SWE-Serve揭示AI编程智能体在本地测试与线上推理服务间的表现差距
该研究探讨了AI编程智能体在修改模型推理服务软件时的现实局限，并推出相关评测框架SWE-Serve。研究指出，AI智能体生成的代码补丁即使能够顺利通过本地测试，在服务器加载真实模型并处理实际服务请求时仍可能失败。该成果重点分析了针对推理服务系统进行代码评估的复杂性，指出了传统离线测试环境与真实高负载在线部署之间的关键工程脱节问题。
DC AI 热点
全部 AI 动态
9月24日2026-09-24
9月22日2026-09-22
利用AI智能体与NVIDIA Isaac ROS加速ROS 2节点性能
GPU加速虽能提升计算密集型机器人工作负载的效率，但仅凭高效的CUDA内核并不足以确保整个ROS 2图的高性能运行。随着消息在节点之间传递，系统架构与通信开销往往成为瓶颈。本文探讨如何结合AI智能体与英伟达Isaac ROS套件，对ROS 2节点及计算图进行端到端的深度优化与性能加速，克服机器人数据流传输中的性能瓶颈。
如何评估AI智能体：从工具调用到任务完成的全流程解析
在部署和应用AI智能体时，核心挑战在于验证其能否在真实运行环境中，通过连续数十次工具调用顺畅执行一系列复杂工作流，并最终准确完成任务。本文探讨了评估AI智能体端到端表现的关键方法与指标，重点聚焦于智能体在多步调用链中的鲁棒性、环境交互能力及任务达标率的系统性评测框架。
9月17日2026-09-17
如何利用AI智能体构建与验证用于物理仿真的3D场景
文章介绍了如何将AI智能体工作流应用于物理AI系统的数字孪生准备与验证中。通过智能体工作流，AI能够自动巡检并解析3D场景，生成和编辑仿真所需的关键数据，从而大幅提升物理仿真环境的搭建效率，为具身智能与机器人等物理AI系统的训练与测试提供高质量的数字孪生支撑。
英伟达 TensorRT Edge-LLM 在 Jetson AGX Thor 上实现 MLPerf 边缘智能体基准 6.4 倍加速
英伟达公布最新测试结果，TensorRT Edge-LLM 在 Jetson AGX Thor 平台上运行 MLPerf 边缘智能体基准测试时实现了 6.4 倍的速度提升。随着 AI 智能体逐步从云端数据中心迁移至汽车、机器人及其他边缘硬件，该技术针对需要多步骤推理的智能体工作流进行了优化，显著提升了端侧设备本地处理复杂任务的能力与能效表现。
基于智能体 AI 实现 CUDA Tile 操作从 Python 到 Rust 的转换
该项目介绍了 cuTile Rust（cutile-rs），这是一个用于在 Rust 编程语言中安全、规范编写 GPU 内核的基于 Tile 的系统。研究探讨了利用智能体 AI（Agentic AI）技术，将 Python 中的 CUDA Tile 操作自动转换并适配至 Rust，将 Rust 的所有权和类型安全机制扩展到高性能 GPU 算子开发中。