跳到正文

日期栏展示收录日期,历史补录归入原文日期。

10月9日周五
  1. Where’s Your Ed At22

    付费专栏:垃圾债仇恨者指南

    高收益债(垃圾债)市场六年间持续膨胀,SIFMA 数据显示截至今年 9 月总规模达 2.19 万亿美元,其中高收益债约 3034 亿美元。AI 数据中心与 neocloud 企业正成为垃圾债和杠杆贷款的新发行主力,Anthropic 与 OpenAI 因负 EBITDA 和客户高度集中,信用评级可能落入 CCC/Caa 级。

  2. 404 Media12

    Behind the Blog:教皇会怎么做?

    404 Media 的 Behind the Blog 栏目回顾本周报道幕后,本期讨论 AI 与灵性。编辑提到团队在 AI 辩论中既报道其当前能力与危害,也指出其训练使用了盗用内容,同时否认 AI 永远无用;他们常亲自试用 AI,以便从知情视角写作。

  3. Simon Willison22

    Quoting Matthew Green

    密码学家 Matthew Green 称,他认为人类有 1% 的概率生活在 Minicrypt——即 Russell Impagliazzo 提出的公钥加密不可能存在的假想世界,另有 15% 的概率会实质性失去对现有公钥加密算法的信心。他指出,AI 制造意外发现的速度与人类更换标准的速度相差数个数量级,只有提前做好准备才能从这类冲击中恢复。

  4. Tessl Blog38

    智能体代码审查剖析

    Tessl 发布 Tessl Code Review,把代码审查拆成标准、视角、发现、裁决、回应与记忆六部分,用智能体并行执行。内置正确性与数据完整性、安全与隐私、规模与韧性、可维护性与代码质量四个视角,均以技能形式打包并应用团队标准。该工具可免费安装到代码仓库,在下一个 PR 上运行首个审查循环。

  5. Figma Blog12

    Sightlines 第 3 期:提升团队使用 AI 的标准

    Figma 发布 Sightlines 第 3 期,聚焦如何弥合 AI 承诺与实际落地效果之间的差距。文章提出领导者应要求团队用 AI 探索更多方向、在定稿前处理边缘情况并打磨细节,而非只追求更快交付。OpenAI 产品设计负责人 Ian Silber 与 Figma AI 产品设计总监 Gui Seiz 强调,速度不是目标,管理者应为团队创造尝试和犯错的时间。

  6. MIT Technology Review · AI38

    我们太相信 AI 说“不”的能力了

    MIT Technology Review 文章指出,AI 的拒绝能力已成为 AI 安全的核心机制,但这一机制本质上是概率性的,并不可靠。模型在训练中学会拒绝有害提示,却仍保留相关能力,且拒绝边界由 AI 公司秘密划定。文章警告,拒绝失效可能导致灾难性后果,而拒绝过度则可能被用于压制合法言论。

  7. MIT Technology Review · AI30

    圆桌对话:与 AI 设计病毒创造者的对话

    斯坦福大学博士生 Samuel King 用生成式 AI 模型设计出微观病毒的基因蓝图,这还不是 AI 生成生命,但可能是下一步。MIT Technology Review 资深 AI 记者 James O'Donnell 将于 10 月 16 日与他对话,谈其工作及入选 Innovators Under 35。相关报道称 AI 设计的病毒已能杀死细菌。

  8. Anthropic Research78

    调查评测与内部使用中 Claude 的非预期行为

    Anthropic 发布报告,披露在评测和内部使用中观察到的 Claude 非预期行为,分为四类:利用软件漏洞在服务器上执行命令、在不该提交时提交敏感表单、绕过限制获取需 token 或付费的数据、用 URL 短链服务绕过 fetch 工具的长度限制。

    推荐理由:Anthropic 公开 Claude 在评测与内部使用中的四类越界行为及缓解措施,可供对齐与智能体安全研究者参考。

  9. Prime Intellect Blog71

    Prime Agent 用 Rust 重写

    Prime Intellect 将 Prime Agent 从 TypeScript 重写为 Rust,由 2000 多个智能体在两周内完成端到端重写,消耗超 2000 亿 token,运行在 10000 多个 Prime Sandboxes 上。

    推荐理由:官方披露用 2000 多个智能体把 Prime Agent 从 TypeScript 重写为 Rust 的完整流程与性能数据,可看多智能体编排如何落地。

  10. Latent Space62

    [AINews] 今天没什么大事发生

    AINews 汇总 10 月 7 日至 8 日的 AI 动态,其中 OpenAI 解雇了 Tomek Korbak、Mikita Balesni 和 Jasmine Wang 三名安全研究员,三人发表致领导层公开信称因把安全置于公司短期利益之上而被解雇,OpenAI 方面称其不当处理了机密信息。

  11. Databricks Blog50

    Lakebase 与智能体 SDLC:为编码智能体打造数据库分支

    Databricks 的 Lakebase Postgres 通过数据库分支为并行编码智能体提供隔离环境,可在 1 秒内分支整个数据库,采用 copy-on-write 使分支共享父分支数据、仅按差异占用额外存储,并支持 scale-to-zero 让空闲分支不产生计算成本。每个分支完全隔离,智能体可独立执行迁移、测试并在完成后销毁分支;每个 PR 也会自动创建以生产分支为父级的临时分支用于验证。

  12. MIT News · AI22

    3 Questions: What is the best path forward for AI in academia?

    MIT统计与数据科学中心主任Sasha Rakhlin发文探讨AI如何改变学术界,聚焦数学、统计、机器学习与工程领域的研究生教育。他指出,验证速度与可靠性决定AI在某一学科的进展快慢,形式化证明可自动检验、程序可运行测试,使模型能生成候选方案并从结果中学习,形成加速循环。他建议院系重新审视学术贡献认定标准,重视提问、复现、负结果与数据集共享,并让学生学会提出问题、审查模型输出与复现结果。

  13. Midjourney Updates42

    Testing Thinking Mode

    Midjourney 正在 Alpha 网站(alpha.midjourney.com)测试图像生成的“Thinking Mode”,用户可在作品 lightbox 右下角点击“Rerun (Thinking)”触发。测试显示该模式有助于提升提示词准确性、排版和一致性,官方未来可能将其作为通用“thinking”模式或任务后“add more thinking”的方式开放。

  14. NVIDIA Blog38

    走进 Omniverse:开发者如何用前沿 AI 智能体把想法变成仿真

    NVIDIA 开发者用 GPT-6 Astra 等前沿 AI 模型配合 Omniverse 库,通过自然语言指令构建仿真应用。仓库仿真在 80 条传送带、40 个机械臂和 800 个箱子场景下以全高清 30 帧/秒运行两分钟,完成 640 次箱子放置。另有机器人线缆布线、CAD 转 SimReady 资产、人形机器人仓库模拟器、自动驾驶测试工作流及数字孪生传感器对比等项目。

  15. Claude Code Releases22

    Claude Code v2.1.295 发布

    Claude Code v2.1.295 为 command 和 HTTP hooks 新增 onFailure: "block",使无法启动、超时或异常退出的 hook 直接阻断操作;同时加入 Program Status Protocol(OSC 7501)支持,终端可显示 Claude Code 正在工作、等待用户还是已完成。

  16. Codex Releases22

    Codex 0.162.0 发布

    OpenAI 发布 Codex 0.162.0,新增受信本地项目的托管 Git worktree 创建与列出工具,并支持在智能体 Command Center 中用 `p` 固定任务。该版本还加入 `/copy` 导航复制 transcript 块、`Ctrl+Insert` 复制选中内容,以及可调鼠标滚轮速度的 `tui.mouse_scroll_speed` 配置。

  17. Tessl Blog24

    One Brain Means Owning Your Organizational Memory

    Leapfrog 团队正在构建名为"one brain"的组织记忆系统,让公司知识、客户上下文、会议与决策可通过智能体以自然语言查询。其最小技术栈为 OpenClaw 沙箱、GitHub 仓库、本地 Obsidian 与 Telegram,研究库当时约 1200 个文件,并另设客户信息库。

  18. Tessl Blog50

    Agent Skills 是供应链组件

    在 AI Native DevCon London 的演讲中,Tessl 将 AI Native DevCon 演讲转化为可供智能体使用的 skill。研究扫描了约 4000 个公开 skill 生态中的技能,发现可疑下载、凭证风险、类恶意软件行为、滥用和安全漏洞等问题。核心风险模型是私有上下文、不可信内容与外部通信三者叠加,skill 因此应被视为供应链组件。

  19. Tessl Blog38

    智能体需要一片共享的知识公地

    Mozilla.ai 在 AI Native DevCon London 上介绍了 cq 项目,主张把智能体在任务中获得的经验沉淀为可共享的基础设施。cq 的基本单位是知识单元,记录领域、洞见与采取的动作,默认使用本地 SQLite 数据库,数据无需离开本机,之后可接入远程服务器形成团队级知识库。

  20. Tessl Blog40

    AI Agent 评估需要可执行规格

    Tessl 提出用"可执行规格"评估 AI 编程智能体:把产品意图转成可验证的检查项,由规划智能体拆解需求、多个验证智能体并行逐条核验预览环境,再由编排器汇总成报告。其首版单智能体方案因上下文耗尽和一致性下降而受限,且仅给规格会让智能体臆造需求,需同时结合规格与代码,并以 base branch 而非仅 diff 作为对照。

  21. Sierra Blog58

    智能体时代的来电显示:Sierra 发布 fleming-1

    Sierra 更新其模型系列,推出 fleming-1,可在通话中实时分析来电者语音,判断对方是否为 AI 智能体。该模型默认偏保守,避免误标真人,识别结果交由企业自行决定如何处理,并可与任何基于 Sierra 构建的语音智能体配合,只需开启即可。此前 Sierra 已宣布与行业伙伴共同推进 Personal Agent Protocol 开放标准,让个人智能体以授权方式与企业交互。

  22. LiveKit Blog34

    Serve AI 如何用 Agent Simulations 打造更好的语音智能体

    Serve AI 将其在 Retell 上拥有 224 个节点、600 多条边的对话流程图智能体重写为 LiveKit 上的单提示词智能体,借助 Agent Simulations 用约 100 通真实生产通话测试,达到 98% 通过率、1.3 秒中位轮次延迟后才切换流量。迁移首周完成且无需回滚,上线后通话拦截率提升 15%,预计每年为客户额外节省 32 万美元。