跳到正文
11月13日周五
  1. GitHub Blog · AI & ML58

    GitHub 实践指南:如何编写可跨智能体复用的 agent skills

    GitHub 发布 agent skills 实践指南,介绍以 SKILL.md 为核心的版本化目录结构,让同一套指令可在不同智能体客户端间复用。文中以 Proof Agent 的独立验证技能和 Data Forge 的多技能数据流水线为例,说明如何把项目配置放进 manifest、让相关技能共用执行路径,并在每个阶段设置人工审批点。

  2. Hugging Face Blog71

    IBM 发布基于 Granite 4.1 的 LLMON 预览模型 3B 与 8B

    IBM 在 Hugging Face 发布 granite-4.1-3b-LLMON-preview 和 granite-4.1-8b-LLMON-preview 两个实验性预览模型,它们基于 Granite 4.1 base 训练,能读写 LLMON 这种面向 LLM 的标记语言。

    推荐理由:原文给出 LLMON 标记语言的设计动机、注入攻击基准对比和训练流程,可据此判断结构化上下文对小型模型稳健性的作用。

11月12日周四
11月11日周三
  1. Microsoft Research80

    微软研究披露 Lazarus 后门:重编程休眠神经元即可控制 AI 智能体

    微软研究人员发现名为 Lazarus 的后门技术,通过重编程 LLM 中不到 10 个休眠神经元,无需训练即可给基于该模型的智能体植入后门,模型仍能通过标准评测,直到触发条件出现才执行攻击者命令。

    推荐理由:微软研究团队披露一种无需训练、仅改动不到 10 个休眠神经元即可给智能体植入后门的权重篡改方法,并给出溯源与检测思路。

  2. Google DeepMind88

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型

    Google DeepMind 向开发者、企业和科研人员开放 Gemini 4 Carbon,称其在网络安全能力和长周期智能体工作流上达到前沿水平。

    推荐理由:原文列出 Carbon 在多项基准上的排名与每任务成本,并给出网络安全与科研场景的实测案例,便于判断其与 Argon 的分工。

11月10日周二
  1. Google DeepMind82

    Google DeepMind 推出 AlphaProof Code,用 AI 智能体形式化验证 Signal 加密协议代码

    Google DeepMind 发布 AlphaProof Code,一个多 LLM 智能体框架,用 AI 智能体对 Signal 协议实际代码的关键安全属性做形式化验证。

    推荐理由:读者可了解多 LLM 智能体如何把形式化验证从设计层推进到实际编译代码,以及四周完成原本需数年的验证任务。

  2. Google DeepMind78

    Google DeepMind 发布 Gemini Robotics 2.5 视觉-语言-动作模型

    Google DeepMind 发布 Gemini Robotics 2.5,称其为目前能力最强的视觉-语言-动作(VLA)模型,在 200 项任务上相比此前基线成功率提升 30% 至 100%,完成任务速度快 20% 至 30%。

    推荐理由:原文给出 200 项任务评测与奔驰产线 96% 成功率的实测数据,可据此判断 VLA 模型在真实工业场景的进展。

  3. MIT Technology Review · AI58

    接替佩洛西席位的 Scott Wiener 谈联邦 AI 监管

    赢得佩洛西旧金山席位的前加州州参议员 Scott Wiener 表示,若国会设立 AI 专门委员会他愿意加入,并主张建立强有力的联邦监管机构、举报人保护、测试与审计要求以及关停开关。他曾起草 SB 1047 和 SB 53,反对联邦广泛预占州级 AI 立法,并称 METR 报告让他更担心递归自我改进的风险。

11月9日周一
11月6日周五
  1. Google Research75

    Google 研究用智能手表 PPG 与加速度传感器无袖带检测高血压迹象

    Google Research 在 Nature 发表 AI-PPG-ACC-HTN 系统,仅用智能手表的 PPG 与加速度传感器数据、无需袖带校准即可被动识别高血压状态。

    推荐理由:研究以 24 小时动态血压监测为金标准,对比智能手表无袖带筛查与诊室测量的灵敏度、特异度,可了解被动筛查路径的可行性边界。

  2. Microsoft Research58

    微软研究院用 PDD Kit 形式化验证智能体编写的全栈 Web 应用

    微软研究院发布 PDD Kit,把开发者的意图转成 Verus 形式化规约,再证明编码智能体生成的代码对每个输入都满足该规约,证明覆盖不到的部分改用测试。团队在 GitHub Next 的 Chopin 环境中用它验证了 Rust 全栈应用 Pet Store 的登录逻辑,开发者只审阅意图文档而未逐行阅读生成代码。PDD Kit 目前是研究原型,仅支持 Rust,验证依赖 Verus 与 Z3。

11月5日周四
  1. Mistral AI72

    Mistral 扩展企业平台 Studio,新增托管智能体与工作流能力

    Mistral 扩展企业 AI 平台 Studio,新增托管智能体、应用、工作流能力以及企业上下文、智能体可观测性和评测功能。开发者可为智能体配置技能、沙箱与子智能体,并通过新的 Mistral MCP server 在本地测试后一条命令部署到 Studio。平台支持云端、自有 VPC 和本地部署,ABANCA、BNP Paribas、Capgemini 等客户已在生产环境使用。

    推荐理由:原文给出 Studio 新增托管智能体、工作流与可观测能力,读者可据此判断企业自建智能体的落地路径。

11月4日周三
11月2日周一
10月30日周五
10月29日周四
10月28日周三
  1. Google Research58

    Google 提出 sleep 框架:让 LLM 在持续学习中保留知识

    Google 研究团队提出 sleep 框架,让 LLM 在活跃交互与离线睡眠两个阶段间交替,把短期上下文巩固进长期参数。睡眠阶段通过 MoE 参数扩展、基于 GKD 与 RL 的知识播种及随机专家激活的梦境自训练完成巩固,在 BABILong 上支持最长 10M token 的长上下文,并在 AIME 24/25 与 HMMT 25 上分别取得 79.2%、69.0% 和 46.1% 的准确率。

10月26日周一
10月24日周六
10月23日周五
  1. Microsoft Research60

    微软研究院发布 Flint-interactive,让智能体生成可交互数据可视化

    微软研究院发布 Flint-interactive,一种在 Flint 之上创建交互式数据可视化的语言,让智能体生成可点击、筛选、缩放和跨图表联动的图表。它通过 Flint 编译器把点击、拖拽等原始触发解析为语义事件,用户和智能体只需用高层算子描述更新行为,从而减少布局、渲染和调试问题。

    推荐理由:微软研究院发布 Flint-interactive,把交互逻辑交给编译器处理,读者可据此判断 AI 生成图表在交互可靠性上的改进空间。

10月22日周四
  1. Google Research58

    Google Research 研究:AI 辅助盲扫超声估算孕龄在多地临床验证

    Google Research 在 JAMA Network Open 发表研究,用 AI 解读未经专业超声培训的操作者采集的盲扫超声图像来估算孕龄。在 385 名 16 至 36 周孕妇的队列中,模型平均绝对误差为 4.18 天,专家标准流程为 4.48 天;芝加哥适配后为 4.10 天,内罗毕零本地优化下为 4.27 天。研究还记录了可换电池、模型置信度估计等实际部署经验。

10月21日周三
10月20日周二
  1. Mistral AI78

    Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK

    Mistral 发布 Voxtral 3 语音模型家族,包含支持 50+ 语言的转写模型 Voxtral Small Transcribe 3、支持 35+ 语言和 50+ 方言的 TTS 模型 Voxtral Mini TTS 3,以及基于 LiveKit 的语音智能体 SDK。

    推荐理由:原文给出语音智能体 SDK 与转写、TTS 模型的完整规格和定价,可据此判断实时语音工作流的落地成本。

10月15日周四
  1. Mistral AI71

    Mistral 发布时间序列基础模型 Timestral,最大 209M 参数

    Mistral 发布首个时间序列基础模型系列 Timestral,提供 5M、28M、123M 和 209M 四个尺寸,最大模型在 GIFT-Eval、TIME 和 fev-bench 三项公开基准上排名第一,参数量仅为此前 SOTA 的三分之二。

    推荐理由:原文给出四个尺寸的参数量、三项基准排名和 CPU 推理延迟,可据此判断时间序列基础模型的选型空间。

10月14日周三
  1. GitHub Blog · AI & ML40

    GitHub 如何用 ModernBERT 分类器更少误报地检测密钥

    GitHub 为密钥扫描训练了专用 ModernBERT 分类器,配合正则候选生成的两阶段流水线,在推送后扫描中把用户接受率提升 11.5%、中位扫描执行时间降低 86%、服务成本较远程 LLM 调用降低 98%。该分类器结合文件路径、变量名和周边代码判断候选字符串是否为真实凭据,使通用密钥检测得以扩展到推送保护阶段。

10月8日周四
10月6日周二