借助人工智能技术，Grab Cuts公司的机械分析工作所需的时间从44%减少到了30%。
Grab正在利用人工智能技术来自动化数据分析流程，由此使得分析师所需完成的工作量从2月份的44%下降到了6月份的30%。该方案结合了人工智能系统的自主性、经过验证的数据、上下文管理机制以及人工监督功能，使得许多分析任务能够由自助分析系统来完成，而无需分析师的干预——这些系统可以自行处理各种指标数据查询及SQL请求。 作者：Leela Kumili
Grab正在利用人工智能技术来自动化数据分析流程，由此使得分析师所需完成的工作量从2月份的44%下降到了6月份的30%。该方案结合了人工智能系统的自主性、经过验证的数据、上下文管理机制以及人工监督功能，使得许多分析任务能够由自助分析系统来完成，而无需分析师的干预——这些系统可以自行处理各种指标数据查询及SQL请求。
作者：Leela Kumili相关文章
演讲主题：超越原型阶段：利用Ray构建具有通用扩展性的AI智能体基础设施
演讲者们讨论了如何将人工智能代理从本地FastAPI原型转换为在Kubernetes上运行的、具备高可靠性的生产系统，并且这些系统是使用Ray技术实现的。他们分享了关于RayCluster的拓扑结构、状态存储机制、如何在动态流量环境下实现自动扩展，以及如何设计稳健的控制平面等方面的经验；同时，他们也重点介绍了一些关键的保护措施、多区域部署方案，以及将大语言模型用于评估系统的流程。 作者：Deepak Mohanakumar Chandramouli, Bhumik Vinodkumar Thakkar
阅读全文
如何在问题真正发生之前发现运营中的异常变化？
在 我之前的文章中 ，我探讨了“操作符合性”这一概念：即如何判断观察到的实际情况是否满足既定的操作规范。 这就引出了一个很有意义的问题： 当前这个系统是否仍然符合这些规范？ 然而，生产环境中的系统是不会一成不变的。 流量会发生变化，依赖关系可能会恶化，证书也会过期，配置设置会被修改，功能开关的状态也会改变，数据量会不断增加，人们还会进行手动操作，各种代理程序也会执行相应的动作，基础设施也会被替换等等。 一个系统在部署后可能最初是符合规范的，但几小时或几天后就可能不再符合这些规范了。 这就是我想在这里探讨的问题。 “操作漂移”指的是系统的实际运行状态与既定操作规范之间的差异会随着时间逐渐增大。
阅读全文
Pinterest利用事件时间戳来确定那些规模高达拍字节级别的数据分区的划分方式。
Pinterest为其数据库数据摄入框架引入了基于事件时间的划分机制。该机制利用Apache Flink来跟踪事件发生的时间，并通过Apache Iceberg元数据来生成一种不会随时间变化而改变的水印信息，从而帮助后续处理任务判断：持续摄入的CDC数据是否已经达到可以开始处理的完整程度。 作者：Leela Kumili
阅读全文
智能代理的可靠性：为工具的使用、安全机制、循环流程以及工作流程的输出结果构建相应的测试框架 [完整书籍]
一个完美的最终结果并不能证明某个具有自主行为能力的人工智能系统的工作流程是正确的。 本书提出了一种基于代码的方法，用于验证系统执行过程及所产生的业务成果，并利用这些证据来决定是否允许该系统正式投入使用。 书中还提供了一个可运行的离线测试工具，用以演示各种核心技术。第19章专门区分了那些已经实现的功能与那些仍处于开发阶段、尚未投入实际应用的扩展功能。 目录 引言 第一部分：可靠性差距 第二部分：基础原理 第三部分：核心结论 第四部分：行为特征 第五部分：跨领域问题 第六部分：决策过程 第七部分：诚实性与普及度 结论 术语表 参考文献 生产就绪性检查清单 引言 那个“虚假的演示” 许多具有自主行为
阅读全文