向套利预期，当“先到先得”取代尽调成为热门项目的分配规则，每一个身处其中的人都需要停下来问一句：谁在主导叙事? 峰会首日下午设置两场闭门座谈，均以“投中十问”为框架，指向当下最需要冷静审视的两个命题。 当共识过于集中，当资金以极高的密度涌向叙事最密集的几条赛道，价值究竟藏于共识的中心，还是散落在尚未被叙事照亮的边缘? 但越是在这样的时刻，越需要有人追问：那些被叙事推高的估值，有多少能在三到五年后经由技术落地与商业化验证站立得住?

最早量产的亲自泼冷水

英伟达董事会正在调查黄仁勋与一名涉嫌中国间谍的关系。 耶鲁大学的杰弗里·松nenfeld估计，黄仁勋继续担任CEO的可能性约为五五开。

TechCrunch 编辑专访耶鲁管理学院教授 Jeffrey Sonnenfeld，评估英伟达 CEO 黄仁勋因与涉嫌为中国收集情报的 Megaspeed 高管 Alice Huang 有染而面临的职位风险。 Sonnenfeld 称黄仁勋能否保住职位的概率约五五开。

现代汽车集团正在探索NVIDIA NemoClaw蓝图和NVIDIA OpenShell运行时。 AIM Intelligence正将其Starfort平台与NVIDIA OpenShell集成，以支持安全的AI智能体。 AIM Intelligence正考虑面向公共能源部门开展初步概念验证，潜在应用涵盖企业、工业和机器人环境。 LG AI Research正开放K-EXAONE-2.5的应用程序编程接口访问权限。 K-EXAONE-2.5使用NVIDIA Nemotron数据集开发，其中包括Nemotron-Personas-Korea。 Nemotron-Personas-Korea是一个包含700万个完全合成韩国人物角色的开放数据集，以韩国官方统计数据为基础。 AIM Intelligence面向公共能源部门的概念验证目前仍在考虑中，相关应用场景仍属潜在范围。

IT之家 11 月 9 日消息，Anthropic 近日发布研究报告， 显示科学家主要将 Claude 用于数据分析和写作 ，收集数据、生成研究假设则较少使用 AI。 IT之家了解到，Anthropic 此次研究使用了 2026 年 8 月 2 日至 9 月 30 日的 20.7 万次科研会话，其中包含 12.9 万次 Claude 对话和 Cowork 会话，以及 7.8 万次 Claude Code 会话。系统只保留并研究会话所属的学科、研究子领域和具体任务等分类标签，不会提取或保存研究数据、假设、实验方法、初步发现或未发表论文等具体内容。所有结果均以汇总形式呈现，以保护隐私。 从学科来看，计算机科学、数学和统计学等领域的研究人员会更频繁地使用 Claude，医疗健康以及需要在实验室开展工作的物理科学领域则相对较少。 在 Claude 科研会话中，计算机科学（IT之家注：CS）占比最高，达到 11.9%；工程学和医学分别占 8.4% 和 7.7%。如果将各学科的研究人员规模纳入考量，计算机科学、数学和统计学的 Claude 使用比例仍明显高于其研究人员占比。 Claude Code 的使用分布则更加集中于定量研究领域。CS 研究人员仅占全球研究人员总数的 4.3%， 贡献 Claude Code 科研会话的 32.7% 。

OpenAI宣布对数据中心项目所在社区作出新承诺，包括不与公职人员使用保密协议。 OpenAI称，仅允许针对合法安全信息、商业秘密或专有及具有竞争敏感性的信息提供有限保护。

Hacker News 热议 · 663 分 · 419 条评论

Hacker News 热门条目称，Claude Code 的“Don’t Ask Again”功能导致1,122个公开 GitHub 文件暴露密码。

Hacker News 热议 · 513 分 · 312 条评论 Over the next few weeks, Goldman's bankers will be marketing shares in a company whose coding agent most of them are no longer allowed to use. A tool a trader puts together with an agent wasn't designed with them in mind, and engineers can only check it if someone sends it their way. Goldman's traders were watching client flows and modeling positions, and they will still need to do both.

英伟达宣布调查首席执行官黄仁勋与AI高管、中国政府特工Alice Huang的关系。 英伟达董事会宣布启动调查后，黄仁勋致信员工承认这段关系。 黄仁勋在内部信中向妻子、家人以及英伟达员工道歉，称自己对妻子不忠并伤害了家人。

英伟达董事会于11月8日宣布，就创始人兼CEO黄仁勋成为外国情报行动目标的报道启动独立调查。 调查由独立董事组成的委员会在外部独立律师协助下监督，黄仁勋将全力配合。 董事会表示没有理由认为国家安全或英伟达机密已受损，并称对黄仁勋及其领导团队有信心。 调查目前尚无结论，将审视所有可用信息。

英伟达董事会宣布对创始人兼CEO黄仁勋展开独立调查。 调查涉及黄仁勋与Megaspeed高管Alice Huang的关系；Alice Huang被报道称受中国国家安全部招募，以刺探英伟达。 调查将由独立董事组成的委员会负责，并由外部独立律师协助。 关于中国国家安全部招募Alice Huang的说法属于媒体报道。

据彭博社记者Mark Gurman报道，苹果CEO John Ternus正敦促AI负责人Craig Federighi加快Siri路线图，打造可与OpenAI的Dots或Meta的Muse竞争的强大AI智能体。 报道称，苹果认为自身尚未跟上竞争对手的步伐。 未来数月，Siri预计将获得细粒度控制苹果第一方应用的能力，包括在照片中旋转和裁剪图像，以及整理Safari标签页。 上述细粒度应用控制能力仍属未来数月的预期改进。

IT之家 11 月 8 日消息，彭博社记者马克 · 古尔曼在今晚更新的《Power On》时事通讯中爆料，曾主导 Vision Pro 头显开发、同时负责新版 Siri AI 项目的迈克 · 罗克韦尔，仍在认真考虑 离开现有岗位 。 古尔曼披露，罗克韦尔或将于明年 卸任 Siri 工程副总裁，甚至彻底离开苹果 。新版 Siri 跳票了两年才得以上市，考虑到罗克韦尔在其中发挥的作用，他的离开将给苹果造成重大损失。 IT之家获悉，如果罗克韦尔最终离职，或在苹果内部转任其他岗位，更多工作预计将交给两名高管：去年从谷歌加入苹果、负责加强 AI 业务的阿马尔 · 苏布拉马尼亚，以及费德里吉的副手塞巴斯蒂安 · 马里诺。 苹果内部一些人认为，马里诺未来 有望接替费德里吉出任软件工程主管 ，而且他对 AI 发展的态度更加积极。据悉，马里诺负责的团队主要承担 将 AI 技术整合到 iOS 系统 中的工作。 不过，苹果距离真正启动软件工程主管的接班程序仍有很长一段时间。古尔曼称，费德里吉牢牢掌握着软件工程部门的控制权，并没有把培养接班人放在重要位置，也未建立明确的继任安排。 因此，潜在接班人缺乏争取这一职位的机会。费德里吉执掌软件工程部门已有十多年，也没有迹象表明他打算像部分苹果高管一样，在未来几年内离职。

彭博社记者马克·古尔曼称，苹果CEO约翰·特努斯敦促软件工程主管克雷格·费德里吉加快AI业务发展，并采取更大胆的策略，将Siri升级为可自主替用户完成任务的AI智能体。 古尔曼称，特努斯对费德里吉未能像竞争对手那样积极拥抱AI感到不满，要求加快开发进度，不能满足于仅完成Siri必要功能升级。 苹果去年因原AI负责人约翰·詹南德雷亚无法兑现对Siri的承诺，改由费德里吉接管开发，并在相对短时间内推出能够正常运行的新版助手。 费德里吉通常只制定未来12至18个月的计划，而苹果硬件部门习惯提前数年规划产品，两种工作方式有时难以协调。 上述内容来自彭博社记者马克·古尔曼在《Power On》时事通讯中的披露。

IT之家 11 月 8 日消息，美国 CNBC 分析亚马逊的招聘信息发现，过去几个月，亚马逊组建了一支新团队，准备开发 一款前所未有的机器人产品 。 亚马逊近期发布的一则工程师招聘信息写道：“机器人即将走出电影，进入我们的家中。”这条被撤掉的招聘信息透露，新产品能够 适应不断变化的家庭环境 ，并在人类家庭成员身边自主活动。 亚马逊一向愿意押注长期项目，即便短期内不被外界理解，只要能够 帮助公司抢占新市场的先机 ，就值得投入。此前的 Alexa 语音助手和 Kindle 电子书阅读器，都采用了这种发展策略。 亚马逊 CEO 安迪 · 贾西在最近的年度股东信中重申了这一思路，认为人工智能和机器人技术将带来人们一生中最重大的变革之一。“我们努力预判什么能让客户每天的生活更轻松、更美好，并创造下一个重大转折点。” LinkedIn 个人资料显示，今年早些时候，亚马逊将 Astro 项目的大部分成员调往其他岗位，还聘请了一名麻省理工学院的机器人专家参与家用机器人研发。 至于新团队究竟打算开发什么样的家用机器人、能让机器人完成哪些任务，目前还没有明确消息。不过，亚马逊 6 月的一则招聘信息透露，研发目标不仅是让机器人具备实用功能，还要让用户 在使用过程中感到愉悦 。 回顾以往，亚马逊创始人杰夫 · 贝索斯曾在 2017 年做出一项大胆决定。

自10月27日灵光2.0上线以来，一周内已帮助用户管理超116万项事务，执行超360万次任务。 灵光用户已突破2000万。 过去，用户需要先发现问题、提出需求，再由AI执行。 如今，在获得用户授权后，灵光能够结合已接入的信息与服务，主动识别潜在需求，并发起分析、监测和跟进，并在需要用户关注的节点及时提醒。

OpenAI DevDay Exchange 于上周五在圣保罗举行，现场约有一千人参加。

Maki转发称，她与Kris Narane参加OpenAI DevDay[Exchange（圣保罗）]期间，被认为是该活动中规模最大的博主群体。

利物浦城市地区综合管理局开放登记意向，以参加2026年利物浦城市地区AI峰会。 材料仅说明参会意向登记，未提供峰会具体举办日期、地点、线上或线下形式、报名截止时间及适用人群。

Meta Global AI Developer Hackathon 2026 正在征集申请，奖金最高为100万美元。 材料仅说明Meta Global AI Developer Hackathon 2026征集申请及最高100万美元奖金，未提供报名截止时间、举办时间地点、参赛方式或适用人群。

傅盛发布新视频，主题是杨天真跨界做AI投资的动机与能力依据。

视频介绍一种能够控制游戏角色和机器人的AI技术。

一项ACL论文研究了在上下文学习过程中不更新模型参数时，窄领域错误示例是否会使模型在无关的正常问题上产生有害或误导性回答；这种现象被称为“涌现式错位”。

视频以论文助手「小埋」的查询日志为例，演示将包含工具调用、搜索结果和最终回复的Agent轨迹整理为SFT样本。 视频介绍如何将Agent日志整理为messages和tools结构，并处理模型交错调用工具时保留调用与参数、清除多余正文的问题。 视频使用模型原始apply_chat_template逐token检查工具调用或回复的loss计算起点，以及工具返回和历史消息在上下文中的保留方式。

Video-Coder提出代码驱动的视频生成代理范式，由代理自主编写并执行代码构建动态3D场景，为下游视频生成器提供结构与运动信号。 研究构建了Video-Coder-SFT-6k和Video-Coder-RL-2k两个包含多样提示词与真值参考视频的数据集，并设计集成代码执行、3D场景渲染和执行反馈的统一交互环境Video-Coder Harness。 实验显示，Video-Coder使Minimax-H3在PhyGenBench上提升约7分，在VBench-2.0上提升24分。 该工作称自己是首个训练代码驱动视频生成代理的尝试，并表示数据、模型和代码已全部开源。

研究提出智能体推理缓存方法，从大语言模型推理轨迹中构建可在CPU上执行的稳健推理缓存。 实验显示，CPU-ARC在多项困难数学和科学任务上达到与前沿大语言模型相当的表现。 CPU-ARC可完全解释、持续训练，并能抵抗输入扰动。 CPU-ARC的调用成本比源模型低16至291倍。

研究提出条件流匹配框架，在一次生成中联合建模多人的全局轨迹与根节点相对姿态，以表示具有多种合理延续的未来动作。 方法以B样条重参数化压缩生成状态空间并保持时间平滑性，再用双流Transformer根据已观察到的邻居动作预测每个人。 FlowMoP在CMU-Mocap的UMPM和3DPW上取得当时最佳表现，其联合位置误差、姿态误差和最终位移误差优于确定性基线。 研究还建立了WorldPose上的首个动作预测基线，作者称社会条件信息会使预测不确定性集中于受交互约束的方向。

局部分级卷积等价于齐次微分算子；局部特征具有尺度不变性，当且仅当其通过尺度归一化射流或在不使用尺度时通过分级加权球面上的收缩映射。 在未知高斯模糊下，射流映射仅发生尺度变化，而尺度归一化射流会产生径向归一化无法消除的分级因子。 在零射流处，射流映射能够区分径向归一化和连续分类器无法区分的图像族。 基于该射流映射构建的网络对不变特征具有普适性。 在MNIST上，该网络承受两像素模糊时准确率为88.4%，同网络的尺度归一化导数版本为66.2%；在Lindeberg高斯导数网络中，加入该射流映射后，模糊条件下准确率由91.5%提升至95.1%。

研究采用累积前景理论而非期望奖励评估臂的非参数 bandit，并提出将均值估计与基于累积前景理论的决策相解耦的乐观算法 Non-Parametric CPT Bandits（NPCB）。 NPCB 的累积前景理论遗憾界为 $\widetilde{\mathcal O}\bigl(\sqrt{T\,\dim_E(\mathcal F,T^{-2})\,\log N(\mathcal F,T^{-2},\|\cdot\|_\infty)}\bigr)$，其阶数与经典非参数 bandit 相同，表明累积前景理论的风险敏感性不会带来额外的阶数级遗憾成本。 该方法被扩展至噪声累积分布函数未知的情形，保留已知累积分布函数时的均值学习项，并加入由分布式 Eluder 维度控制的累积分布函数学习成本。 研究涵盖连续动作空间和臂相关噪声；核 CPT bandit 针对广泛的核获得基于信息增益的遗憾界，其结果与对应的风险中性核 bandit 速率仅相差对数因子。 核 CPT bandit 的遗憾界适用于广泛的核，并与对应的风险中性核速率相匹配，最多相差对数因子。

DreamX将预训练视频扩散模型重新用于通用潜在动作学习，从其时空特征中提取紧凑的潜在动作。 该方法将每个潜在视频帧压缩至4个词元，压缩幅度为300倍。 DreamX在LARY-Bench上取得了潜在动作模型中的领先表现。 学习通用动作表示需要建模在不同动作执行中保持一致、且不受具身形态和外观变化影响的动态。 其潜在空间可作为跨人类与机器人、跨环境和跨动作参数化的共享动作接口。 该潜在空间支持任意到任意的视频迁移，以及跨不同具身形态和环境的零样本动作迁移。

Simon Willison称，他让运行于常规Claude Chat的Claude Opus 5.5 Medium在原对话中把Three.js作品移植为Vanilla JS。 移植后的版本使用Vanilla JS和WebGL而未使用Three.js。 两个版本并不完全相同，Simon Willison表示他尚未完全理解其差异原因。 Simon Willison认为Three.js版本的代码略易于理解，但他很少查看这类3D项目的代码，因此认为这一差异影响不大。 该结果是Simon Willison在常规Claude Chat中使用Claude Opus 5.5 Medium完成的个人试用记录。

作者实测了前两天上线的 GPT-Image-2.6，整理出 10 个 GIF 玩法提示词，并测试三项新能力。

课程从零到一搭建具身智能机器人，涵盖强化学习、World-Model、VLA 等智能决策方法的工程落地。 课程贯穿仿真环境、控制器、运动规划、感知系统等技能模块，并在真实项目中跑通“决策—控制—感知”完整链路。

该 GitHub 项目的定位是学习并实践 AI 工程，涵盖从学习、构建到交付项目。 项目标签包括 agents、ai、ai-agents、ai-engineering 和 computer-vision。 现有材料仅提供项目名称、简介与标签，未说明具体课程内容、学习前提或适用人群。

作者测试了一种小型GPT：它能记住作者提供的全部事实，却无法回答任何需要组合其中两项事实的问题。 作者尝试了近期论文提出的一行修复方法，但该方法仅部分奏效。

教程详细讲解如何使用QLoRA方法对Gemma 4模型进行微调，以构建自动化客服系统。内容涵盖LoRA与QLoRA原理、开发环境配置、数据准备及基于Bitext客服数据集的监督微调全流程，适合希望掌握大模型参数高效微调技术的开发者学习。

DeepLearning.AI 推出《Document AI: From OCR to Agentic Doc Extraction》课程，教你构建智能体系统来解析文档，并从图表、表格、表单等视觉组件中抽取信息。课程覆盖从传统 OCR 到基于智能体的文档抽取技术路线，适合想掌握文档 AI 工程化落地的开发者学习，能学到如何让抽取结果与文档视觉结构对齐。

该教程介绍如何使用AgentScope从零搭建本地智能体工作台。

该项目提供11章分步教程，使用约5000行TypeScript或Python从零复现Claude Code的核心架构，帮助理解coding agent的设计。 课程面向希望从零构建Claude Code并理解其核心架构的学习者。

教程指导开发者使用 Python 构建电动车购买顾问和客服智能体。

教程将比较使用LoRA微调大语言模型与采用冻结嵌入及Sklearn分类头这两种特定领域适配策略。 材料仅说明教程的比较范围，未提供发布日期、具体模型、适用平台或版本信息。

DeepLearning.AI 推出的短课程，教授如何使用 OpenAI Canvas 与 AI 协作完成写作、编程和创作任务。学习者将掌握 Canvas 的核心交互方式，包括文本编辑、代码生成与调试等场景下的协作技巧。适合希望提升 AI 辅助工作效率的产品经理、开发者与写作者。

该课程围绕LLM推理，讲解推理原理，并指导学员从零构建mini-sglang。 课程还带学员阅读真实的SGLang源码并完成首个PR，适合希望参与SGLang开源贡献的学习者。 课程提供英文和中文两个版本。

该教程项目名为 Hello Claw，定位为从零开始构建第一只“龙虾”助手。

课程教你在 JAX 上从零构建并训练一个 20M 参数的 LLM，覆盖现代 AI 开发的关键技术。适合想深入理解 LLM 训练流程、Transformer 与 JAX 框架的学习者，能学到模型搭建、训练循环及 JAX 在大模型中的实践用法。