VOICE AGENTS
让一栋房子开口说话：语音 Agent 的完整工程链
NVIDIA 的万圣节互动装置把识别、对话、语音合成与面部动画连成实时系统。真正值得借鉴的是它对状态和资源预算的处理。
A MAP OF IDEAS
把进展连成知识。
沿着一个问题，理解模型、数据与工程之间的联系。
TOPIC / 01
语音与多模态
3 篇技术解读 · 持续补充
探索专题 →TOPIC / 02
模型与推理
3 篇技术解读 · 持续补充
探索专题 →TOPIC / 03
数据与评测
3 篇技术解读 · 持续补充
探索专题 →TOPIC / 04
智能体工程
1 篇技术解读 · 持续补充
探索专题 →全部阅读
MODEL SYSTEMS
像更新软件一样更新模型：Granite 的模块化路线
Granite Switch 4.1.1 把语音与决策能力做成可更新的适配器。模块化交付给模型系统带来了版本管理的新问题。
OPEN SCIENCE
AI-ready 不止是公开：ProtoStar 与科研数据可用性
Project ProtoStar 聚焦数据、模型与代码的可发现和可复用。对于 RAG 与科研 Agent，元数据和来源链同样是产品能力。
OPEN MODELS
读懂 Mistral Large 4：两种稀疏机制与部署取舍
MoE 选择专家，稀疏注意力选择上下文位置。这两种机制解决不同问题，模型选型需要回到自己的负载。
ON-DEVICE AI
Apple 端侧 AI：把语音与决策交给专用模型
AnySpeechRecognizer 与 AnyDecisionModel 提供可选择模型的 Swift 接口，说明端侧 AI 正在从单一聊天模型走向任务组合。
EDGE INTELLIGENCE
小模型的专业化路线：LFM3 与多模态端侧部署
Liquid AI 将文本、视觉、音频与决策模型放在共享骨干上。专业化能力需要与设备资源、数据和评测一起设计。
EVALUATION
LLM 能判断研究创新吗？先检验裁判
Ai2 的 novelty benchmark 说明，提示、比较方式和检索配置都会改变模型对创新性的判断。自动评测本身也需要评测。
INFERENCE ENGINEERING
推理账单降低 68%：先找出 token 花在哪里
Cloudflare 的代码评审系统案例表明，缓存命中率高并不意味着总成本低。成本优化需要观察工作量、上下文与质量。
STRUCTURED AI
结构化提取的新分工：Clairic 与类型化结果
Cloudflare 公布的提取模型把数值、日期和置信区间作为直接输出。应用仍需要定义校验与不确定性处理。
AGENT FOUNDATIONS
上下文工程：把注意力当作有限预算
这是一篇基础阅读。Anthropic 对上下文筛选、压缩与长期任务状态的讨论，仍可作为构建可靠 Agent 的工程检查表。