AITP
精选全部 AI 动态AI 日报Agent 接入我的简报我的追踪阅读偏好内容方法关于更新日志信源提报反馈
外观
登录 / 注册
AITOP

数据挖掘

共 4 条相关 AI 资讯
8月13日
17:45
17:45官方账号LangChain@LangChainAI
精选
LangChain的Viv在AI Engineer World Fair上分享持续改进智能体的方法论。他认为智能体会遵循Evals中编码的行为,因此高质量Evals来自大规模挖掘生产数据。他还提出了用开源模型搭配Harness与PostTrain的“三明治”配方来定制智能体系统。演讲强调不存在通用模型或通用Harness,针对具体任务优化模型与框架组合效果更好。
技巧LangChain智能体数据挖掘

推荐理由:LangChain的Viv分享了一套改进智能体的实战思路,核心是用生产数据挖Evals,还给了Harness-PostTrain的开源模型配方。
原文
7月7日
23:45
23:45官方账号LangChain@LangChainAI
LangChain CEO Vtrivedy10 在 aiDotEngineer World's Fair 演讲,强调从 trace(追踪)数据中挖掘是理解智能体(agent)行为的关键。他指出,这能帮助公司大规模策划数据,并建立改进循环。该演讲聚焦如何通过 trace 数据驱动智能体性能提升,而非具体产品更新。
技巧LangChain智能体trace

推荐理由:LangChain 老大分享怎么用 trace 数据搞懂你的智能体,还能循环改进,做 AI 应用的一定要听。
原文
23:36
23:36Harrison Chase@hwchase17
Viv在一篇博客中指出,无论通过强化学习还是工程优化,改进智能体的核心都转化为对轨迹(traces)的数据挖掘问题。该观点将智能体开发重新定义为数据处理任务,并讨论了如何利用轨迹数据提升性能。博客未涉及具体基准或版本号,但提出了方法论层面的见解。
技巧智能体RL轨迹

推荐理由:Viv说改智能体就是挖轨迹数据,这角度挺新,做Agent的可以看看。
原文
7月5日
17:46
17:46IT之家(博客/媒体)
复旦大学'数据挖掘技术'课程期末改为'人考AI',学生每人出10道计算题,挑战三个AI模型:DeepSeek V4-Flash、MiniMax M2.7和Claude Sonnet 4.6。答错题数越多得分越高,DeepSeek答错一题+1.5分,MiniMax+2分,Claude+3分。51份试卷中,50人至少让一个AI答错一题,4人让某个模型得0分,但Claude未被完全考倒。全班平均分85.7,中位数88。
行业复旦大学DeepSeek V4-FlashMiniMax M2.7
事件专题

推荐理由:复旦让学生出题考AI,DeepSeek和MiniMax都被考倒,4人让AI得了0分。看看学生怎么找到盲区的。
原文
精选全部日报登录