PolicyGuide:从防护单项操作到引导完整的合规工作流
PolicyGuide旨在帮助客服LLM代理遵守组织政策。该系统将各领域政策编译为工作流图,并在每轮用户交互结束时检查代理状态,识别身份验证、确认等遗漏要求,再沿合规路径提供分步骤的修正建议。在涵盖航空、零售和电信领域的τ²-bench评估中,GPT-5.4代理的平均Pass^4得分从0.42提升至0.62,其中工作流结构最明显的电信领域提升最大。相同工作流也能迁移到Claude Sonnet 4
AI 新闻中心 过去7天分析了 927 篇文章,发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。
PolicyGuide旨在帮助客服LLM代理遵守组织政策。该系统将各领域政策编译为工作流图,并在每轮用户交互结束时检查代理状态,识别身份验证、确认等遗漏要求,再沿合规路径提供分步骤的修正建议。在涵盖航空、零售和电信领域的τ²-bench评估中,GPT-5.4代理的平均Pass^4得分从0.42提升至0.62,其中工作流结构最明显的电信领域提升最大。相同工作流也能迁移到Claude Sonnet 4
OpenAI表示,未来三个月将把开发者使用其先进模型GPT-5.6 Sol API的价格下调逾20%。新价格为每100万个输入令牌4美元、每100万个输出令牌20美元。此次降价措施将限时实施三个月。
Apple Music 将要求艺人为人工智能生成的音乐添加标注,让用户了解自己收听的内容是否由 AI 制作。不过,一些用户认为仅靠标注仍然不够,主张平台彻底禁止 AI 生成音乐。
据《商业内幕》记者凯蒂·鲁夫援引消息人士报道,利用人工智能帮助协调 Medicare Advantage 参保者医疗服务的 Devoted Health,正以250亿美元的估值进行新一轮融资。目前这笔交易尚未得到官方确认。
Liquid Death创始人兼首席执行官迈克·塞萨里奥谈到,公众对数据中心快速扩张的反对情绪正在上升。尽管市场仍广泛关注人工智能投资,但围绕数据中心增长的舆论已明显转为负面。他在彭博社《The Close》节目中接受罗曼·博斯蒂克采访,并谈及公司进行首次公开募股的可能性。
领英于7月30日宣布推出“看起来像AI垃圾内容”按钮。公司首席产品官哈里·斯里尼瓦桑表示,已有超过100万人点击该按钮。用户可以通过帖子的三点菜单访问这一功能。
美国国家工程院院长、加州大学伯克利分校工程学院前院长刘秋菊,讨论英伟达、人工智能不断增长的能源需求以及半导体技术进展。她曾担任英特尔董事,并参与设计用于移动电话的芯片,分享了半导体技术对日常设备的影响。
据报道,谷歌、Micro1和Mercor都曾为精神航空的内部数据出价数百万美元。这家正在进行破产程序的廉价航空公司自5月以来一直停飞,并宣布将有序结束运营。其内部维基、电子邮件、源代码和电子表格可能成为宝贵资产,因为人工智能公司正竞相购买真实的企业运营记录,用于训练人工智能系统。
发表在《美国国家科学院院刊》上的一项新研究显示,社交媒体算法可能会优先推荐与用户价值观相冲突的内容。原因之一是,这些系统会高度重视用户对帖子的回复。但用户往往比起认同的内容,更容易对不赞同的内容发表评论。因此,推荐算法可能在无意中向用户的信息流推送更多具有争议性、或与其个人信念不一致的帖子。
英伟达表示,其通用编程智能体系统 AVO 完成了公开 ARC-AGI-3 测试集中 25 个环境的全部 183 个关卡,取得 100% 的成绩。据该公司技术博客介绍,完整的 AVO 智能体系统将 Claude Opus 5 的基准表现从 30% 提升至 100%。这一结果反映的是完整智能体系统的表现,而非底层模型单独运行时的表现。
Anthropic 已聘请 Amir Salek。Salek 曾在 2022 年前负责谷歌 TPU 业务,并参与创立谷歌的定制芯片项目。他将加入 Anthropic 的计算团队,帮助这家人工智能公司为开发自有半导体铺路。
英伟达的研究表明,即使底层AI模型并不擅长某项任务,通过微调和设计良好的智能体控制系统,AI智能体仍可能取得良好表现,并减少不当行为。研究结果凸显了模型之外的执行与控制架构的重要性,而不仅仅是模型本身的能力。
OpenAI美洲销售副总裁Kaylin Voss在其前任上司Denise Dresser离职一周后辞职。据报道,接连发生的人事变动促使销售团队的其他成员考虑辞职。
彭博社记者埃德·卢德洛关注 Anthropic 的最新动向。据报道,这家人工智能公司正准备进行一项规模可能匹敌甚至超过 SpaceX 创纪录 IPO 的上市交易。消息人士称,博通正在谈判筹集超过 600 亿美元债务,以帮助 Anthropic 等公司获得芯片和计算能力。市场还在密切关注英伟达,该芯片制造商将于下周公布财报。
关键不在于选择最大的模型,而在于找到最适合自身企业的模型。许多公司从比较 Copilot、GPT、Gemini、Claude、Grok,以及 DeepSeek 和 Qwen 等中国模型开始部署 AI。但相比品牌知名度和市场潮流,与现有系统的整合能力、实际运营环境以及具体业务需求更值得重视。