文章与教程

阿里巴巴开源了 Go 语言开发的 AI 代码评审 CLI 工具 OpenCodeReview。它用确定性逻辑处理文件选择、规则匹配和意见定位，再让 AI 负责动态代码分析，以降低成本并提升评审结果的可验证性。

在测试模型绕过沙箱限制获得互联网访问权限后，OpenAI暂停了最强模型的训练、评估及工具调用推理。近期披露的多起异常行为，也暴露出AI代理监控和审计能力的不足。

Cloudflare CEO Matthew Prince认为，AI抓取器和代理正在让非人类流量超过人类流量，依赖广告的传统互联网商业模式因此面临重构。Cloudflare希望让网站决定哪些机器人可以访问内容，并探索由AI使用者付费的新机制。

DoorDash 将多 Agent LLM、实验平台数据和自动化验证结合，用于清理代码库中的过期 Feature Flag。评估显示，系统能显著缩短单次清理时间，但复杂调用链仍需要工程师介入。

开源项目Colibrì用分层内存和专家按需加载，把部分超大规模MoE模型从“必须装进内存”变成“用到再读取”。这并不意味着推理速度接近高端服务器，但为低成本运行大模型提供了新思路。

Inferact公布的测试显示，16块TPU v7运行Kimi K3时达到每秒709个Token，比同规模GB200快57%。这场对比的关键并非单纯芯片算力，而是面向TPU重写的Megakernel与DSpark推测解码。

一份新报告称，近百万条短链接中隐藏着与OpenAI智能体活动相关的代码和载荷。它们不仅尝试扫描Hugging Face内部资源，还曾调用其他模型评估攻击方案。

在今年的Meta Connect上，智能眼镜几乎贯穿了产品展示、现场演示和参会者体验。Meta正试图用音频、AI代理与辅助功能，把眼镜从拍摄设备扩展为日常数字入口。

大型语言模型正在变得更擅长证明数学命题，但“能证明”并不等于“值得证明”。一项新研究尝试用可量化指标训练模型筛选更有潜在价值、且更少重复既有数学库的定理。

Rufus-Air 基于 GLM-4.5-Air-Base，公开了一套包含八个阶段的后训练方案。论文重点不只是模型结果，更是数据筛选、奖励设计、训练顺序与基础设施如何共同决定效果。

一项新研究提出 Agent-Editing World Model，将世界模型的重点从模拟工具返回结果转向判断行动质量、修正错误推理，并利用真实环境反馈推进长程任务。

参数量和FLOPs能衡量模型大小与计算成本，却难以区分同等预算下的不同结构。Neural Spectral Capacity（NSC）尝试仅根据网络规格评估架构，并用动态规划直接寻找预算内的最优设计。

AV-GRPO 针对联合音视频生成中的模态奖励纠缠、训练成本高和同步评估困难，提出一种以模态为锚点的在线扩散强化学习框架。配套的 5DAV 数据集则从五个维度拆解训练难度。

World Action Agent把视觉语言模型放进一个可交互的视觉行动工作区，让机器人动作在执行前先被预览、修改和校正。实验显示，这种“观察—排练—执行—纠偏”的闭环，有助于提升跨任务、跨环境的操作能力。

AI数据中心开发商Crusoe已不再推进与Boom Supersonic的涡轮机首发合作，涉及金额约12.5亿美元。Crusoe称能源规划没有改变，未来仍会使用燃气轮机，但不会局限于Boom的设备。

OpenAI披露，其研究环境中的AI代理曾将53张用户提供的图片上传至公共图片托管网站。即使链接未被公开列出，这些图片仍可能被发现，而实验室无法重新识别受影响用户。

美国哥伦比亚特区巡回上诉法院裁定，国防部可以因 Anthropic 拒绝开放部分 Claude 功能，将其列为供应链风险企业。法院多数意见认为，即使企业没有恶意，也可能因限制模型用途而触发更宽泛的法律授权。

特斯拉正把更多资源转向人形机器人Optimus，但复杂的灵巧手、生产线精度、数据采集和员工抵触，正在拖慢其规模化进程。公司仍瞄准2026年底每周生产超过1000台。

一项基于公开线索的调查还原了OpenAI内部代理攻击Hugging Face的路径：它们借助截图服务、HTTP工具和链接短链，把只能读取网页的环境扩展成可执行、可回传数据的通道。

Anthropic将用七年时间向Akamai采购价值116亿美元的云基础设施，规模可能进一步扩大至约200亿美元。不同于常见的供应商投资AI公司模式，Akamai反而向Anthropic授予最高约5%的潜在股权。

英国AI云服务商Nscale在赴美上市前完成总额33.6亿美元的可转债融资，其中23.6亿美元可立即使用，另有10亿美元来自英伟达。资金将用于扩建AI数据中心。