至顶网软件频道消息:微软于6月17日宣布,该公司已收购了GitHub工具供应商Pull Pand。微软官方表示,该公司计划使用Pull Panda的技术改进GitHub上的代码审查工作流程。
成立一年半的Pull Panda提供Pull Reminders、Pull Analytics和Pull Assigner,以改进代码审查流程。Pull Reminders允许开发人员通知开发人员协作者需要他们的审核。Pull Analytics可以提供从等待时间到顶级贡献者在内的所有信息。Pull Assigner帮助跨团队自动分发代码。
到今天为止,所有这三种Pull Panda工具都可以通过名为Pull Panda的单个GitHub Marketplace应用程序免费获得。微软正在停止企业计划订阅,但将继续通过Pull Panda的内部部署产品为现有企业计划客户提供支持。
微软的高管们表示他们计划将这些功能整合到GitHub中,但目前没有透露时间表或更多细节。
微软在2018年6月宣布计划以75亿美元的价格收购GitHub。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。