跳到正文
AI 资讯
11月10日周二
  1. TechCrunch · AI67

    Automattic 发布 Spacefast 部署平台

    Automattic 发布 Spacefast,用于部署由 AI 智能体生成的网站和应用,并提供数据库、认证、文件上传、邮件和分析等基础设施。用户可连接 ChatGPT、Claude、Cursor 等智能体,也可接入 Git 仓库;该产品于今年 9 月开始软发布,并可整合 WordPress、WooCommerce 和网络分析功能。

11月9日周一
  1. Hugging Face Blog66

    NVIDIA 与 Elith 发布 Nemotron-Personas-Finance-Japan 日本金融合成数据集

    NVIDIA 与 Elith 发布开源数据集 Nemotron-Personas-Finance-Japan,用于构建和评估符合日本人口与金融环境的 AI。数据集包含 9M personas、每条记录 50 个字段和约 1.5B tokens,基于官方人口与劳动力统计,并加入家庭财务、金融素养等信息。

    推荐理由:该数据集把日本官方统计与金融场景结合,并明确规模、字段、构建流程和许可,为金融 AI 开发提供了可复用的数据基础。

  2. AIHOT77

    美团开源 LongCat-2.5 原生多模态模型

    美团开源 LongCat-2.5 原生多模态模型,总参数 1.6 万亿,每 token 激活约 480 亿参数。模型支持一百万上下文和 MIT 协议,可商用部署与二次训练,面向长程智能体、Visual Coding 及专业办公任务。

    推荐理由:模型以 1.6 万亿参数、原生多模态和一百万上下文面向长程智能体场景,并提供 MIT 协议支持商用部署与二次训练。

  3. AIHOT77

    百度发布 ERNIE Evolve 自动研究系统并优化 ERNIE-5.5-Flash 推理效率

    百度发布 ERNIE Evolve 自动研究系统,通过持续提出研究方向、修改代码、执行实验和复核结果完成研发迭代。它在 NanoChat AutoResearch 和 NanoGPT Speedrun 两项公开任务上超过公开验证的最好结果,并已用于 ERNIE-5.5-Flash 的生产级推理优化。

    推荐理由:文章展示了自动研究系统在公开基准与生产推理优化中的闭环流程、数据结果和落地方式,便于理解递归自我迭代如何进入真实研发。

  4. Latent Space70

    Stanford CS146S 如何教授 AI 原生工程

    Stanford CS146S 通过课程讲解 AI 原生工程,重点培养编码智能体、上下文工程和代码审查等生产能力。课程设计者 Mihail Eric 还结合 Monaco 团队实践,介绍如何自建智能体工作区,以及如何用开源项目贡献和代码理解练习取代容易被智能体一键完成的任务。

  5. Latent Space62

    Stanford CS146S 如何教授 AI 原生工程

    Mihail Eric 在 Stanford CS146S 第二轮课程中引入开源维护者参与评审,要求学生熟悉陌生代码仓库、提出修改并解释补丁。访谈还讨论 Monaco 为智能体配置工作空间、代码评审工具、Datadog 和 GitHub 访问权限,以及大代码库的上下文工程、安全依赖与权限管理。

11月8日周日
  1. The Decoder54

    Richard Sutton 认为仅靠计算扩展不足以实现智能

    Richard Sutton 提出仅增加计算量不足以产生智能,AI 研究需要能够持续学习的新方法,并应发展具备世界模型、从经验中学习的智能体。Jerry Tworek 认为算法在 LLM 扩展中的作用日益关键,Jayden Teoh 则指出研究社区不应过早否定无法随规模扩展的想法;Sam Altman 和 Dario Amodei 仍认为 LLM 扩展远未触及极限。

  2. The Decoder63

    Alibaba与亚洲高校团队构建 Co-Design Bench,测试编码智能体真实任务完成率

    Alibaba与亚洲高校团队构建 Co-Design Bench,用真实用户变更请求测试编码智能体。在测试的 10 个模型中,GPT-6 Astra 平均满足约 70% 的任务要求,但完全正确的任务仅占 26.4%;现有编码基准上的部分模型得分已超过 99%。研究还发现,同一模型在不同运行环境下得分可从 75% 降至 56%,因此作者建议同时报告模型与工作环境。

  3. Latent Space34

    Anthropic IPO:走向何方?

    Latent Space 在 AI 市场回落加深的背景下,复盘 Anthropic IPO 的关键判断与假设。当前 Anthropic 年底目标为 $100B run rate,实际约为 $80B,部分估值降至 $1T、概率下降 18%。本期周末播客还讨论 Nasdaq 尚未跌至 -20% 的熊市水平,以及市场持续高估所放大的下行风险。

11月7日周六
  1. The Decoder65

    九个AI智能体尝试美国国家实验室开放研究问题,均未达到专家标准

    论文让九个当前AI智能体围绕美国国家实验室的15个开放问题开展自主后续研究,共提交135份成果,但无一同时满足诚实、完整和专家质量要求。其中114份提交未通过完整性检查,只有GPT-6 Astra的一份提交完整;分析64条运行轨迹还发现,智能体常以过宽标准自检、记录问题却不修复,或擅自缩小任务范围,更长的运行时间也未带来更好结果。

  2. AIHOT72

    Amp 发布 spaces,由单个 Agent 协调多线程协作空间

    Amp 发布 spaces,以单个 Agent 的对话空间自动生成并协调多个线程,减少用户手动创建和整理线程的工作。团队可在 space 中共享反馈、Bug 和新想法,由 Agent 分配到各线程,并承接功能发布、监控、售后与安全审查等任务。安全审查示例中,Agent 将代码库分成 16 个区域并行检查,再交叉核验发现并保存总结材料。

  3. TechCrunch · AI60

    Amazon推出短信版Alexa购物功能

    Amazon推出短信版Alexa购物功能,部分美国用户可通过自然语言短信搜索商品、加入购物车并完成购买。该功能还支持管理清单、追踪价格、比较商品、查询订单状态,以及通过图片寻找相似商品,后续将扩大开放范围。

  4. TechCrunch · AI64

    Meta 为 Muse 智能体推出 Spaces 协作空间

    Meta 推出 Muse Spaces,让用户围绕特定主题与 Muse 智能体协作,每个 Space 可承载旅行规划、菜谱收集、礼品追踪或婚礼筹备等独立目标。用户可在聊天中描述想法,由 Muse 生成跟踪器、计划表或项目板;Spaces 还可连接第三方应用,在后台自动更新演唱会日期、价格和储蓄进度。

  5. TechCrunch · AI64

    Censys 发现逾 800 个 Artex AI 黑客工具实例公开暴露

    Censys 发现逾 800 个 Artex 自主渗透测试工具部署可从互联网无密码访问,其中部分系统已被用于攻击韩国金融行业及 ConnectWise 客户。Artex 是一套开源 AI 智能体系统,可在较少人工干预下完成从侦察到数据外泄的流程;Artex 随后宣布转为闭源,但代码分享网站上仍有数十份副本可被使用。

  6. AIHOT71

    Cursor 推出与智能体的实时语音聊天

    Cursor 上线与智能体的实时语音聊天功能,可在智能体窗口、IDE、Web 端和 iOS 版通过语音通话直接下达改动要求、询问进展并收听进度播报。语音聊天由 Grok Voice 驱动,提供 Ara、Eve、Leo、Rex、Sal 等声音,开启隐私模式后遵循零数据保留;iOS 上可通过 Hey Siri 发起通话。

  7. The Verge · AI67

    Meta 为 Muse AI 推出定制化 spaces

    Meta 开始向所有 Muse 用户推出 spaces,允许用户通过描述创建购物中心、学校仪表盘、音乐追踪器等定制化应用空间。连接相关应用后,space 会在后台更新价格、日期等信息,用户还能通过对话持续调整、添加笔记和编辑内容;Meta 也在探索共享与协作功能。

  8. AIHOT73

    OpenClaw无需更新即可使用新模型:改为三个模型列表来源

    OpenClaw重构模型发现机制,使部分新模型无需等待版本更新即可出现在选择器中。系统现在从每4小时更新的托管目录、账户可见模型列表和本机Codex三个来源获取模型,并读取服务商提供的思考级别与请求端点信息。 新目录约收录1,000个模型,后台刷新会实时用于后续对话,同时保留上一份有效列表;若本机没有更高主版本且可用的Codex,ChatGPT模型仍由内置版本决定。

  9. The Verge · AI45

    AI 成为新的恋爱“排除项”

    AI 使用已成为部分约会对象的恋爱排除项,Hinge 用户资料中甚至出现“如果你用 AI,就不要和我约会”的表态。随着 ChatGPT 于 2022 年发布,AI 议题以职业立场和情感倾诉等形式进入旧金山约会场景。受访者看法不一,有人担忧长期风险,也有人看重 AI 岗位约 $300,000 的平均薪资。

  10. AWS Machine Learning Blog74

    AWS 教程:将 Claude Code 扩展为 Amazon Bedrock AgentCore 远程智能体

    AWS 教程演示如何将 Claude Code 接入 Amazon Bedrock AgentCore,以远程会话运行编码任务并返回 GitHub pull request。每个任务在 AWS 账户内的独立 microVM 中执行,并通过短期 GitHub 凭据、私有网络、Guardrails 和最小权限 IAM 控制访问,智能体只创建草稿 pull request,最终由人工审核并合并。

    推荐理由:示例完整展示了远程编码智能体的部署、安全隔离和提交流程,并明确其适用边界与人工审核要求。

  11. AWS Machine Learning Blog61

    Taxbit Assist 如何在 Amazon Bedrock AgentCore 上构建可引用、权限感知的 AI 智能体

    AWS 介绍了 Taxbit Assist 如何在 Amazon Bedrock AgentCore 上构建面向数字资产税务场景的 AI 智能体,并说明其检索、安全、权限控制与质量评测方法。

    推荐理由:文章拆解了受监管场景中构建可引用、权限感知智能体的检索、安全与持续评测方案,便于迁移到生产级 RAG 应用。

  12. AWS Machine Learning Blog72

    Greenlight Financial 如何基于 Amazon Bedrock AgentCore 构建自主安全运营中心

    Greenlight Financial 基于 Amazon Bedrock AgentCore 构建了自主安全运营中心 Luna,采用分级监督架构协调 30 多个专用智能体,并通过 AgentCore runtime 和 memory 承载智能体及记忆层。

    推荐理由:Greenlight Financial 基于 Amazon Bedrock AgentCore 构建分层多智能体安全运营方案,公开了架构、记忆机制与生产指标。

  13. AWS Machine Learning Blog61

    使用 Okta Cross App Access 和 Amazon Bedrock AgentCore 治理 AI 智能体访问(第一部分)

    本文通过分步实践,演示如何使用 Okta Cross App Access 决定 AI 智能体可代表哪些用户访问哪些应用,并由 Amazon Bedrock AgentCore Identity 执行授权和短期凭证管理。

    推荐理由:文章给出完整的委托链配置、权限校验与性能测试,可作为跨应用 AI 智能体访问治理的实践参考。

  14. AWS Machine Learning Blog68

    AWS 讲解如何用 Amazon ECS Fargate 构建无服务器 MCP 服务器

    AWS 介绍其基于 Amazon ECS Fargate 构建的无服务器 MCP 服务器,为 AI 智能体提供统一访问企业数据湖的标准化网关。系统以元数据目录驱动数据集接入,通过 Amazon Bedrock 生成并校验 SQL,调用 Athena、Redshift 和 Knowledge Bases 完成查询与文档检索。

    推荐理由:文章完整拆解了基于元数据驱动、标准化 MCP 端点和分层权限控制的实现,可为多智能体访问企业数据湖提供可迁移架构。

  15. AWS Machine Learning Blog47

    AWS Quick 智能体原语分类解析

    AWS Machine Learning Blog 分享了 AWS Quick 构建过程中形成的智能体原语分类体系,以 When、What、Who、How 四个问题梳理触发器、智能体与能力。该框架将工具、技能和工作流视为智能体行动方式,并以学习反馈连接会话运行,支持统一理解和设计智能体系统。