Dora
PulseAugur coverage of Dora — every cluster mentioning Dora across labs, papers, and developer communities, ranked by signal.
12 天有情绪数据
-
随着人工智能的整合，信任变得稀缺，需要提前进行质量工程建设
在人工智能时代，信任正变得比技术能力更稀缺、更有价值。随着人工智能模型和数据管道的日益整合，传统的下游质量保证方法已不足以应对。相反，质量工程必须提前到设计、开发和治理阶段，以确保人工智能系统、数据环境和数字工程流程的完整性。
-
AI 编码工具加速开发，但将重点转移到理解和信任上
AI 编码助手在软件开发中已变得司空见惯，使开发人员能够更快地生成代码。然而，这种速度可能会产生虚假的进展感，因为理解、维护和信任生成代码的责任转移到了开发的后期阶段。虽然 AI 工具可以放大团队现有的优势，但如果缺乏强大的工程纪律和严格的测试，也可能加剧劣势。最终，成功的团队将是那些优先考虑理解他们所交付代码的团队，而不是仅仅关注其生成速度的团队。
-
新CORA方法将LLM微调参数减少4倍
研究人员推出了一种新颖的参数高效微调方法，用于大型语言模型，名为CORA（相干正交旋转适应）。CORA利用奇异值分解（SVD）来保留预训练权值内的几何关系，对每个切片的左奇异基和右奇异基应用共享的正交旋转。与LoRA等方法相比，该方法显著减少了可训练参数，在相同秩下使用的参数量约减少4倍。实验表明，CORA在常识推理和代码生成任务中优于现有方法，同时保持了参数数量的大幅减少。
-
研究发现AI编码工具让开发者感觉更快，但实际速度慢了19% · 追踪3个来源
一项最新研究表明，尽管使用AI编码工具的开发者*感觉*速度提高了约20%，但实际测量的生产力却下降了约19%。这种被称为“指标失灵”的现象表明，AI工具虽然加快了打字速度，但引入了新的代码审查和验证瓶颈，特别是对于在现有代码库上工作的经验丰富的开发者而言。Faros AI的遥测数据和DORA的研究证实了这些发现，显示了拉取请求量和审查时间的增加，以及交付稳定性的下降，而整体交付速度没有净增长。
-
新方法优化医疗问答LLM的秩预算
研究人员开发了TriageRA-CCF，一种用于医疗大型语言模型（LLM）自适应秩预算的新方法。该方法允许LLM根据个体医疗问题的复杂性和置信度动态调整其LoRA秩通道。通过利用源训练数据中的信号，如基础模型置信度、临床覆盖度和反事实擦边球代理，TriageRA-CCF旨在提高医疗问答的效率和准确性。
-
AI 原生开发需要超越 DORA 和 SPACE 的新生产力指标
在 AI 原生工程时代，传统的开发者生产力指标，如 DORA 和 SPACE，正变得不足。这些旧框架是为人类编写所有代码的世界设计的，未能充分捕捉开发者编排 AI 系统、指导代理和验证输出的转变。需要新的方法来衡量创新率、AI 代码份额以及 AI 的有效运营化，因为掌握这些的团队可以实现显著更高的生产力提升。Contorium 是一个旨在为 AI 辅助开发提供项目意图、推理历史和架构演变的持久、结构化理解的新系统，解决了跨工具、时间与…
-
软件开发速度受信任赤字而非人才短缺的阻碍
阻碍软件开发速度的主要问题不是缺乏人才或工具，而是工程团队内部信心和信任的不足。这种源于对潜在生产问题的可见性不足的犹豫，导致过度的审查、延迟发布以及由于技术债务和返工造成的重大财务成本。成功加速发布周期的组织将验证视为一种赋能更快、更可靠部署的基础设施，而不是一个顺序的关卡。
-
AI-toolkit 分支在低显存下增强模型训练
一个优化的 ai-toolkit 分支已发布，专注于内存优化，以便在 24GB 显存下训练大多数模型而不会有性能损失。此分支支持 DoRA 和推理 LoRA，允许用户在基础模型上训练，并使用 turbo LoRA 生成样本。这些增强功能旨在使在显存较少的硬件上进行模型训练更加容易，尽管一些大型模型如 Qwen 可能仍需要 6 位训练。
-
作者声称 AI 不会将开发者变成 10 倍
作者认为，尽管 AI 工具已显著改进，但声称它们会将所有开发者变成“10 倍开发者”的说法存在缺陷。AI 在编码的“打字”方面表现出色，而这只是开发者工作的一小部分，但它并未解决知道构建什么、拥有所有权和有效执行等更大的挑战。来自 Atlassian 和 DX 的数据显示，尽管 AI 使用量有所增加，但总体产出增益微乎其微，在某些情况下，AI 甚至可能减慢经验丰富的开发者的速度。作者认为，真正的 10 倍生产力来自于自主性和明确的方向…
-
新的IDE Linter和指南助力欧盟《人工智能法案》合规
ComplianceLint，一款旨在帮助开发人员遵守欧盟《人工智能法案》的新工具已发布。这款IDE集成的linter根据法案中的247项义务分析代码库，提供法律引用和补救措施。该工具本地处理代码，仅合规判决同步到仪表板，并提供跟踪合规历程和生成审计就绪报告的功能。此外，William Argo撰写的欧盟《人工智能法案》实用合规包已在Leanpub上发布。
-
AI 的速度升级需要新的管理节奏
AI 能力的快速发展已经超出了许多组织内传统管理结构的步伐。虽然 AI 现在可以在几小时内完成过去需要数周才能完成的分析任务，但审查和决策过程仍然缓慢，造成了严重的瓶颈。为了弥合这一差距，提出了一种名为“高频管理”的新管理方法，强调快速反馈循环和迅速决策，以匹配 AI 的速度。
-
Hugging Face 探索主导性 LoRA 微调技术的替代方案
Hugging Face 的 PEFT 库提供了各种参数高效微调技术，其中低秩适配 (LoRA) 是最受欢迎的。尽管 LoRA 被广泛采用，但该博文质疑其主导地位是源于卓越的性能，还是由广泛的教程和支持驱动的自我强化的人气。文章探讨了可能提供更好性能的替代 PEFT 方法，暗示用户可能忽略了更有效的技术。
-
合规更新涵盖影子AI和数据安全
本条目讨论了一项合规更新，重点关注“影子AI”和行政管理中的AI，以及DORA、AMLA和数据泄露等其他监管主题。它强调了面对不断发展的技术和数据安全挑战，合规性的日益重要性。
-
DORA 计算器显示 AI 采用对开发团队的风险
DORA 开发了一个计算器，用于评估 AI 采用对开发团队的投资回报。该工具的默认设置表明，在最初一个季度，变更失败率可能增加 20%，生产力下降 15%，每个开发人员的成本约为 9,600 美元。虽然计算器承认未来会有上升趋势，但它强调了 AI 实施带来的显著短期风险和成本。
-
合规更新：罚款、AI、稳定币和供应链风险
本次更新聚焦于与企业相关的若干关键合规和监管领域。内容涵盖潜在罚款、软件供应链中的风险、DORA下的事件报告、信息自由、AML监控，以及稳定币和生成式AI的影响。完整详情请参阅最新的Riscreen合规通讯。
-
新的FoRA方法可大幅减少微调参数并提高准确性
研究人员推出了一种新颖的参数高效微调方法FoRA，该方法通过选择信息层来优先减少可训练参数的数量。该方法使用对角线Fisher分数进行层选择，并在Stiefel流形上训练LoRA降维投影，在半数参数预算下始终优于LoRA和DoRA等现有方法。与AdaLoRA相比，FoRA在参数数量显著减少的情况下也表现出具有竞争力的准确性，并在各种LLaMA系列、Qwen3和Gemma骨干网络上显示出一致的提升。
-
新框架DoRA为专业领域创建RAG基准
研究人员开发了DoRA，一个用于在专业领域创建检索增强生成（RAG）系统评估基准的框架，特别解决了标记数据有限的挑战。DoRA使用少量领域文档，系统地生成合成问答数据集，并采用不同的LLM家族进行训练和测试，以避免循环性。一项针对国防相关文档的案例研究表明，使用DoRA训练的LoRA适配的Llama3.1-8B模型与其它基线相比，显著减少了幻觉并提高了各项指标的性能。
-
开发者以1.50美元的价格在Qwen3-8B上训练个人语音适配器
一位开发者仅花费1.50美元，就成功地使用DoRA在Qwen3-8B模型上训练了一个个人语音适配器。该过程使用了6,128条个人Telegram消息对模型进行微调，生成的适配器在盲测A/B测试中表现优于基础Qwen3-8B模型。此方法在通用知识任务中也未显示出显著的性能下降，并且产生的语音被认为比个人的实际写作更能代表其本人。
-
BSides Bratislava 2026 会议演讲现已上线
BSides Bratislava 2026 网络安全会议的演讲现已公开提供。这些演讲涵盖了人工智能、DORA 和威胁情报等一系列主题。组织者感谢所有演讲者分享他们的专业知识。
-
Qwen 3.7 支持可调式审查，NVIDIA 微调机器人视频生成
Qwen 发布了其语言模型 3.7 版本，该版本包含一个可修改的政治审查专用电路，且修改后不损失事实知识。NVIDIA 的 Cosmos Predict 2.5 模型现在可以使用高效的 LoRA/DoRA 方法进行机器人视频生成的微调。此外，新的 HRM-Text 模型为预训练基础模型提供了更易于访问且成本效益更高的方法。