OpenAI Codex Agent Loop 技术深度解析
OpenAI 对 Codex Agent Loop 进行技术解析,阐述 Codex CLI 如何利用 Responses API 协调模型、工具、提示和性能。
OpenAI 对 Codex Agent Loop 进行技术解析,阐述 Codex CLI 如何利用 Responses API 协调模型、工具、提示和性能。
OpenAI 的 ChatGPT 指南展示了小型团队如何利用 ChatGPT 分析数据、制作营销材料、管理预算、召开会议和做出更明智决策,提升工作效率。
Praktika 采用 GPT-4.1 和 GPT-5.2 模型,打造个性化自适应 AI 导师,实现课程定制、学习进度跟踪,助力学习者达到实际语言流利水平。
OpenAI 发布了关于设计、编排和部署 AI 智能体的全面指南,涵盖了用例、模型选择、工具设计、安全措施和多智能体模式。
OpenAI 发布了 GPT-5 模型系列实用指南,涵盖迁移到 Responses API、设计智能体、调整提示词、引导 GPT-5 模型以及构建可靠 AI 工作流等内容。
OpenAI 的 Codex 模型被用于理解代码、重构系统、提升性能、加速工程速度和优化工程流程。
OpenAI Grove Cohort 2 创始人计划现已开放申请,为期五周,面向处于任何阶段的初创企业创始人。参与者将获得 5 万美元的 API 信用额度、AI 工具的早期访问权限以及 OpenAI 团队的实战指导。
OpenAI 推出针对青少年及家长的 AI 智慧资源,旨在指导他们安全、自信地使用 ChatGPT,包含专家审核的负责任使用、批判性思维、健康边界和情感敏感话题支持等建议。
OpenAI 与美国新闻项目及 Lenfest 学院合作,推出 OpenAI Academy 训练平台,旨在帮助新闻机构有效利用 AI。该平台提供培训、实际应用案例和负责任使用指南,以支持记者、编辑和出版商在报道和运营中采用 AI。
OpenAI提出构建AI-ready组织的策略,包括明确战略、培训、治理和加速创新。
OpenAI 利用 Codex 在短短 28 天内成功推出 Sora for Android,AI 辅助的规划、翻译和并行编码工作流程助力敏捷团队实现快速、可靠的开发。
OpenAI 推出首个认证课程和 AI 基础课程,旨在帮助人们提升实际 AI 技能,增加职业机会,并适应未来工作。
OpenAI 举办了一场关于 Codex 在软件开发生命周期中应用的研讨会,探讨了如何利用 Codex 提高开发效率。
OpenAI 在工作中采用 ChatGPT Atlas,通过网络研讨会展示其应用。
Hugging Face 推出 ROCm 内核库,支持构建和分享针对 AMD GPU 的高性能深度学习内核,简化了编译和集成过程,提高效率和可移植性。该库支持 CUDA、ROCm、Metal 和 XPU 等多种 GPU 和加速器后端。
OpenAI 的 ChatGPT Enterprise 帮助飞利浦对 70,000 名员工进行 AI 素养培训,旨在提升全球医疗保健成果。
Hugging Face 博客介绍了在 Intel CPU 上运行 Vision Language Model (VLM) SmolVLM 的三个简单步骤,无需昂贵硬件或 GPU。步骤包括模型转换、量化以及运行推理,旨在优化模型,降低内存使用并提高推理速度。
Arm 将参加 PyTorch Conference,展示如何利用 PyTorch 和 ExecuTorch 使开发者轻松构建和部署 AI 应用。会议期间,Arm 将提供一对一研讨会,帮助改进产品可用性,并强调负责任的 AI 开发实践。此外,Arm 还将举办开发者对话会,了解开发者如何构建、部署和扩展 AI,以优化其下一代 AI 工具和 SDK。
OpenAI 发布 AgentKit,旨在加速开发者从原型到生产的过渡;同时,扩展了评估功能,并引入了针对智能体的强化微调工具。
Hugging Face 博客介绍了如何将 dots.ocr 模型转换为 Core ML 格式并在 Apple 设备上运行,以实现最先进的 OCR 功能。
推荐理由:介绍了如何将 dots.ocr 模型转换为 Core ML 格式并在 Apple 设备上运行,对开发者具有参考价值。
OpenAI 推出“OpenAI on OpenAI”系列,分享如何利用自身技术提升工作效率和知识规模,助力其他组织实现类似目标。
Hugging Face 博客介绍了 VibeGame,一款基于 three.js、rapier 和 bitecs 的高层声明式游戏引擎,专为 AI 辅助游戏开发设计。VibeGame 结合了 Roblox 的高抽象层次和 Web 的开放性,旨在解决现有平台在抽象层次和上下文管理方面的不足。
Qwen3-8B 模型通过 OpenVINO.GenAI 实现了约 1.3 倍的加速,采用深度剪枝草稿模型后,速度提升至约 1.4 倍。该模型支持工具调用、多步推理和长上下文处理,适用于复杂智能体工作流程。
Hugging Face 发布 Swift Transformers 1.0 版本,旨在帮助 Apple 开发者将本地 LLM 集成到应用中。该版本提供 Tokenizers、Hub、模型和生成等功能,支持 Swift 开发者使用 Core ML 和 MLX。版本 1.0 增强了 Tokenizers 和 Hub 模块,并支持 Swift 6,同时引入了 API 变更。
OpenAI 对 Codex 进行了升级,使其速度更快、更可靠,并支持通过终端、IDE、网页或手机进行实时协作和独立任务处理。
Hugging Face 推出 Gradio 库,简化可见水印添加,支持图像、视频和文本内容,增强 AI 内容透明度。水印可指定为文件名,支持 QR 码等,自动为文本生成添加归属信息。
Hugging Face 推出 Kernels 项目,旨在帮助开发者构建和扩展生产级 CUDA 内核。该项目提供了一套完整的工具和指南,包括如何从零开始构建现代 CUDA 内核,以及如何解决生产部署中的挑战。开发者可以利用 PyTorch 的现代 C++ API 和 kernel-builder 库,轻松开发、构建和部署自定义 CUDA 内核。
Hugging Face 推出的 Model Context Protocol (MCP) 允许智能模型与外部工具和数据源通信,实现通过自然语言请求自动化平台切换和交叉引用,提高研究发现的效率。MCP 集成了 Python 研究追踪工具,通过自然语言请求实现自动化研究,同时提供快速设置和详细文档,方便用户使用。
Hugging Face 发布了开源训练管道 Kimina-Prover-RL,用于 Lean 4 中的形式化定理证明,包括两个模型 AI-MO/Kimina-Prover-RL-1.7B 和 AI-MO/Kimina-Prover-RL-0.6B,均达到新的开源模型性能水平。
推荐理由:Kimina-Prover-RL 是一个开源的训练管道,旨在训练大型语言模型解决 Lean 4 中的形式化证明目标,读者可以了解其结构和应用场景。
Arm 发布了 Neural Super Sampling (NSS),一款面向图形和游戏开发者的下一代AI增强放大解决方案。该模型通过重建高质量输出帧,从低分辨率时间输入中实现高分辨率渲染,特别适用于移动游戏、XR和其他功耗受限的图形应用。
TextQuests是一个基于25款经典互动小说游戏的基准测试,用于评估LLM在文本视频游戏中的表现。该测试要求代理在长时间和不断增长的历史中推理和执行多步计划,并从经验中学习。评估结果显示,LLM在长上下文推理和动态思维方面存在挑战,例如幻觉和重复动作。
Hugging Face 的 Accelerate 与 Axolotl 集成了 ND-Parallel,提供了一种快速便捷的方式在训练脚本中使用任何组合的并行策略。通过 ParallelismConfig 类或 Axolotl 配置文件,用户可以轻松配置不同并行策略的程度和组合方式,以优化大规模模型训练的效率。
OpenAI 的 GPT-5 模型在编程和设计领域展现出新潜力,为开发者带来创新体验。
GPT-5 模型可辅助创意写作,提升创作效率。
OpenAI 的 ChatGPT 代理演示展示了其在线研究、编码和执行任务的能力,仅需几分钟即可完成商业计划。
Mistral AI 展示利用 LoRA 技术对 Pixtral-12B 进行微调,显著提升了其在卫星图像场景分类任务中的表现。针对 Aerial Image Dataset 基准测试,基础模型在区分密集住宅等模糊类别时存在幻觉且精度不足,而经过领域适配的微调版本能更准确捕捉视觉细微差异。该方案证明了通过少量精选样本即可高效实现特定领域的模型优化,优于纯提示词工程方法。
Figma 推出 Figma Make 工具,通过 AI 支持团队进行原型设计、协作和构建,重塑设计师、开发者和非技术创作者的工作流程。
Hugging Face Hub上的Gradio与Model Context Protocol (MCP)集成,使LLM可直接连接数千个AI模型和Spaces,实现从回答文本问题到解决实际问题的转变。
Intercom 构建可扩展 AI 平台,从评估到架构,总结出三项关键经验,以引领客户支持的未来。
OpenAI宣布ChatGPT新增学习模式,提供问题解答、支架式教学和反馈,帮助学生深入学习。