🔬
在 Autoresearch 中嚴格分離評測與程式碼
一名 Reddit 研究者提出一套 skill 與 CLI 工作流程，嚴格將固定的評測程式碼與代理程式可最佳化的程式碼分離。此方法結合版本控制的約束條件、由代理維護的 HTML 日誌，以及長時間執行的 Claude Code 迴圈，以減少人工監控需求。
Search
Tag: #experiment-tracking5 results
Amazon SageMaker AI 支援 MLflow 3.10 加速生成式 AI 開發
Amazon SageMaker AI MLflow Apps 現支援 MLflow 3.10 版本。此更新強化生成式 AI 開發，提供更好實驗追蹤。新功能涵蓋可觀測性、評估與簡化工作流程。
使用 SageMaker AI 將基準測試結果串流至 MLflow
Amazon SageMaker AI 現支援將基準測試和推薦結果即時串流至 MLflow。這為實驗期間追蹤指標、參數和圖表提供了統一的介面。
⚙️
Cadenza：代理優化版 WandB 日誌
全新 CLI 工具匯入 WandB 專案，使用 AlphaEvolve 演算法結構化執行記錄。專為代理設計，避免淹沒上下文視窗，並提供 Python SDK 整合自訂代理。
GoodSeed v0.3.0 ML 實驗追蹤器推出
GoodSeed v0.3.0 是取代 Neptune 的全新開源 ML 實驗追蹤器，具備簡潔 UI、高級指標圖表、系統監控及 git 記錄等功能。支援 beta 遠端伺服器及 Neptune proxy，可檢視並遷移實驗。透過 pip 安裝，並試用 goodseed.ai 的示範。