与「中野花南」相关的搜索结果

NHK鹿児島【#かごしまの夕べ～島ラジオ～】# #鹿児島県# 出身 #ロージークロニクル# #上村麗菜# がゲスト出演しました。 らじる★らじるで聞き逃し配信中！ チェックお願いします！ #中野花南# アナウンサー #ハロプロ# #かみれなちゃんへ#

稽古が始まって2週間弱。 役の心情を丁寧に、繊細に、且つ大胆に、創り上げていってます。 毎日みんなで奮闘中❤️‍🔥 この世界観に生で触れていただけたら嬉しいな。 劇場でお待ちしております！ 末黒野花役の伊織。 いつも笑いをありがとう🤣🫶🏻 🎫 #舞台7SEEDS# #7Sステ#

10/ 与其他应用集成 Drive 能连接一大堆工具： → Slack：直接分享文件 → Trello：把文档附到卡片上 → Zoom：通话中分享演示文稿 → DocuSign：不用离开 Drive 就能签文件 整个工作流都在一个地方。

10/ 更大的结论是： 深度可能成为下一条重要的 Scaling 轴，但前提是采用正确的残差连接。 HC 和 Full AttnRes 已经证明，模型可以从深度中获得更强性能。 接下来的瓶颈，将从模型架构转向基础设施与 Kernel 优化。

6/ Neo 又押中了一次 Listen Labs 早期曾进入 Neo 加速器，并获得一张 60 万美元的 SAFE。 据估算，这笔投资如今价值超过 2500 万美元。 而就在三个月前，Neo 还通过 Cursor 的收购获得了超过 1000 倍回报。 这笔交易几乎让所有参与者都赢了：Sequoia、Ribbit、Conviction、Pear、Neo，以及 Listen Labs 的创始人与团队。

🎉 金大将军此刻乐开了花，GLM-5.3 的网安能力现已经过 Anthropic 官方认证。目前普通用户能用到的模型中，网安能力综合排名应该是 GLM-5.3 > GLM-5.3 Flash > Grok > GPT > Claude 了吧？ Anthropic 今天这篇报告可以说是对 GLM-5.3 能力的最大认可： - 写端到端 exploit，已经接近 Mythos Preview，ExploitBench比分为 50/410 对 56/410 - 越狱简单：换身份欺骗 64% 成功率、预填思考后 92% 的成功率、直接消融更是能达到 100% 成功率 此外，消融成本到底有多低呢？Anthropic 自己花了 $4,400，如果是熟手从零甚至可以低至 $1,200😅

新加坡2049，感谢 @moonkimbinance Kim 邀请，BNB CHAIN 见。 这次我去新加坡，我会带我占卜的洛书铜币，如果有需要的朋友们，也可以提前约哦。 哪怕睡大街，新加坡也值得去，不过不用焦虑，@12_MgCapital 十二告诉我新加坡有青旅，所以有钱就住好点的，暂时实力不够，青旅也中。 目前 6到8号晚上酒店，在 @CryptoBella88 美美的帮助下，不用太焦虑了。 9到10 号酒店，我再努努力。😊

EvoOntology：给数据智能体一个会成长的语义层 数据智能体（Data Agent）面对异构数据时，能“看见”的往往只有表名、列名和文件路径；指标如何定义、实体如何关联、业务上有何约束，这些语义都藏在数据之外。让智能体每次从零探索，代价高且易出语义错误；把人工维护的语义层全量注入提示词，又难以扩展、随数据漂移而失效。这就是论文中的 agent-data gap。 中国人民大学 ruc-datalab 提出的 EvoOntology（arXiv:2609.15779）给出了新解法：首个面向数据智能体的自进化本体层（Self-Evolving Ontology Layer）。核心洞察是把本体当作“可训练的智能体状态”：不更新模型权重，而让语义知识随真实使用持续积累、验证、版本化演进，每次变更可检查、可比较、可回滚。 本体以三层结构封装为 MCP 服务器，供智能体运行时主动查询： · Schema Layer 定义本体的表示边界（节点族、语义关系、引用模式）； · Content Layer 是类型化语义图，由 Terms / Mappings / Constraints / Evidence 四类节点构成，每个语义对象都有工作负载证据支撑，落地验证后才提交； · Tool Layer 仅暴露 browse_semantics 与 resolve_semantics 两个 MCP 工具加紧凑会话 manifest，智能体按需检索当前步骤所需语义，而非全量注入上下文。 本体遵循 Build → Use → Evolve → Evaluate → Publish 生命周期：构建器智能体从真实工作负载推导候选概念并对照原始数据验证；交互轨迹被持续记录；进化时诊断重复行为、归因到具体层级并生成局部补丁；候选版本只有在相同数据、相同智能体、相同解码设置与交互预算的配对评估中可复现地胜过父版本，才会发布。 在 BIRD、DDR-10K、InsightBench 三个基准、四个 LLM 骨干（GPT-5.5 / GPT-5.6-sol / Claude-Sonnet-5 / Claude-Opus-4.8）上，EvoOntology 一致优于无本体 ReAct 与静态初始本体。其中 DDR-Bench 上仅“自进化”环节就贡献了 +7.7（81.8 → 89.5），验证了持续演进相对静态语义层的增量价值。 论文： 代码：

Anthropic、Meta、Google 签署白宫 AI 安全协议：内部审查加外部审计，企业自愿执行 9 月 29 日，Anthropic CEO Dario Amodei、Meta CEO 扎克伯格、Google CEO Sundar Pichai 在白宫与特朗普会面，之后一起在白宫外对媒体讲话。扎克伯格说，几家公司当天签署了一份"白宫 AI 安全开发协议"。 协议内容来自扎克伯格在现场的概括。各公司要建立内部控制机制，用来发现 AI 出问题的情况。在此之上设多层审计：先是公司内部的风险审查，再请外部审计方和评估机构检查，审计报告交给各公司董事会独立审阅。 扎克伯格说，这样做是为了让美国公众和客户相信，AI 是按公司设计的方式在运行。他也说这只是一个开始，不是唯一会做的事，是整个行业都能接受的一份协议。 Pichai 拿公司财务管控作类比：财务有一套成熟的流程和审计制度，这次是把类似做法搬到 AI 开发上。他说总统要求行业"站出来"，要确保产品安全推出。 记者把 Dario 请到前面，提到他此前曾呼吁放慢 AI 发展。Dario 说 AI 好处很大，比如在医疗方面；他认同特朗普"谁赢下 AI 谁就赢"的说法，但技术风险是真实存在的，应对风险的具体机制"仍在讨论中"。他的原话是"我们可以赢，而且可以安全地赢"。 这份协议由企业自愿执行，没有外部强制。视频中，协议全文和签署公司的完整名单都没有公布。 记者两次追问特朗普：企业自我监管够不够，公众为什么该相信它们。特朗普的回答是，这些人很优秀，出了问题他们的公司就完了，所以他们不会让这种事发生；各家公司会"互相监督"。