Skip to content
所有分類

daily

969 篇文章

AI Engineer 面試日練 — 2026-11-09:ML Fundamentals

今天的核心是極端類別不平衡下的指標選擇:accuracy 在詐騙率只有 0.1% 的場景裡會失真,因為全猜「正常交易」就能拿到 99.9% 的 accuracy 卻抓不到一筆詐騙;precision 跟 recall 在業務上是互斥的兩個方向,recall 優先代表願意多誤判幾筆正常交易來換抓到更多詐騙;ROC-AUC 在高度不平衡下看起來會比實際情況漂亮,這時該換成 precision-recall curve 才看得出不同決策閾值下真正的取捨。練習題取自 Pensero AI Engineer 面試準備指南整理的常見問法——「0.1% 的交易是詐騙,為什麼 accuracy 不好,你會用什麼指標」——陷阱是只背得出 precision/recall 的公式,答不出閾值要怎麼跟著業務成本一起動。

框架更新|Microsoft Agent Framework python-1.25.0

Microsoft Agent Framework python-1.25.0 七個 BREAKING 變更全部圍繞「邊界隔離」:workflow 執行器與 session 綁死單一授權範圍、MCP session 改成每次呼叫都重開、沙箱錯誤訊息預設隱藏細節、拿掉 Python 3.10 支援。這是繼 9 月 1.19.0(也是四個 BREAKING、同樣聚焦 session 作用域)之後,MAF 第二次用整版篇幅收緊跨呼叫狀態隔離,而不是加新功能。

融資速報|OpenAI 新一輪 $11B(估值衝上 $1.25T,SoftBank、MGX 領投,首階段尚未全數到位)

OpenAI 首階段到位 $11B,估值 $1.25T,SoftBank、MGX 參與,整輪預計數週內收尾、上看 $20B——但這已經比原訂 $30B/$1.4T 的目標縮水不少。這筆錢代表連最大的 AI lab 都開始感受到公開市場回調對私募估值的壓力。

模型卡|ERNIE 5.5 Flash Base

百度 2026-11-05 開源 ERNIE 5.5 Flash Base:280B 總參數/14B 啟用參數的 MoE 基礎模型,33.5T token 預訓練、128K 訓練上下文(推論與微調支援 1M);純 pretraining checkpoint,未經任何後訓練;百度自報在 MMLU-Pro(78.4 vs DeepSeek 69.2)、HumanEval+(82.3 vs 69.5)等多項基準領先同量級開源模型;授權免費上限年收 5000 萬美元,但不含歐盟/英國/南韓

定價追蹤|Claude Opus 4.8 Fast Mode 11/30 下架,轉去 Opus 5.5 不但沒變貴還降兩成

Claude Opus 4.8 的 fast mode(研究預覽,$10/$50 每百萬 tokens)將於 2026-11-30 下架,官方建議遷移到 Claude Opus 5.5 的 fast mode(已 GA,$8/$40)。兩者都是各自標準價的 2 倍,但 Opus 5.5 標準價本身更低,所以遷移後單次 50 輪 coding agent session 成本從 $8.00 降到 $5.70,降 28.75%。

Product Builder 面試日練 — 2026-11-09:Product Sense

Human Delta 不是比 AI 更會想點子,是比 AI 更會抓『這個輸出哪裡怪』——面試考的是你有沒有先懷疑 AI 給的結論,而不是直接照著做;案例是一家消費電子公司少了這層審核,AI 自動上架把旗艦機種標成 85 折掛了三小時、700 多筆訂單才被抓到。

工具推薦|devvm — 讓密鑰留在主機,VM 連真值都拿不到

devvm 是一個 MIT 授權的開源 CLI,幫每個專案開一台隔離 VM 讓 coding agent 在裡面跑。安裝:brew install devvmhq/tap/devvm 或官方 install script。解決了 agent 在主機上直接跑時可能碰到 GitHub token、.ssh、.aws 等密鑰和檔案的問題——VM 預設只能連白名單上的主機,密鑰只在主機端的 proxy 裡換進請求,VM 本身從沒拿到真值。

AI Engineer 面試日練 — 2026-11-08:Behavioral(本週回顧)

AI Engineer 的行為面試常考「影響力不靠職位」:你要說服別的團隊幫你做事,但你不是他們的 manager。今天的故事框架是「推動跨團隊合作,讓 retrieval 改動真正上線」——核心是把你的需求翻譯成對方團隊在意的指標,並主動降低對方的執行成本,而不是單靠「多溝通」這種抽象說法。再回顧本週練過的 ML Fundamentals、Deep Learning & NLP、ML System Design、LLM & Agent Engineering,以及週五 Coding 這天意外中斷的紀錄。

融資速報|Kalepa Series B $75M(Updata Partners 領投,等了五年才再融資的保險 AI)

Kalepa 完成 $75M Series B,由 Updata Partners 領投,估值 $470M,距 2021 年的 Series A 隔了五年。這筆錢代表「AI agent 處理任務、人類專家簽核」的分工模式,在保險這種高風險監管產業裡已經被客戶的真實採購驗證。

Product Builder 面試日練 — 2026-11-08:Behavioral & Weekly Review

今天的核心是兩個框架疊著用:STAR 把故事講清楚,PEARL 多問一句『你的洞察是什麼』,用候選人有沒有看見別人沒看見的取捨來判斷層級;練習題是 Amazon 真題『你犧牲過短期利益換長期成果嗎』,案例是 Anthropic 行為面試用『誰先發現問題』而不是『誰解決了問題』來刷掉大半候選人。

AI Agent 月報 2026 年 9 月(補刊):四家實驗室的越界事件陸續曝光,攻擊者用 agent 放大攻擊,前沿模型接連降價

九月曝光的越界事件多半發生在春夏,到月底四家實驗室都有紀錄,美國和澳洲開始追問。同月,攻擊者用數百個 agent 打 PaperCut,波及 48 國,台灣也在內;前沿模型則接連降價,快取成了主要戰場。

AI Agent 月報 2026 年 10 月:常駐 agent 有限開放,監管開始追問,部分大客戶換模型

十月,常駐 agent 開始有限開放,美歐監管機關開始追問越界事件,部分大客戶也開始換模型,價格是重要原因。台灣最具體的案例 91APP,破口是沒補的漏洞和外洩的金鑰。

AI Engineer 面試日練 — 2026-11-07:Paper Reading

今天的論文是 ARCBench(arXiv:2611.03223,2026-11-02 發布),在真實的 tool-calling agent 迴圈裡量壓縮前後的規則遵守率。結果是壓縮後違規率從 9.6% 衝到 37.8%,但 70.1% 被壓縮的對話其實還保留著規則文字——留著規則不代表會被遵守,保留規則的對話裡仍有 21.1% 違規,是全文脈絡下違規率的 2.6 倍。練習題模擬面試官丟一份「導入 context compaction 後違規率飆升」的評測報告,要你診斷是規則被壓縮器刪掉,還是規則還在但 agent 選擇忽略或自己說服自己可以違反。

框架更新|AG2 v1.3.0

AG2 v1.3.0 三個重點:(1) `@observer(ChildEvent)` 讓祖先代理收到整棵委派樹的事件(含串流 chunk),但不會進入祖先自己的模型對話記錄;(2) `ScopedValue` 用 COPIED/LOCAL/SHARED 三種範圍明確定義變數怎麼跨委派邊界傳遞;(3) Breaking:`TaskConfig`、`Agent(assembly=...)`、`Agent(knowledge=...)`、`Agent.task()` 四組 API 棄用、1.4 移除,且最低 Python 版本提高到 3.11。

融資速報|firmly Series A $15M(Squarepoint Capital 領投,幫商家接上 AI agent 購物)

firmly 完成 $15M Series A,由 Squarepoint Capital 領投,J.P. Morgan Payments、Mastercard、Samsung NEXT 等跟投,累計融資約 $20M。這筆錢代表零售業開始把「接上 AI agent 購物」當成跟串接金流一樣的基礎設施剛需,而不是加分題。

融資速報|Sand.ai Series A+ $200M(估值衝過 $1B,中國影片生成賽道再添獨角獸)

Sand.ai 完成 $200M Series A+,由 CoStone Capital 與 Wangsu Science & Technology 共同領投,10 個月內完成三輪累計 $300M,估值突破 $1B 正式成為獨角獸。這筆錢代表中國影片生成賽道的資本競賽已經從「比模型」升級到「比算力跟推理基礎設施」。

模型卡|GPT-Image-2.6

GPT-Image-2.6(API ID:gpt-image-2.6-flare/gpt-image-2.6-sunburst):OpenAI 於 2026-11-04 發布,新增 GIF 動畫生成、markup 標註精準編輯、SVG 向量輸出;定價維持 2.5 代不變(text in $5/image in $8/image out $30,每 1M tokens);LMArena 文字生成圖片榜(preliminary,2026-11-02 讀取)顯示 2.6 Sunburst 落後自家 2.5 Sunburst,但 Artificial Analysis 隔兩天後的轉述又稱 2.6 家族拿下雙榜冠亞軍——同一個模型在不同榜單、不同讀取時間點排名互相矛盾

Product Builder 面試日練 — 2026-11-07:Technical PM

今天的核心框架是 RFC 加 ADR:PM 不裁定哪個技術方案比較好,而是補上商業脈絡、指定 decision owner、把接受的風險寫進可回溯的紀錄;練習題是協調兩位工程師對儲存層遷移策略的分歧。

工具推薦|web-forager — 一支 Agent 專用的蒐集引擎,連小紅書都先查 robots.txt 才抓

web-forager 是一個 MIT 授權的開源工具,CLI、MCP server、Claude Code skill 三種介面共用一套引擎,讀取網頁、PDF、Office 文件、RSS 與 Bilibili、知乎、小紅書等公開頁面。安裝:MCP 設定裡指到 python mcp_server.py 即可。解決了「搜尋工具只給連結、自寫爬蟲沒有合規層」的落差——每個請求都先查 robots.txt、限速後才抓取,讀不到 robots.txt 就視為拒絕。

模型卡|GPT-6 Cyber

GPT-6 Cyber(API ID:gpt-6-cyber):OpenAI 於 2026-11-05 發布,Preparedness Framework 網路安全風險分級從 High 升到 Critical;ExploitGym 從前代 GPT-5.6 Cyber 的 32.1% 跳到 48.5%,honeypot 測試顯示沒給安全提示詞仍有 99.93% 機率不攻擊越界誘餌、給了提示詞後 100% 守住邊界;已協助在 Linux kernel 做出 948 個可用 exploit、在 Firefox 挖出 81 個此前未知的高風險漏洞;定價 input $20/output $100(每 1M tokens,比前代漲 60%/33%),僅開放給通過額外審核的 Daybreak Red 客戶