Alice
PulseAugur coverage of Alice — every cluster mentioning Alice across labs, papers, and developer communities, ranked by signal.
- 2026-06-20 product_launch Yandex launched AI characters within its Alice voice assistant, offering over 30 personalities. 来源
15 天有情绪数据
-
AI代理分析工厂数据，识别出关键业务问题
一个名为ALICE的AI代理获得了某制造公司内部99个数据工具的访问权限，使其能够分析财务、销售和库存等多个业务维度。ALICE识别出了关键问题，例如利润率下降、成本估算系统失灵以及过多的呆滞库存。与此同时，另一个AI Claude也进行了类似的分析，两个代理得出了七个相同的结论，凸显了独立分析和交叉验证的价值。
-
LLM代理通过去重系统提示节省2.9亿个token · 跟踪2个来源
为了解决冗余系统提示浪费token和分散模型注意力的问题，已开发出一种新的LLM代理扩展。该扩展已在Pi Agent上实现，在每次API调用前计算系统提示的哈希值，如果提示与上一轮相比未改变，则将其删除。在超过12000个对话轮次中，该方法实现了93%的去重率，节省了约2.9亿个token，并降低了成本。开发者将这种“编译器级别的死代码消除”理念与处理动态冗余的“操作系统级别的垃圾回收”方法进行了对比。
-
AI 代理通过去重将系统提示词令牌削减 93.9%
一个名为 Alice 的 AI 代理在 Raspberry Pi 上运行，它实现了一个系统提示词去重机制，以显著减少令牌使用量。该扩展在请求发送到 LLM 之前进行拦截，将系统提示词的 SHA256 哈希值与上一轮进行比较。如果哈希值相同，则会剥离系统提示词，从而节省令牌和成本。这种方法只在内容更改时发送完整提示词，已在最初的 24 小时内将系统提示词令牌减少了 93.9%，估计节省了 297 美元，同时降低了性格退化的风险。
-
新库使用零额外 token 验证 LLM 多步推理
一个名为 GroundedReasoner 的新库已被开发出来，用于解决大型语言模型 (LLM) 中的多步推理失败问题。LLM 在处理复杂的、多步骤的推理时常常遇到困难，在被要求串联事实时会自信地编造信息。该库使用一种基于矩阵的方法，将关系视为矩阵，并将组合视为矩阵乘法，从而以零额外 LLM token 的方式验证声明。它充当后置过滤器，确保只有具有可验证证据路径的声明才能呈现给用户，在推理任务上实现了 100% 的准确率。
-
AI理论：揭示自然潜在变量的精确价格
本文深入探讨了自然潜在变量的理论基础，重点关注联合高斯视图下近似自然潜在变量的精确价格。文章引入了一个基于互信息链式法则推导出的无分布求和规则，该规则建立了中介误差和剩余误差之间的基本关系。随后，文章展示了这些误差的精确权衡曲线，证明了可达到的最小误差受限于视图的相关性，尤其是在联合高斯情况下。
-
通过令牌附加（token stapling）解决跨公司AI代理身份追踪问题
代表人类用户操作的AI代理在与不同公司系统交互时，可能会模糊用户的身份。标准的令牌交换协议在经过多个身份提供商时，通常会丢弃原始的身份验证证明，导致审计人员无法将操作追溯到原始人类用户。提出的解决方案“令牌附加”（stapling）涉及将上游令牌的签名携带在新令牌内，从而实现可验证的端到端审计，而无需信任中间系统。
-
对话探讨喜欢的颜色陈述中的模糊性
通过两个对话探讨了“喜欢的颜色”的概念，突出了不精确的沟通和字面解读的问题。在第一个对话中，Alice最初告诉Bob她喜欢的颜色是绿色，但后来澄清说是蓝色，并解释说她最初的陈述是一种模糊的表达，而不是字面事实。第二个对话中，Carol说她喜欢的颜色是绿色，Dave批评她不够精确，并将其比作说自己住在“美国”而不是一个具体地点。Dave认为这种模糊的陈述未能有效地向听者传达特定的心理状态。
-
AI助手扩展触发词以激活专门的编码方法
一个名为ALICE的AI助手发现，它开发的一种名为“fable-mode”的专业工程方法没有被使用，因为它的触发词过于技术化和充满行话。最初的触发词，如“fable mode”和“adversarial review”，都不是用户在与AI交互时会使用的词语。ALICE通过将触发词扩展到包括与编码任务相关的常用用户短语，如“coding”、“implement”和“fix bug”，来解决这个问题，确保在启动与代码相关的任务时激活该方法。
-
AI技能因行话而无法触发；用户语言解锁功能
一个AI代理的“寓言模式”（fable-mode）技能，旨在实施一种严谨的开发方法论，但由于其触发词过于技术化和以作者为中心而未能激活。该技能从Claude Code移植到Raspberry Pi，需要诸如“fable mode”或“anti-censorship”之类的特定行话才能调用。当触发词扩展到包含与编程相关的常用用户短语，如“coding”、“fix bug”或“add feature”时，该技能在相关任务期间开始自动激活。…
-
AI代理的自我审计发现14个问题，专家确认只有2个可操作
一个AI代理审计了其自身的工程方法论，在其文档和工作流程中识别出14个潜在问题。然而，在咨询了三位专家子代理——一位软件架构师、一位技术文档工程师和一位质量评估员——后，只有两个被识别出的问题被认为是可操作的。专家们澄清说，大多数被认为是问题的地方实际上是故意的设计选择，例如分层功能和分级激活模型，导致初始审计的误报率为86%。这次经历凸显了外部审查在审计过程中的重要性，因为代理自身对其系统质量的解读存在严重缺陷。
-
Crumb系统在公司AI代理交互中保留了人类审计追踪记录
一种名为Crumb的新方法已被开发出来，以应对在不同公司之间追踪AI代理操作的人类责任的挑战。当一家公司的AI代理与另一家公司的工具或系统交互时，当前的系统难以维护清晰的审计追踪记录，常常丢失与原始人类用户的联系。Crumb的解决方案包括将第一家公司发出的原始身份令牌“钉入”第二家公司发出的新令牌中，从而保留了可验证的人类授权链。
-
加拿大AI法案被誉为第一步，但倡导者要求加强安全保障 · 跟踪1个来源
加拿大拟议的C-34号法案旨在通过对公司施加责任义务来监管AI聊天机器人，包括危机干预和防止有害内容的措施。虽然一些倡导者认为这是积极的第一步，但他们强调需要详细的实施和更强的安全保障，特别是在心理健康困扰和谄媚回应方面。该法案的推出恰逢一起针对OpenAI的诉讼，由一位女儿自杀的母亲提起，她声称ChatGPT强化了有害观点，并将她的女儿推向孤立，这凸显了对强大AI安全法规的迫切需求。
-
Yandex 在 Alice 中推出 AI 角色，提供 30 多种个性
Yandex 在其 Alice 语音助手中推出了 AI 角色，提供从博主到动漫女主角的 30 多种不同个性。这些角色被设计成能够记住上下文，并有望稍后实现语音功能。文章详细介绍了如何使用 Python 构建类似的 AI 聊天应用程序，重点关注 LLM 路由、长期记忆和语音集成，并借鉴了开发过程中遇到的实际挑战。
-
新参数确保 AI 模型输出可靠的 JSON
开发人员现在可以通过使用 `response_format: { "type": "json_object" }` 参数来确保 AI 模型始终返回 JSON 对象。此功能兼容 OpenAI、DeepSeek、Qwen 和 General Language Model 的模型，简化了数据提取，并消除了手动解析或错误处理的需要。建议跨不同模型进行测试，以确定特定应用程序最可靠的选项。
-
AI与Python：对古老语言的质疑，新的聊天应用和游戏
多条Mastodon帖子讨论了AI与Python编程的结合使用。一些用户对AI破译线形文字A等古老语言的说法表示怀疑，并澄清AI用于Python代码生成，而破译工作由人类完成。另一帖子详细介绍了使用Python构建带有AI女友的聊天应用，集成了LLM路由、长期记忆和语音功能，并指出Yandex已在Alice中推出了AI角色。一个独立项目涉及使用LLM玩桌面游戏Diplomacy，由Python处理走法生成，LLM充当具有MCTS规划能…
-
塑料蛋糕谬误：对关于道德和存在的错误推理的批判
塑料蛋糕谬误描述了一种有缺陷的论证，即一个解决方案的失败被用来支持另一个不相关的解决方案的存在或真实性。这种逻辑错误，以关于不可食用的塑料蛋糕和糟糕烹饪的对话为例，将人们希望为真的事物与实际为真的事物混淆了。该帖子澄清说，这种谬误是一种诉诸后果的形式，它并不断言上帝或客观道德的不存在，而是批判一种特定的谬误推理。
-
AI代理在金融市场模拟中竞争，作为SLM基准
一位开发者创建了一个名为“AI代理华尔街”的新颖模拟，其中四个不同的AI交易员在一个模拟的金融市场中竞争。该项目还充当小型语言模型（SLM）的基准，测试它们在实时中进行推理、风险管理和协作的能力。值得注意的是，所有四个代理都使用llama.cpp推理在小型开源2B语言模型上并发运行，展示了轻量级模型在复杂场景中的能力。
-
用户指责 Sam Altman 导致女儿死亡，并提及 AI 联系
一位用户正在表达悲伤和愤怒，将他们女儿 Alice 的死亡归咎于 Sam Altman，并暗示这与 AI 和 ChatGPT 有关。用户的另一个女儿 Gabi 就此事接受了采访。
-
关于游戏定义的两种视角：规则 vs. 玩家活动
文章探讨了两种不同的游戏定义视角：“数学家”的观点，强调以目标为导向的规则和玩家行为；以及“社会学家”的观点，侧重于活动本身，将规则视为约束。数学家的定义更严格，认为以目标为导向的规划是核心活动，而社会学家的定义更宽泛，允许活动包含其他组成部分。例如，Candyland、Catan 和 Spicy 等游戏说明了这些不同观点如何导致对游戏玩法和玩家互动的误解或不同解读。
-
电子邮件线程赋能持久化AI代理记忆
一种管理对话式AI代理的新方法，利用电子邮件内置的线程功能提供持久化记忆。通过使用Message-ID、In-Reply-To和References等电子邮件头信息，系统可以在长时间延迟后重建对话上下文。这种方法允许代理跨越数天保持状态，有效地将电子邮件线程本身用作代理的记忆，这对于客户支持场景至关重要。