- 论文公开站arXiv
TasteVal: Measuring the Experimental Research Taste of AI Systems Against Human Experts
We introduce TasteVal, a benchmark to evaluate the experimental research taste of frontier models. We define research taste as the ability to pick interesting problems to solve, design experiments, and interpret experime…
- 论文公开站arXiv
SWE-Serve：面向生产推理服务的智能体工程基准
SWE-Serve: Benchmarking Agentic Engineering For Production Inference Serving
摘要显示，SWE-Serve 是一个评估智能体完成生产级推理工程任务的基准，包含 53 个源自 SGLang 近期生产变更的仓库级任务，覆盖六大推理工程类别，任务在 CPU 或单张 H100 上执行，采用隐藏功能与回归测试、E2E 服务测试及性能门槛评估。在 11 个模型、31 种配置中，最佳配置平均 pass@1 为 75%，但在 19 个端到端任务中，约三分之一通过局部测试的补丁被服务级 E2E 测试拒绝，暴露出局部完成与生产正确性…
意义：该基准首次系统衡量智能体在生产推理服务中的端到端正确性，揭示局部通过率与真实部署要求之间的落差，为 AI 编码智能体的评估与改进提供更贴近生产的标尺。
- 主题公开站Google News · H100
H100故障排查与维护：常见问题及解决方案大全
摘要显示，该文汇总了NVIDIA H100在使用中可能遇到的驱动问题、显存错误、过热等常见故障，并提供了相应的排查步骤和修复方法，属于面向运维与开发人员的实用维护指南。
意义：帮助AI基础设施团队快速定位H100故障，减少训练中断与运维成本。