ZD至顶网软件频道消息: 5月12日,紧随科技大佬的步伐,亚马逊将旗下深度学习软件的源代码开放了。Deep Scalable Sparse Tensor Network Engine(DSSTNE)库现在可以以Apache 2.0许可证从GitHub获得了。
亚马逊解释道,DSSTNE的发音是“Destiny”,它能够用神经网络为亚马逊数以亿计的客户商店提供更好的建议,“帮助他们从数量巨大的产品目录中发现恰当的商品”。
亚马逊表示,它将DSSTNE作为开放源代码软件发布,“这样深度学习的前景可以超越语音和语言理解,以及对象识别,并扩展到搜索等其他的领域。我们希望世界各地的研究人员可以合作来改善它。但是更重要的是,我们希望它能够刺激更多领域内的创新。”
据了解,DSSTNE和其他的深度学习库有着显著的区别,主要体现在DSSTNE支持用稀疏数据解决问题,并且更快地处理它们。事实上,该公司声称DSSTNE比TensorFlow快2.1倍,TensorFlow是谷歌的开放源代码机器学习系统,部署在亚马逊网络服务云平台的g2.8xlarge GPU实例上。
早在去年11月,谷歌就开放了TensorFlow的源代码,而Facebook更是在2015年年初就将自己的机器学习和人工智能工具的源代码开放了。同时,在去年12月份,亚马逊网络服务加入了其他几个重量级玩家的行列,投资开放源代码的非营利性人工智能研究项目——OpenAI。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。