Orca
PulseAugur coverage of Orca — every cluster mentioning Orca across labs, papers, and developer communities, ranked by signal.
- 2026-08-24 product_launch Skala, a machine-learned functional from Microsoft Research, is being integrated into the ORCA computational chemistry software. 来源
- 2026-07-11 research_milestone Researchers in Beijing developed the Orca model, which learns physics and motion from extensive video data. 来源
- 2026-06-09 research_milestone A transformer-based deep learning model named ORCA was introduced to correct numerical weather prediction errors for marine winds. 来源
- 2026-03-27 product_launch Orca, an open-source AI coding orchestrator, has been released.
7 天有情绪数据
-
LLM 服务拆分为两个阶段，GPU 通量加倍
现代 LLM 服务架构正通过将过程拆分为两个不同的阶段来更有效地处理请求：预填充（prefill）和解码（decode）。预填充阶段处理整个提示，是计算密集型的，受益于高 GPU 利用率。解码阶段负责逐个生成 token，是内存带宽密集型的，需要高效的 KV 缓存管理。PagedAttention、连续批处理（continuous batching）和分块预填充（chunked prefill）等创新对于优化这些阶段至关重要，而分离式…
-
GitHub 正在开发用于自动化软件开发的 AI 代理
据报道，GitHub 正在开发能够自动化软件开发重要部分的 AI 代理，这可能导致“零人工”公司模式的出现。Orca、Paperclip 和 Hindsight 等工具正在涌现，用于管理这些 AI 代理集群。这一发展紧随 OpenAI 最近展示的能够执行复杂任务的 AI 代理。
-
新基准揭示LLM在代码生成和翻译方面的局限性
引入了两个新的基准测试E2E-SWE和ORCA，以评估大型语言模型（LLM）在复杂编码任务中的能力。E2E-SWE侧重于LLM从头开始生成整个软件存储库的能力，使用11种编程语言对13个前沿模型进行了测试，结果显示性能差异显著。另一方面，ORCA评估LLM在数据科学库之间翻译代码的熟练程度，结果表明即使是像Claude Opus-4.6这样的先进模型也难以胜任这项任务，这促使开发了一种意图增强的翻译方法。
-
新的CMDO算法使用认知记忆进行自适应搜索
研究人员推出了一种名为认知记忆驱动优化（CMDO）的新型优化算法。该算法通过将过去的搜索经验表示为上下文、行为和结果之间的关系来增强基于种群的搜索。CMDO将这些经验组织成不同的记忆类型，并利用它们来指导未来的搜索，不是通过重放过去的解决方案，而是通过重构搜索策略。在基准问题和光伏模型估计上的评估显示出具有竞争力的性能，CMDO表现出问题依赖的有效性，并根据累积的经验影响搜索行为的分布。
-
随着LLM生成不可读、未经验证的代码，开发者失去代码所有权
开发者越来越依赖大型语言模型（LLM）进行代码生成，导致他们代码库的很大一部分对人类来说变得不可读。这种最初用于简单任务的依赖，已经升级为涉及多个代理和MCP、Orca等专业工具的复杂编排。作者指出，开发模式已从LLM辅助开发（代码会经过审查）转变为一种“凭感觉编码”的形式，生成的代码未经彻底检查，导致效率低下且架构难以理解。这使得开发者的角色变成了兼职裁判，仅在模型表示怀疑时才验证LLM的决定，并最终生成更多供LLM而非人类开发者使用的代码。
-
新研究利用AnyView和ORCA解决动态场景新视角合成问题
两篇新研究论文AnyView和ORCA，为在动态场景中合成新视角引入了新方法。AnyView是一个基于扩散的框架，通过利用具有不同监督级别的信息源，旨在从任意相机轨迹进行零样本新视频生成。另一方面，ORCA则专注于从单张图像重建和补全可探索的3D场景，优先使用RGB-D信息处理较小的遮挡区域，并将生成式修复用于较大、无法恢复的区域。两种方法均在标准基准上进行了评估，其中AnyView提出了一个新的基准AnyViewBench，用于极端…
-
FACCTs ORCA团队将参加在格拉茨举行的STC2026
FACCTs ORCA团队将于9月14日至18日在格拉茨参加STC2026。他们邀请与会者参观他们的展位，讨论研究、了解ORCA及其Python接口（OPI），并分享想法。
-
GitTrends AI v5.0发布；Orca模块实验显示证据丢弃
GitTrends AI发布了5.0版本，引入了实时GitHub速度跟踪和一键发现编码代理的功能。另外，对Orca模块的一项实验证明了恢复机制能够丢弃其所依赖的证据。
-
Orca：用于编排 AI 编码代理的开源 IDE
Orca 是一款新的开源集成开发环境（IDE），旨在帮助用户编排 AI 编码代理。该工具旨在简化管理和指导多个 AI 代理执行软件开发任务的过程。
-
AI代理现在可以通过单个提示修复Linux系统问题
AI代理可用于修复Linux系统上的问题，例如“Orca”AI助手停止运行。用户无需重装操作系统，只需向AI描述问题，AI即可诊断并解决该问题。这一能力被认为是比以前的Linux故障排除方法有了重大改进。
-
新注册表揭示 36 种 CLI 编码代理，许多绕过批准提示
一个包含 36 种命令行界面 (CLI) 编码代理的新注册表已发布，其中大部分旨在绕过批准提示。该注册表包括 Claude Code 和 codex 等代理，并揭示了 13 种禁用这些安全功能的独特方法。这一发展引发了对 AI 编码工具中安全性和控制机制的质疑。
-
微软的 Skala 函数集成到 ORCA 软件中
Skala 是由微软研究院开发的机器学习交换关联函数，目前正被集成到 ORCA 计算化学软件中。此次集成将包含在 ORCA 的下一个版本中，这得益于微软团队的密切支持。Skala 旨在加速预测性密度泛函理论 (DFT) 计算。
-
Microsoft Research 增强了Skala深度学习DFT，提高了准确性并拓宽了访问权限
Microsoft Research 发布了Skala 1.1，这是其深度学习密度泛函理论（DFT）方法的更新版本。新版本训练数据量是前代的2.5倍，在分子模拟的热化学、反应动力学和结构预测方面精度显著提高。为了提高可访问性，Skala现已集成到CP2K、Psi4、FHI-aims、ORCA和VASP等几种广泛使用的计算化学代码中。Microsoft Research 还推出了一个动态基准测试，以跟踪未来Skala版本的性能并加速预测…
-
LLM服务调度器扩展以支持多层SLA
研究人员扩展了Llumnix LLM服务调度器，使其支持两个以上的优先级层，从而能够更好地管理异构的服务等级目标（SLO）。通过Vidur模拟器对增强型调度器进行了评估，结果表明在多个优先级层面上，成本效益和延迟降低方面都有显著提高。实验表明，四个优先级层提供了最佳的权衡，与INFaaS、vLLM、Orca和Sarathi-Serve等基线系统相比，实现了显著的加速和每延迟成本的改进。
-
新的ORCA框架增强了对撞机物理学中可解释异常检测的能力
研究人员开发了一个名为ORCA的新框架，用于对撞机物理学实验中的异常检测，该框架专为高亮度大型强子对撞机设计。这种两阶段方法使用监督对比学习来创建一个可解释的嵌入空间，然后将其输入到自动编码器中进行异常评分。ORCA旨在通过提供对新物理信号更灵敏的检测，并允许通过将事件归因于已知物理过程来解释异常分数，从而克服现有方法的局限性。
-
新的ORCA框架可适应可穿戴传感器数据的异常检测
研究人员开发了ORCA，一种用于多模态可穿戴时间序列数据异常检测的新型智能体框架。ORCA在推理过程中动态调整其时间感受野，无需对固定时间上下文进行数据集特定的调整。该方法在MIMIC-IV等分布外基准测试上实现了与强固定上下文基线相当的性能，并展示了强大的泛化能力，使其适用于资源受限的环境。
-
新的ORCA方法为AI模型压缩3D CT视觉令牌
研究人员开发了ORCA（ORgan-Centroid Aggregation），一种用于压缩3D CT扫描视觉令牌的新颖方法。这种无需训练的方法通过器官引导合并相邻令牌，并结合质心空间编码以保留解剖信息。在相似的令牌预算下，ORCA的性能始终优于现有的压缩方法，显著减小了下游视觉语言模型的KV缓存大小和处理时间。ORCA的代码已在Hugging Face上发布。
-
AI 将遗留 TTS 引擎移植到 Linux 以增强可访问性
一位 AI 爱好者使用 GPT 5.6 Sol 将多个文本转语音 (TTS) 引擎移植到 Linux，从而增强了盲人社区的可访问性。该过程涉及将 NVDA TTS 插件改编为与 Linux 的 Speech Dispatcher 和 Orca 屏幕阅读器一起使用。由此产生的“Retro TTS Pack”成功集成了 Amiga Narrator 等引擎，改进了 Linux 上可用的 TTS 选项。
-
Orca框架使用神经算子进行连续时间因果推理
研究人员推出Orca，一个利用神经算子学习进行连续时间因果推理的新框架。与专注于静态变量的传统结构因果模型不同，Orca旨在处理具有反馈循环的动态系统，例如患者健康、气候或经济。该框架将因果图中的每个节点建模为时间的函数，并通过函数空间之间的学习映射来表示因果机制。Orca可以推断潜在的外生噪声，并用于这些复杂、随时间演变场景中的反事实推理。
-
开源AI项目OrcaHello利用AI保护鲸鱼
OrcaHello项目利用开源AI协助鲸鱼保护工作。该倡议由RESET - Digital for Good推广，运用AI来更好地理解和保护鲸鱼种群。该项目旨在展示AI在积极环境影响方面的实际应用。