本地模型够用了吗 桌面推理与 Agent 安全
本地模型到底够不够用？AJ 与 Sero 在一场时长 73 分 27 秒的英文对谈里，把答案从模型能力挪到了运行层。2026 年 11 月 3 日上线的《Are Local Models Finally Good Enough?
Agent 为什么开始“越用越强”？一条自进化技术路线正在形成
上周六是 1024 程序员节，笔者在朋友圈看到不少开发者调侃:今年可能是最后一届「程序员节」了，明年是不是该改成「 1024 Agent 节 」了?
让 Agent 使用电脑，难点不只是“够不够聪明”
假设让一个 Agent 整理资料，再把摘要发给同事。它读懂文件、写好邮件，只完成了一半。另一半问题是：它能看到哪些文件？收件人由谁确认？发送后网页超时了，再点一次会不会重复发？模型能力决定它能否理解任务，系统设计决定我们敢把多少事情交给它。
多轮 Agent 推理，怎样让上一轮的 KV 缓存在下一轮真正复用？
一次工具调用结束，Agent 把结果追加进历史再请求模型继续工作。上一轮处理过的输入和生成内容又出现在下一轮输入里。在 Prefill／Decode 分离部署中，新请求先交给 Prefill，而上一轮生成阶段的 KV 留在 Decode。
面试官反问：Agent 为什么必须学会遗忘？讲解agent memory长期记忆
面试官：你刚才讲长期记忆分了短期、长期，长期里又拆了情景记忆、语义记忆、程序记忆。那我追问一个——既然整理得这么明白，为什么还要给 Agent 专门设计一个"遗忘"机制？♂️我：呃……记忆越来越多，检索会变慢，塞进上下文也浪费 Token？面试官：这答案不能说错。
英伟达详解AI内存全栈协同设计：HBM容量仅增3%，Agent吞吐量/美元最高提升30倍
美东时间11月5日周四，英伟达发布公司博客文章，详解其AI内存全栈协同设计策略，强调随着大模型参数规模、上下文长度和智能体应用持续扩张，AI基础设施的内存压力正在加剧，单纯增加GPU内存容量已不足以解决问题。
Agent，“重做”数据库
对于一名熟悉业务的财务人员来说，这或许是个再简单不过的问题。但在某数据库厂商测试的企业级Agent场景中，AI给出的答案与真实情况相差了近15倍。
agent是关不住的：即使互相隔离，仍能隔墙传信
两个AI分开执行任务，不能通过网络传话，也没有可以共同写入的文件，结果还是把消息送到了对方手里。研究人员让AI主动寻找隔离设施的漏洞，结果发现，处理器缓存、共享存储，甚至网页系统里的证书缓存，都可能成为传信通道。
Agent规模化应用，安全与成本这本账怎么算？
Token烧不动了”--这是当前一大热门现象，不仅一批企业出现令人咋舌的“天价Token账单”，甚至连亚马逊、微软、Meta这些大型科技公司也在收紧内部Token消耗指标。本质上，Token消耗的狂飙突进，是Agent规模化带来的需求端急剧膨胀，瞬间撕开了供给端的缺口。
七成时间都在跑推理，5000 万次沙箱调用：Agent 后训练到底卡在哪里｜AI 进化论
11 月 11 日晚上 7:30，CSDN 视频号「AI 进化论」栏目诚邀 蚂蚁集团 AI Infra 技术专家苏乐、 清华大学计算机系助理研究员、开源项目 AgentENV 发起人闪英迪、清华大学博士生、KTransformers 核心开发者李沛霖、围绕《训练和推理，还要分家吗:Agent 后训练背后的基础设施之争》展开直播对谈。