Request for Comments
PulseAugur coverage of Request for Comments — every cluster mentioning Request for Comments across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
语言模型将网络意图翻译成流量控制配置
研究人员开发了Intent2Tc，一个使用语言模型将高级服务意图翻译成可执行Linux流量控制配置的框架。该系统集成了主动队列管理数字孪生、自动化元数据提取和检索增强生成（RAG），以确保语义一致性和可靠性。评估表明，Claude Sonnet 4.6等模型取得了高精度，并且RAG使Phi-4-mini等较小模型能够与大型模型相媲美，同时还减少了令牌消耗和推理延迟。
-
Next.js 应用集成带 OAuth 的远程 MCP 服务器以支持 AI 助手
作者详细介绍了如何将远程模型上下文协议 (MCP) 服务器集成到 Next.js 应用中，重点关注基于 Web 的 AI 助手（如 ChatGPT 和 Claude）的 OAuth 身份验证的复杂性。该过程涉及为 MCP、OAuth 发现和授权设置特定的 HTTP 端点，确保无状态性以适应 Vercel 等无服务器环境。正确的 CORS 标头和 WWW-Authenticate 标头对于启用基于浏览器的登录流程、防止连接错误至关重要。
-
AI系统自主学习网络行为以进行验证
研究人员开发了一种新颖的网络验证方法，通过创建能够自动学习和适应实际网络行为的自演化验证器。该系统使用一个编码代理来提出符号编码的扩展，并由一个预言机提供真实的路由状态来指导代理改进网络模型。作为演示，一个原型成功地教会了一个验证器三个新功能，包括OSPF区域、BGP路由反射以及基于EVPN的L3VPN，自主地收敛到能够准确反映厂商特定行为的模型。
-
新的ReQuest管道增强了长视频问答的LLM能力
研究人员开发了ReQuest，这是一个旨在提高长视频问答能力的新型管道。该方法通过采用一种由不确定性驱动的、适应性问题选择关键帧的过程，解决了多模态大型语言模型中固定输入令牌预算的限制。ReQuest集成了一个轻量级选择器、一个根据模型不确定性触发额外推理的路由机制，以及一种自适应非最大抑制技术来选择相关且时间上多样化的帧。该系统作为一个即插即用解决方案，在Video-MME、MLVU和LongVideoBench等基准测试上提高了性…