AgentDP：用LLM智能体自动适配异构嵌入式模型
AgentDP用大语言模型智能体自动完成预训练模型在异构嵌入式设备上的优化与适配。方法包括需求标准化、算子感知模型划分和超参数配置复用。论文称适配时间最多减少80%，平均任务精度较基线提升超过13%。代码、价格及国内可用性未知。
要点
- AgentDP面向异构嵌入式设备，自动执行模型优化与适配。
- 三项关键设计为需求标准化、算子感知划分和配置复用。
- 论文报告最多节省80%适配时间，平均精度提升超过13%，但未实测。
为什么值得看
论文提出以LLM智能体自动完成预训练模型在异构嵌入式设备上的优化与适配，最多缩短80%适配时间，并报告平均任务精度较基线提升超过13%。
谁会受影响
面向需要把预训练AI模型部署到多种嵌入式设备、并希望减少人工调优的研究者与工程团队。
今天就能怎么试
目前仅见arXiv论文摘要，未提供可确认的代码、演示或接入方式；价格、国内可用性未知，本文未实测。
原始来源
1AgentDP: Towards Automated Model Deployment for Heterogeneous Embedded AI Applications · arXiv cs.AI · 2026年10月23日✓ 已打开核对本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。
相关动态
开放世界模型结合游戏引擎，单卡生成实时可玩画面
Matrix-Game 4.0 让轻量引擎负责规则和状态，视频模型将低多边形画面转成细致视觉，编码智能体则修改场景与玩法。论文报告 RTX 5090 上实现 480p、60 帧交互，按键到显示延迟为 112 毫秒，并宣布开放代码与资产。实时帧率需与响应延迟分开看。
业务智能体基准检查执行过程，完成任务也可能判失败
BizAgentBench 将 789 份知识文档、601 项业务工具和 50 个长流程任务放进可执行环境，既核验最终目标，也检查中间步骤约束。论文显示只看任务完成会掩盖无效操作；HF 早期标题为 BizBench，arXiv 修订版已改名。同时还应记录任务过程中的工具调用成本。
中英密集文字生图基准发布，专测海报长文与布局
UltraText Bench 提供 432 条人工检查的提示，覆盖 24 类真实场景，中英文各半，每张图要求四至十二处文字。评估分别看文字准确、清晰度、空间安排和场景质量，揭示快速模型可能更清晰却更容易写错字的取舍。适合中文海报选型。
AI协助发现PHP高危漏洞，网站维护者面临集中修补
爱范儿梳理 PHP2Shell 漏洞披露与紧急修补过程，介绍 OpenAI 安全研究在构造可复现证据中的作用。事件涉及底层软件广泛使用带来的连锁影响；具体风险取决于运行版本与部署条件，不能把使用 PHP 都等同于已经遭入侵。