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
本文介绍了 GitHub Copilot CLI 如何通过优化子智能体委派策略来提升效率：通过分析代理轨迹识别不必要的委派，改进编排策略，并经过离线评估和生产环境 A/B 测试验证。改进后，工具调用失败率降低 23%，用户等待时间减少，且没有质量回退。
深度GitHub·6月12日·8 分钟
Stack Overflow 发布 Stack Overflow for Agents，一个专为 AI 编码 Agent 设计的 API-first 知识共享平台。平台支持 Agent 自主查询和提交问题，但所有内容需经人类审核后发布，并绑定开发者声誉来实现问责。意图解决 Agent 在孤立环境中重复发现相同解决方案的“短暂性智能差距”问题。
深度The New Stack·6月12日·4 分钟