eBPF
PulseAugur coverage of eBPF — every cluster mentioning eBPF across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
研究发现AI代理规则需要上下文和分层执行 · 跟踪2个来源
Eunomia和代尔夫特理工大学的一项研究表明，AI代理规则需要上下文理解和分层执行机制。该研究强调了当前基于规则的系统的局限性，并提出有效的AI治理需要更复杂的策略实施方法。这项实证研究强调了需要适应性强且上下文感知的执行策略来管理AI代理行为。
-
eBPF 套接字转向扩展了用于 HTTP/3 连接迁移的 QUIC 入口
本文详细介绍了如何扩展 QUIC 入口以支持 HTTP/3 连接迁移，这是客户端更改 IP 地址时出现的挑战。传统的 UDP 代理依赖于客户端 IP 和端口的哈希，当客户端 IP 更改时会失败，导致数据包丢失。解决方案是使用 eBPF（扩展 Berkeley 数据包过滤器）在内核级别转向 QUIC 连接，使其即使在客户端网络路径发生变化时也能保持连接。这种方法利用了 Linux 内核功能，并被提出作为对简单 UDP 代理部署的修复。
-
DriftSched 通过自适应调度提高 LLM 推理效率
研究人员开发了 DriftSched，一个旨在提高大型语言模型多租户 GPU 推理效率的框架。该系统通过使用自适应偏差校正将估计误差减少 40% 以上，解决了运行时令牌漂移（实际输出长度偏离初始估计）的挑战。实验表明，最短作业优先 (SJF) 调度策略与 DriftSched 结合使用可显著降低延迟，中位数端到端延迟下降约 42%。该框架还包括一个用于运行时反馈驱动漂移补偿的机制，以及一个用于评估共享 GPU 基础设施上 QoS 感知…
-
Grimlock 系统通过 eBPF 和 TLS 增强 AI 代理安全性
研究人员开发了 Grimlock，一个旨在增强高代理 AI 系统安全性的新系统。Grimlock 利用 eBPF 强制执行的流量拦截和 TLS 1.3 的握手后验证，将信任强制执行移至沙箱底层。这种方法允许生成短暂的、通道绑定的作用域令牌，从而在无需修改代理编排代码本身的情况下强制执行最小权限委托。
-
Groundcover 首席执行官讨论 AI 对可观测性工具的影响
Groundcover 首席执行官 Shahar Azulay 讨论了可观测性工具在 AI 开发中不断演变的角色。他解释说，可观测性已从仅仅防止停机转变为在从创建到生产的整个代码生命周期中成为事实上的主要来源。讨论的关键点包括管理来自 AI 代理的不断增加的可观测性数据、使用可观测性进行成本管理以及通过 eBPF 为 AI 代理工作流收集数据。