标签: #机器学习

原文：New course: Document AI: From OCR to Agentic Doc Extraction, built with @LandingAI, where I'm executive chairman, and taught by David Park and Andrea Kropp.

Much of the world's data is locked in PDFs, JPEGs, and other documents. This short course shows you how to build agentic https://t.co/dG9SwmFgKq 中文：新课程：文档AI：从OCR到代理文档提取，由@LandingAI构建，我是执行主席，由David Park和Andrea Kropp教授。

世界上大部分数据都被锁定在PDF、JPEG和其他文档中。这个短期课程将向您展示如何构建代理（agentic）系统。

---

总结：

推文宣布了一个名为“文档AI：从OCR到代理文档提取”（Document AI: From OCR to Agentic Doc Extraction）的新课程。该课程由@LandingAI构建，其执行主席参与其中，并由David Park和Andrea Kropp授课。课程旨在解决世界上大部分数据被锁定在PDF、JPEG等文档中的问题，教授如何构建代理（agentic）系统来提取这些信息。

要获取更多关于此课程的详细信息，请访问：https://t.co/dG9SwmFgKq

原文：Happy 2026! Will this be the year we finally achieve AGI? I’d like to propose a new version of the Turing Test, which I’ll call the Turing-AGI Test, to see if we’ve achieved this. I’ll explain in a moment why having a new test is important.

The public thinks achieving AGI means

中文： 推文内容： 发推者在2026年伊始表达了对当年能否实现通用人工智能（AGI）的期待。 为此，他提议引入一个新版本的图灵测试，称之为“图灵-AGI测试”，以检验AGI是否已达成。 他指出稍后会解释为何需要一个新的测试标准。 推文中断处提到，公众普遍认为实现AGI意味着…… (此处内容不完整)

总结： 推文作者对2026年实现AGI抱有期待，并提出一个名为“图灵-AGI测试”的新测试方法来评估AGI的实现。作者认为有必要引入新的测试标准，并计划进一步阐述其重要性。推文最后提到了公众对AGI实现的一些看法，但具体内容不全。

原文：Another year of rapid AI advances has created more opportunities than ever for anyone — including those just entering the field — to build software. In fact, many companies just can’t find enough skilled AI talent. Every winter holiday, I spend some time learning and building,

中文：又一年的人工智能快速发展为所有人——包括那些刚进入该领域的人——创造了前所未有的软件构建机会。事实上，许多公司都找不到足够的熟练AI人才。每年寒假，我都会花时间学习和实践。

总结： 该推文指出，随着人工智能技术的飞速发展，为所有开发者（包括新手）创造了大量软件开发机会。与此同时，市场对熟练AI人才的需求旺盛，但供应不足。发推者个人习惯在寒假期间进行学习和实践，以跟上AI领域的发展。

原文：As amazing as LLMs are, improving their knowledge today involves a more piecemeal process than is widely appreciated. I’ve written before about how AI is amazing... but not that amazing. Well, it is also true that LLMs are general... but not that general. We shouldn’t buy into

中文： 大型语言模型（LLMs）尽管令人惊叹，但目前其知识的提升过程远比人们普遍认为的更为零碎。作者曾撰文指出人工智能虽然令人惊叹，但并没有那么神奇。同样地，LLMs虽然具有通用性，但并非完全通用。我们不应该盲目相信（推文在此处中断）。

总结： 推文作者认为，当前大型语言模型知识的增长是一个分散的过程，并非整体性的飞跃。作者强调，虽然LLMs和AI技术令人印象深刻，但其通用性并非绝对，呼吁读者不应过度神化或盲目相信其能力。推文内容不完整，在提出“不应该盲目相信”后戛然而止。

• 推文内容:

  • 新课程: 英伟达的 NeMo Agent Toolkit：让 Agent 更可靠。
  • 讲师: @Pr_Brian 来自 @NVIDIA。
  • 课程目的: 许多团队在将 Agent 演示转化为可靠的生产系统时遇到困难。这个短期课程旨在教授如何使用 NeMo Agent Toolkit（https://t.co/tnzdmTdD8k）将 Agent 工作流强化为可靠的系统。
  • 图片信息: （无）
  • 链接信息: 链接指向的是英伟达的 NeMo Agent Toolkit 介绍页面，该工具包旨在帮助开发者构建和部署可靠的生成式 AI 助手和多模态 Agent。它提供了模块化的工具，用于处理 Agent 工作流中的关键组件，例如：
    • 规划（Planning）: 自动分解任务、选择工具和构建执行路径。
    • 工具使用（Tool Use）: 集成各种外部工具和数据源。
    • 记忆（Memory）: 管理长期和短期记忆，以改进 Agent 行为。
    • 安全和保障（Guardrailing）: 确保 Agent 行为符合预期、安全且负责任。
    • 评估（Evaluation）: 评估 Agent 性能并进行迭代优化。

• 总结: NVIDIA 推出了一门新课程，名为“Nvidia's NeMo Agent Toolkit: Making Agents Reliable”，由 NVIDIA 的 @Pr_Brian 讲授。该课程旨在解决许多团队在将 Agent 演示转化为生产级可靠系统时面临的挑战。课程将重点教授如何利用 NVIDIA 的 NeMo Agent Toolkit 来强化 Agent 工作流，使其具备更高的可靠性。NeMo Agent Toolkit 是一个全面的框架，提供了一系列模块化工具，用于构建和部署先进的生成式 AI 助手和多模态 Agent，涵盖了规划、工具使用、记忆管理、安全保障和性能评估等关键方面。

原文：Sharing a fun recipe for building a highly autonomous, moderately capable, and very UNreliable agent using the open source aisuite package that Rohit Prasad and I have been working on. With a few lines of code, you can give a frontier LLM a tool (like disk access or web search), https://t.co/eolAKREtWn

中文： 这篇推文分享了一个使用开源aisuite包构建高度自主、功能适中但非常不可靠的智能代理的有趣方法。推文作者指出，只需几行代码，就可以为前沿大型语言模型（LLM）提供工具（例如磁盘访问或网络搜索）。

图片信息分析：

图片展示了一个使用aisuite包创建可玩贪吃蛇游戏的具体案例，包括：

1. LLM提示词（Prompt）：

   • 目标是“创建一个完整、可玩的贪吃蛇游戏”。
   • 执行规则：要求LLM静默执行所有工具，先写入HTML文件，然后提供简短总结。
   • 游戏要求：
     • 样式：干净、现代外观，页面居中，配色美观（深色背景、亮色蛇、对比鲜明的食物），清晰的分数显示。
     • 控制：使用方向键改变方向。
     • 说明：屏幕上显示操作说明。
   • 文件保存：使用write_file工具将游戏保存为snake_game.html，保存后需确认。

2. Python代码片段：

   • 导入aisuite和MCPClient。
   • 步骤1：初始化MCPClient以使用基于文件系统的工具。这里使用npx命令和@modelcontextprotocol/server-filesystem来访问文件系统。
   • 步骤2：使用前沿模型执行代理。通过ai.Client()创建一个客户端，然后调用client.chat.completions.create()。
     • model: 指定使用的模型，示例为"openai:gpt-5.1"（可替换为Gemini、Opus等）。
     • messages: 包含用户提示词。
     • tools: 传入文件系统可调用工具。
     • max_turns: 设置最大执行轮数为5。

3. 游戏截图：

   • 一个正在运行的“贪吃蛇”游戏界面，标题为“经典街机贪吃蛇 - 现代，键盘优先”。
   • 显示游戏状态为“运行中”，当前分数为0。
   • 控制说明：
     • 方向键用于“转向蛇”。
     • “空格键”用于“开始/暂停”。
     • “R”用于“快速重启”。
   • 游戏设置：
     • 网格大小为“16 x 16”。
     • 速度可调节：“Slower”（慢），“Normal”（正常），“Faster”（快）。
   • 提示：“在头部和尾部转弯时保持缓冲。”
   • “Esc”用于重置。

总结：

推文和图片共同展示了如何利用aisuite开源包，通过几行Python代码，结合大型语言模型和文件系统等工具，指导LLM自动化生成一个具有特定要求和交互功能的HTML版贪吃蛇游戏。这体现了使用LLM作为核心驱动力，配合工具实现复杂任务自动化的潜力，尽管该方法被描述为“非常不可靠”，暗示了当前此类自主代理仍面临稳定性和鲁棒性方面的挑战。

原文：Separate reports by the publicity firm Edelman and Pew Research show that Americans, and more broadly large parts of Europe and the western world, do not trust AI and are not excited about it. (Links in original text, below.) Despite the AI community’s optimism about the

中文：公关公司爱德曼（Edelman）和皮尤研究中心（Pew Research）的独立报告显示，美国人以及更广泛的欧洲和西方世界大部分地区不信任人工智能，也对其不抱热情。（原文中包含链接，在下方。）尽管人工智能社区对此持乐观态度

总结： 根据公关公司爱德曼和皮尤研究中心的报告，美国以及欧洲和西方世界的大部分地区对人工智能持不信任和不感兴趣的态度。这与人工智能社区普遍存在的乐观情绪形成了对比。

（注：推文原文中提及“Links in original text, below.”，但您未提供具体链接，因此我无法使用搜索工具获取额外信息进行补充。）

新的课程：使用工具执行构建编码代理（Building Coding Agents with Tool Execution），由@tereza_tizkova 和 @FraZuppichini（来自@e2b）教授。

大多数AI代理仅限于预定义的功能调用。本短期课程将教你如何构建能够编写和执行代码以完成任务的代理。

详情请访问：https://www.deeplearning.ai/short-courses/building-coding-agents-with-tool-execution/

关于是否存在人工智能（AI）泡沫的讨论正在升温，尤其是在OpenAI等公司巨额投资AI基础设施以及英伟达（Nvidia）市值一度达到数万亿美元的背景下。许多人都在质疑AI投资的价值是否已被投机和炒作推高至不可持续的水平。

支持“AI泡沫”论的观点和担忧：

1. 巨额投资和快速支出： 有报道指出，AI市场正迈向万亿美元级别，OpenAI、微软、Meta等公司正在以前所未有的速度和规模投入巨资。这让人联想到过去的科技泡沫。
2. 英伟达的高市值： 英伟达作为AI芯片领域的领导者，其市值曾飙升至数万亿美元，成为华尔街最有价值的公司之一。这种快速增长引发了对其估值合理性的疑问。
3. 与互联网泡沫的比较： 著名的“大空头”投资者迈克尔·伯里（Michael Burry）曾将AI市场比作互联网泡沫，暗示其中可能存在过度炒作。
4. “循环交易”的担忧： 一些批评指出，英伟达对其客户（如OpenAI）进行战略投资，而这些客户又用这些资金购买英伟达的芯片，这种“循环交易”模式引发了对其真实市场需求的质疑。

反驳“AI泡沫”论或提供不同视角的观点：

1. 客户基础的差异： 与2000年互联网泡沫时期思科（Cisco）的客户（脆弱的互联网初创公司）不同，英伟达的客户主要是资金雄厚的大型科技公司，这些公司的财务状况更为稳健。
2. 强劲的潜在需求： 英伟达辩称，其战略投资的公司正在迅速增长营收，这表明市场对AI应用存在强劲的底层需求。
3. 垂直整合的战略： OpenAI等公司致力于计算、数据和模型训练的垂直整合，这可能是一种更具控制力和可持续性的发展路径。
4. 实际生产力提升的潜力： 如果AI技术能够带来预期的生产力提升，那么当前的投资可能是合理的。

潜在风险：

如果AI带来的生产力提升未能达到预期，企业支出可能会缩减，云计算服务商可能会减少资本开支，计算成本可能下降，这可能导致芯片订单减少，从而影响相关公司的业绩。

总结：

目前，关于AI是否存在泡沫的看法不一。一方面，巨额的资金投入、快速增长的市场估值以及与历史泡沫的对比，都让一些分析师和投资者感到担忧。另一方面，支持者则认为，AI技术带来的变革潜力巨大，且当前的市场参与者与过去的泡沫时期有所不同，拥有更坚实的财务基础和更清晰的商业模式。最终，AI生产力提升的实际效果将是判断当前投资是否可持续的关键因素。

原文：Releasing a new "Agentic Reviewer" for research papers. I started coding this as a weekend project, and @jyx_su made it much better. I was inspired by a student who had a paper rejected 6 times over 3 years. Their feedback loop -- waiting ~6 months for feedback each time -- was https://t.co/23V905fSqsHere is the original image: [Image of paperreview.ai website]

中文：我们正在发布一个新的“Agentic Reviewer”研究论文评审工具。这个项目最初是我周末的一个编程项目，后来由@jyx_su进行了极大的改进。我的灵感来源于一位学生，他的论文在三年内被拒稿六次，每次反馈周期长达约六个月。这个漫长的反馈周期促使我开发了这个工具。

总结：

这篇推文介绍了由斯坦福机器学习小组（Stanford ML Group）发布的一款名为“Stanford Agentic Reviewer”的AI论文评审工具。

1. 项目背景与灵感：

   • 该工具最初是一个周末项目，由推文作者发起，并由@jyx_su进一步完善。
   • 开发的灵感来源于一位学生，其论文在三年内被拒稿6次，每次评审的反馈周期长达约6个月，凸显了当前同行评审流程的低效。

2. 工具名称与网址：

   • 该工具名为“Stanford Agentic Reviewer”，通过 paperreview.ai 网站提供服务。

3. 工作流程（根据图片信息）：

   • 步骤 1：上传与提交 - 用户上传研究论文的PDF文件并输入电子邮件地址。
   • 步骤 2：获取通知 - 当AI评审完成时，用户将收到电子邮件通知。
   • 步骤 3：查看评审 - 用户返回网站查看AI生成的评审意见和改进建议。

4. 文件要求：

   • 支持PDF格式文件上传。
   • 文件大小上限为10MB。
   • AI将分析论文的前15页内容。

这个工具旨在通过利用AI技术，显著缩短研究论文的反馈周期，从而帮助研究人员更高效地修改和完善他们的工作。

原文：I just got back from AI Dev x NYC, the AI developer conference where our community gathers for a day of coding, learning, and connecting. The vibe in the room was buzzing! It was at the last AI Dev in San Francisco that I met up with Kirsty Tan and started collaborating with her https://t.co/9q1nE3VA7A

中文： 这是一篇关于参加AI开发者大会“AI Dev x NYC”的推文总结。

推文主要内容： 推文发布者近期参加了在纽约举办的AI开发者大会“AI Dev x NYC”。该会议旨在为AI开发者社区提供一个交流、学习和共同编程的平台。推文描述现场气氛非常活跃和热烈。此外，推文提及在上次旧金山举办的AI Dev大会上，推文发布者结识了Kirsty Tan并开始了合作。

图片信息分析： 图片展示了会议现场的多个场景：

1. 主会场景象： 大屏幕上显示着标题为“The national sentiment on AI”（国家对AI的情绪）的演讲内容，一位演讲者正在台上进行演示，台下坐满了观众，气氛热烈。
2. 专题讨论（Panel Discussion）： 另一张图片显示了题为“Software Development in the Age of AI”（AI时代的软件开发）的专题讨论会。屏幕上展示了四位讨论嘉宾的头像和姓名，包括Laurence Moroney, Andrew Ng, Malte Ubl和Fabian Hedin。根据上下文，Kirsty Tan很可能也是此次或类似讨论的参与者。
3. 参会人员： 图片中可以看到许多参会者在认真听讲，其中一张特写显示一位女性（可能为Kirsty Tan）正在手持麦克风发言，旁边坐着两位男士，进一步证实了会议中的互动和讨论环节。

链接信息补充： 由于未提供工具tavily_extract的输出，因此无法具体补充链接https://t.co/9q1nE3VA7A中关于Kirsty Tan或合作的详细信息。如果能访问该链接，可以获取更多关于Kirsty Tan的专业背景、合作项目内容等，从而使总结更加完整。

总结： 这条推文表达了作者对AI Dev x NYC大会的积极感受，强调了会议在技术交流、学习和人际连接方面的重要性。图片直观地展示了大会的盛况，包括主题演讲、专题讨论以及活跃的参会者，其中“The national sentiment on AI”和“Software Development in the Age of AI”是会议的重点议题。同时，推文还透露了作者在AI社区中的长期参与和合作经历，特别是与Kirsty Tan的合作关系。

原文：I just dumped the latest NVIDIA 10-Q earnings report, released an hour ago, into Agentic Document Extraction, and the results are really accurate! Left side of the image shows the original PDF; right side shows the extracted info, including e.g. the $57.01B revenue in the most https://t.co/AckDsFKuRn

中文：我刚刚将一小时前发布的最新英伟达（NVIDIA）10-Q财报导入到“Agentic Document Extraction”工具中，结果非常准确！图片左侧显示的是原始PDF文件；右侧显示的是提取出的信息，包括最新的570.1亿美元营收等。

---

总结:

该推文分享了用户使用名为“Agentic Document Extraction”的工具处理英伟达（NVIDIA）最新10-Q财报的体验。

主要内容：

• 工具使用：用户将英伟达最新发布的10-Q财报（发布时间约一小时前）导入到“Agentic Document Extraction”工具中。
• 准确性：用户对该工具提取信息的准确性表示高度赞扬。
• 视觉展示：推文附带的图片清晰地展示了原始PDF文件（左侧）与该工具提取出的结构化信息（右侧）的对比。
• 关键数据点：推文中特别提到了工具成功提取了最新财报中的570.1亿美元营收数据。

图片分析（基于OCR和视觉信息）：

图片展示了“Agentic Document Extraction”软件界面，左侧显示的是一份名为“NVIDIA 10Q.pdf”的文档内容，具体是英伟达公司及其子公司的合并简明收益表（Condensed Consolidated Statements of Income），包含三个月和九个月的财务数据，截止日期为2025年10月26日和2024年10月27日。

右侧显示的是该工具从PDF中提取出的结构化数据，格式类似于表格或JSON，内容与左侧PDF中的财务数据完全对应，包括：

• 收入（Revenue）：
  • 截至2025年10月26日的三个月：57,006（百万美元）
  • 截至2024年10月27日的三个月：35,082（百万美元）
  • 截至2025年10月26日的九个月：147,811（百万美元）
  • 截至2024年10月27日的九个月：91,166（百万美元）
• 毛利润（Gross profit）：
  • 截至2025年10月26日的三个月：41,849（百万美元）
• 营业收入（Operating income）：
  • 截至2025年10月26日的三个月：36,010（百万美元）
• 净收入（Net income）：
  • 截至2025年10月26日的三个月：31,910（百万美元）
• 每股净收益（Net income per share）：
  • 基本（Basic）：1.31美元
  • 稀释（Diluted）：1.30美元

补充信息（来自链接分析）：

推文中的链接 https://t.co/AckDsFKuRn 是一个短链接，指向了 https://va.landing.ai/my/playground/ade。该页面标题为“Agentic Document Extraction”，进一步确认了该工具的名称。由于这是一个应用界面，且未提供公开可浏览的信息，无法获取更多关于该工具的详细功能介绍或新闻。但从推文内容和截图来看，“Agentic Document Extraction”是一个用于从PDF等文档中提取结构化数据的工具，并且在处理财务报告方面表现出色。

原文：New course announcement: Semantic Caching for AI Agents, taught by @tchutch94 and @ilzhechev from @Redisinc.

Semantic caching can significantly reduce your AI application's inference costs and latency. If someone asks "How do I get a refund?" and another later asks "I want my https://t.co/4ZMLEFr0iq

中文： 推文总结：

该推文宣布了一门新的课程，主题为“AI 代理的语义缓存”（Semantic Caching for AI Agents）。

• 课程讲师： @tchutch94 和 @ilzhechev
• 讲师所属机构： @Redisinc
• 课程核心价值： 语义缓存能够显著降低 AI 应用的推理成本和延迟。
• 示例说明： 推文中举例说明了语义缓存的应用场景，例如当有人问“我如何获得退款？”（How do I get a refund?）后，另一个人稍后提出的类似问题，语义缓存能够有效处理。
• 链接补充： 推文中包含一个链接 https://t.co/4ZMLEFr0iq，但该链接无法访问，因此无法获取更多相关信息。

这条推文主要表达了 DeepLearningAI 团队的自豪。

总结：

当 Cloudflare 服务中断时，DeepLearningAI 的工程师团队迅速利用 AI 编程技术，实现了一个基础的 Cloudflare 功能克隆版本，并将其部署到 DeepLearningAI 的网站上。因此，DeepLearningAI 的网站在许多大型网站之前就恢复了正常运行。

原文：I recently received an email titled “An 18-year-old’s dilemma: Too late to contribute to AI?” Its author, who gave me permission to share this, is preparing for college. He is worried that by the time he graduates, AI will be so good there’s no meaningful work left for him to do

中文：这封邮件的主题是“一个18岁年轻人的困境：为AI做贡献是否为时已晚？”，发件人是一位即将上大学的18岁年轻人。他担心等到自己大学毕业时，人工智能技术将发展得过于成熟，以至于他找不到有意义的工作可做。

新的课程发布公告：

课程名称：设计、开发和部署多智能体系统 (Design, Develop, and Deploy Multi-Agent Systems) 讲师：@joaomdmoura （CrewAI 联合创始人兼首席执行官） 内容简介：多智能体系统能够构建人工智能团队，通过协作实现复杂工作流程的自动化，其运作模式类似于人类团队。

相关链接：CrewAI

补充信息（来自CrewAI官网）： CrewAI是一个用于编排角色扮演式自主AI智能体（Agent）的框架。这些智能体能够协同工作，无缝执行复杂的任务。该框架使智能体能够共享目标、工具和内存，从而促进强大的协作智能。通过CrewAI，用户可以轻松创建、管理和扩展智能体团队，以应对各种挑战，从客户支持到研究分析，实现自动化和效率提升。

总结： 本次推文宣布了一门由CrewAI联合创始人兼CEO João Moura教授的新课程，主题是“设计、开发和部署多智能体系统”。课程旨在教授如何利用多智能体系统构建协作型AI团队，以自动化复杂任务，模拟人类团队的工作方式。CrewAI是一个专门用于编排此类AI智能体的框架，它强调智能体之间的目标共享、工具使用和内存协作，以实现高效的问题解决。

原文：AI agents are getting better at looking at different types of data in businesses to spot patterns and create value. This is making data silos increasingly painful. This is why I increasingly try to select software that lets me control my own data, so I can make it available to my

中文：AI 代理在分析企业中不同类型的数据以发现模式并创造价值方面变得越来越出色。这使得数据孤岛问题日益突出。正因如此，我越来越倾向于选择那些允许我掌控自己数据的软件，以便我可以将其提供给我的

总结： 这条推文指出了AI技术发展的一个趋势：AI代理（AI agents）在企业数据分析和价值创造方面的能力显著提升。随之而来的问题是，传统的数据孤岛（data silos）结构变得更加难以管理和利用。为了应对这一挑战，推文作者强调了数据主权的重要性，表示会优先选择那些能让用户自主控制数据的软件，以便更好地整合和利用这些数据。

原文：.@roelofbotha is one of the investors I've come to most respect, and I learned something new every time I spoke with him. Even beyond his leadership of @sequoia, his influence on how investors think is hard to overstate. His passing on the baton is the end of an era!

中文：Roelof Botha 是我最尊敬的投资者之一，每次与他交谈我都能学到新东西。即使超越他在红杉资本的领导地位，他对投资者思维方式的影响也难以 B夸大。他交出接力棒标志着一个时代的结束！

总结： 这条推文表达了对投资者 Roelof Botha 的高度尊重和认可。推文作者表示，Roelof Botha 不仅是其学习的榜样，他在红杉资本（@sequoia）的领导以及对投资者思维方式的深远影响都非常显著。推文最后指出，他的卸任标志着一个时代的终结。

原文：AI coding just arrived in Jupyter notebooks - and @brganger (Jupyter co-founder) and I will show you how to use it.

Coding by hand is becoming obsolete. The latest Jupyter AI - built by the Jupyter team and showcased at JupyterCon this week - brings AI assistance directly into https://t.co/qd9t1IWPVb

中文： Jupyter Notebooks 现已引入 AI 编程功能，Jupyter 联合创始人 @brganger 将与我一起向大家演示如何使用它。

手动编程正逐渐被淘汰。本周在 JupyterCon 大会上展示的最新 Jupyter AI 由 Jupyter 团队开发，将 AI 辅助功能直接整合到 Jupyter Notebooks 中。