跳到正文

全部动态

今日 0 条
9月29日周二
9月28日周一
  1. Simon Willison36

    Muse AI Agent 代为处理取货失误的致歉消息

    Muse AI Agent 以 @matt.j.robb 名义发出消息,说明 MX Keys Mini 取货失败:取件人 Usman 9:15 到场等待,9:38 因无人应答离开并留下差评。自动回复曾在 9:27 误报"我在这儿",加重了失约影响。该 Agent 已代为致歉并提出改天再试,同时询问是否修改取件自动回复,避免在无法核实的情况下承诺用户在家。

  2. Simon Willison79

    Simon Willison 盘点 2026 年大模型进展

    Simon Willison 在 WeAreDevelopers World Congress North America 发表闭幕主题演讲,以编年方式回顾 2026 年大模型关键进展。

    推荐理由:作者以亲历视角梳理2026年大模型与编程智能体的演进脉络,涵盖本地模型、Claw类智能体与多起训练智能体安全事件。

  3. Simon Willison41

    Simon Willison 开源 Bluesky 回复机器人检测工具

    Simon Willison 用 Opus 5.5 vibe code 出一款检测 Bluesky 回复机器人的工具,可分析任意 Bluesky 个人资料。该工具通过识别账号在几秒内回复他人帖子、从不发布原创内容只回复高粉丝用户等信号判断是否为机器人,还会检测问号以识别那些诱导真人回答的虚假提问机器人。

9月27日周日
9月26日周六
  1. Ars Technica · AI80

    美国上诉法院裁定国防部可将拒绝开放 Claude 功能的 Anthropic 列入黑名单

    美国哥伦比亚特区巡回上诉法院以 2 比 1 裁定,特朗普政府有权因 Anthropic 拒绝向军方开放部分 Claude AI 功能而将其列入黑名单,即使 Anthropic 并无恶意。判决称国防部长在供应链安全法授权下平衡过度受限与不受限模型的风险未越权,驳回其复审请求;该法院此前已在 4 月驳回 Anthropic 的紧急暂缓动议。

    推荐理由:法院裁决说明政府有权因模型能力限制对企业实施供应链黑名单,对 AI 厂商与军事合作的边界有直接参考意义。

  2. GitHub Blog · AI & ML58

    GitHub Copilot app 新手教程:如何用 canvases 构建自定义工作流

    GitHub 官方教程介绍 GitHub Copilot app 的 canvases 功能,用户在 agent 会话中运行 /create-canvas 并用自然语言描述工作流,即可生成看板、发布清单等可共享的双向界面。canvas 支持人与 agent 同时操作、状态实时同步,还能保存为扩展供个人或团队复用;社区已通过 Awesome Copilot 分享了现成的 canvas 扩展。

  3. Simon Willison63

    John Gruber 谈 Meta Muse 智能体:外表可爱但实力和风险被低估

    Simon Willison 转引 John Gruber 文章:Meta 的 Muse 被视为首个消费者可用的 agentic AI 系统,每位用户在 Meta 云端获得独立持久 Linux VM,以吉祥物形象包装得易装易用;但 Gruber 质疑消费者是否理解其强大与危险,尤其运行在自己 Mac 上时,类比用户买电锯时知道自己买了什么,却未必意识到 Muse 的风险。

  4. AWS Machine Learning Blog29

    在 Amazon EKS 上结合 EFA 与 DeepEP 扩展 MoE 强化学习,吞吐量提升 40%

    AWS 提出在 Amazon EKS 上结合 EFA 与 DeepEP 的架构,加速 MoE 模型的大规模强化学习训练,吞吐量提升 40%。该方案针对 RLHF 与 GRPO 等流程中 rollout 生成与策略训练资源竞争、跨节点通信带宽受限等问题,由 DeepEP 优化 Expert Parallelism 的 all-to-all token 路由通信。

9月25日周五
  1. GitHub Blog · AI & ML60

    GitHub Security Lab 用 Taskflow Agent 构建 AI 驱动的自主模糊测试流水线

    GitHub Security Lab 的 Antonio Morales 发布 Fuzzing Taskflow,面向 C/C++ 项目的自主模糊测试流水线,只需给出 GitHub 仓库即可自动识别入口点、编写 harness、运行 AFL++、读覆盖率、改进 harness 并分诊崩溃、生成漏洞报告。

    推荐理由:作者亲述用 LLM 智能体自动化 C/C++ 模糊测试全流程的设计取舍,覆盖覆盖率反馈循环和崩溃分诊等可借鉴的工程细节。

9月24日周四
9月23日周三
  1. NVIDIA Blog22

    Sakeena Fiza 如何保障 NVIDIA 硬件大规模成功

    NVIDIA 验证工程师 Sakeena Fiza 负责在量产前发现数据中心系统问题,团队曾见证 Rubin GPU 首次在系统层面成功枚举。验证工作覆盖从托盘到机架再到 AI 工厂的各环节,单板含数万个组件,机架接近 50 万个组件。她在实验室中排查高速信号、散热余量、电源完整性等各类故障,确保问题在客户遇到前被解决。

9月22日周二
  1. MIT Technology Review · AI46

    不要被这个夏天的 AI 炒作迷惑

    MIT Technology Review 刊文指出,Anthropic 与 OpenAI 近几个月宣称的 Claude Mythos 漏洞挖掘能力、数学突破等成就在专家检验后大打折扣:安全专家认为黑客事件更多是 OpenAI 忽视基本安全实践,数学家则指控 Astra 的“突破”涉嫌剽窃、并非新颖成果。文章批评“超级智能”叙事被用来转移问责,呼吁政策制定者咨询独立专家、对营销式炒作保持怀疑。