SPEX 算法：在大模型中定位关键交互
深度2026年3月13日5 分钟阅读
理解大语言模型（LLM）等复杂机器学习系统的行为是AI领域的关键挑战。BAIR团队提出的SPEX和ProxySPEX算法，利用稀疏性和层次性等结构特性，将交互发现的规模从数十个组件扩展到数千个，显著降低了计算成本。
本文编译自 Identifying Interactions at Scale for LLMs，版权归原作者所有。
觉得有用？分享给更多人
相关文章
AI Agent的可靠性瓶颈不在模型能力，而在于上下文层的质量。团队需要构建结构化的领域知识图、精确的工具检索（如假设调用匹配）、以及执行层的安全护栏。基础设施的差距正在成为团队间的分水岭。
深度The New Stack·7月18日·10 分钟
作者在 fd 代码仓库中对 Grok 4.5 和 Claude Opus 4.8 进行了三项对比测试（bug 修复、重构、功能开发）。结果显示，Grok 使用了 Opus 约 23% 的 token、约 32% 的时间，成本仅为约 1/5，且代码质量几乎相同。
深度The New Stack·7月18日·8 分钟