AITOP
精选
过去 24 小时，从 728 条中筛出 40 条
全部模型产品行业论文技巧
标签：LLM根因诊断×
6月11日
15:28
15:23
15:07
6月1日
00:09
5月29日
14:02
14:02arXiv: OpenAI@Bowen Qin
精选72°
CI失败日志通常庞大且嘈杂（中位数5000行，最多20万行），编程智能体依赖上游工具将日志缩减为可管理的上下文，但此前缺乏公开的实证比较。LogDx-CI基准测试比较了11种上下文缩减工具（包括原始、tail、grep、三种RTK模式、两种LLM map-reduce摘要器、三种混合路由器）在35个真实GitHub Actions失败案例上的表现，由3个LLM调试器家族评分。关键发现包括：混合grep+tail路由器在成本和质量上占据帕累托前沿，前两名方法每个案例约0.03美元，质量与独立grep相当但token减少4.5倍；在智能体循环中，不同缩减工具的质量差距缩小了7倍，但弱上下文会导致智能体发出2-4倍的工具调用；跨家族LLM摘要-调试器组合（gpt-5-mini摘要器+Claude Haiku调试器）优于同家族组合，平均提升0.071分。所有数据、代码和可复现基础设施均已公开。
论文日志缩减CI调试LLM根因诊断基准测试GitHub Actions
推荐理由：做CI调试或AI编程智能体的团队终于有了可依赖的日志缩减基准——LogDx-CI直接告诉你哪种工具省钱又有效，建议做DevOps或Agent开发的点开看。
原文
08:02
AITOP5月29日 08:02
Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？🔥Anthropic 把 AI 编程的“确认键”彻底删掉了！Claude Code 搭载全新 Opus 4.8 模型，长时间任务不跑偏、不废话、不中断，像一个资深工程师一样默默干活，从功能开发到漏洞清扫全包圆，你在旁边喝茶等结果就行。过去 AI 写代码三步一问“这样可以吗”，现在它直接交完整交付物……自主编程的最后一层窗户纸，被捅破了。做自动化开发和代码审查的团队，这个模型建议直接上手，效率差距肉眼可见……Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？