Block 如何用 OpenAI 技术构建 AI 驱动的安全体系
Block 正用 OpenAI 技术构建 AI 驱动的安全体系，其安全团队借此更快调查威胁，并能在数分钟内提出补丁方案。
#Agent
OpenAI NewsAI 评分2222 NVIDIA BlogAI 评分2727 欧洲多城部署 NVIDIA 驱动的 AI 智能体提升城市运营效率
欧洲多国城市正采用 NVIDIA 加速计算构建物理 AI 智能体和数字孪生，用于城市运营与公共服务。法国 Côte-d'Or 借助 Nemotron、Omniverse 等为 500 多栋公共建筑部署运营智能体，将文档检索时间从数周缩短至数分钟，运营总成本降低 10%，规模化目标为 30%。
Latent SpaceAI 评分6262 AINews：Gemini 4 Argon 正式发布，Vals AI 谈基准测试
Google 的 Gemini 4 Argon 今日正式 GA，覆盖编码、知识工作、企业工作流和网络防御，通过付费 Gemini API 与 Gemini 平台、Gemini 应用中的 AI Pro 和 Ultra、Search 的 AI Mode 以及 Antigravity 的 Ultra 提供访问。
AWS Machine Learning BlogAI 评分5858 Anchor Browser 集成 Amazon Bedrock AgentCore payments，让智能体自动完成 x402 付费
Anchor Browser 与 Amazon Bedrock AgentCore payments 集成，让 AI 智能体在浏览器会话内自动处理 x402 协议的 HTTP 402 付费请求，该方案已在 AWS Marketplace 上线。
Hugging Face Blog精选AI 评分7171 Liquid AI 发布 LFM2.5-24B-A2B 端侧推理智能体模型
Liquid AI 发布 LFM2.5-24B-A2B，一个 24B 总参数、2B 激活参数的推理模型，面向端侧运行私有智能体，会先推理再作答并支持工具调用。它在 LiveClaw 上得分 48.09，高于 Qwen3.6-35B-A3B 的 38.19，在 AutomationBench 上得分 27.69，超过次优模型三倍以上。
推荐理由：Liquid AI 给出 24B 总参数、2B 激活的端侧推理模型，并列出与更大 MoE 的智能体基准对比和部署入口。
Simon WillisonAI 评分2424 Geoffrey Huntley：用 pre-commit hook 强制 AI 智能体使用诊断库
Geoffrey Huntley 提出用 pre-commit hook 检查 git diff，发现绕过诊断模块直接调用可观测性模块的代码就拒绝提交，并向 AI 智能体注入提示词要求其改用诊断库，效果从有偏差变成"十全十美"。他认为与其靠更新 AGENTS.md 让智能体使用诊断库，不如用这种强制手段避免漂移。
NVIDIA Blog精选AI 评分7878 NVIDIA 为 RTX Spark 笔记本推送本地 AI 软件更新
NVIDIA 宣布 RTX Spark 笔记本将于 10 月 16 日上市，并联合生态伙伴推出面向本地 AI 的软件更新，覆盖 GitHub Copilot、Hermes、OpenClaw、Perplexity、Pi、WorkBuddy 等智能体应用。
推荐理由：原文列出 RTX Spark 首发时本地智能体、创作与开发工具的适配清单，可据此判断本地 AI 工作流的可用边界。
Latent Space精选AI 评分7878 Meta 发布 Muse Wonder 与 Muse Wonder Full，第三方评测接近前沿水平
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder（代号 Watermelon）与 Muse Wonder Full，前者通过 Meta Model API 和 Muse Code 提供，后者仅面向 Muse Code 订阅用户。
推荐理由：汇总 Meta Muse Wonder 双模型发布与第三方评测数据，可对比其与 Opus 5.5、GPT-6 系列的能力与成本位置。
Latent SpaceAI 评分6262 Anthropic 动态工作流如何编排 Claude 智能体
Anthropic 在 AI Engineer New York 2026 上介绍了上周五发布的新功能 dynamic workflows（简称 flows），它被定义为一种面向大规模任务的多智能体编排方式。
GitHub Blog · AI & MLAI 评分3030 GitHub Copilot 入门：如何让 Copilot 了解你的代码库
GitHub Copilot 入门系列介绍四种让 Copilot 适配项目的方式：用 .github/copilot-instructions.md 定义仓库级规范。
MIT Technology Review · AIAI 评分2020 AVEVA 如何为自主工业 AI 构建更安全的路径
AVEVA 首席技术专家 Arti Garg 提出，工业 AI 正从预测分析转向基础模型、物理 AI 与智能体 AI，因其可直接作用于物理系统，负责任部署成为关键。AVEVA 的负责任 AI 框架强调安全、效率与人类监督，主张 AI 应增强而非取代关键决策中的人。Garg 还参与 IEEE 工作组，制定覆盖电力、能源、水资源与碳的 AI 环境影响测量标准方法。
Hugging Face Blog精选AI 评分7272 作者用 ML Intern 在几天内自建六个模型，总花费约 103 美元
作者借助 HuggingChat 中的 ML Intern，在几天内做出六个模型，包括 0.8B 的 Pocket Rewriter、柑橘病害 VLM、Huggy LoRA、相机角度 LoRA、Doodle-in LoRA 和 Agate 4-step 蒸馏模型，总计算花费约 103 美元。
推荐理由：作者用六个自建模型复盘了给 ML Intern 写提示词的方法，包括预算上限、基线和冒烟测试等可复用做法。
Google Research精选AI 评分6262 Google Research 三个月实验：AI 辅助提升专利撰写产出，但未加速初级律师判断力成长
Google Research 与 NBER 发布一项为期三个月的专利撰写田野实验，将当时未发布的 Google Labs AI 专利写作助手（现属 Gemini Notebook）随机开放给 11 家知识产权律所的 133 名律师。
推荐理由：三个月专利撰写实验区分了AI辅助产出与无辅助判断力，为评估AI对专业能力的影响提供了可迁移的实验设计。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：3500 行轻量智能体 RL 框架，支持真实 harness 训练
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的同一套 agent harness 直接参与 RL 训练，无需在训练框架内重新实现智能体。
推荐理由：微软研究院开源 Agent Lightning v1.0，给出约 3500 行代码的智能体 RL 控制面与真实 harness 训练范式，可对照其 Kubernetes 调度与 Collocated Async RL 设计。
Microsoft ResearchAI 评分2222 Microsoft 研究员 Jennifer Neville 谈 AI 评测中的意外失败
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统性能边界，以及模型在传统 benchmark 之外测试时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的经历，分享使用当前 AI 系统的实用建议，并强调当结果偏离预期时应仔细审视数据。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态
Mistral AI 发布 Mistral Large 4（ML4）公开预览，可通过 Mistral Studio 的预览 API 试用，权重将于本月底开放。ML4 是 1 万亿参数、520 亿激活参数的原生多模态模型，官方称其在编码、智能体工作流和多模态理解上表现突出，并在网络安全、金融、法律等企业场景中处于开源模型领先水平。
推荐理由：Mistral 官方给出 ML4 的参数量、多模态与智能体能力及开放权重时间表，可据此判断开源前沿模型的竞争位置。
Google ResearchAI 评分3333 Google CAPS 研讨会报告：智能体隐私与安全的开放与新兴问题
Google 发布 CAPS 研讨会报告《Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle》，汇集 50 多位学界与业界专家，梳理自主智能体在系统、模型、用户和生态层面面临的隐私与安全挑战。
GitHub Blog · AI & ML精选AI 评分6060 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的离线基准，基于 1.039 亿个 GitHub pull request 的分布构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。
推荐理由：GitHub 公开了代码审查基准的构建方法与评分口径，读者可据此理解离线评测如何对应线上实验。
MIT Technology Review · AIAI 评分2222 如何将 AI 智能体接入企业知识
MIT Technology Review 对 300 名数据与 AI 高管的调研显示，企业平均仅约 34% 的智能体 AI 项目能进入生产环境，遗留数据系统、安全隐私顾虑以及知识与上下文缺失是主要失败点。
Import AIAI 评分2222 Import AI 475：群体扩展、Google DeepMind 为生物数据加水印与 AI 科学经济
Import AI 475 期聚焦三项进展：Toby Ord 分析 AI 群体（swarm）扩展，指出 4 智能体群体需约两倍 token 但可把任务时间减半，且随规模扩大出现收益递减。Google DeepMind 推出 SynthID Bio，为合成生物学数据加水印以强化生物安全。C5R Corp 的 SciUniverse 基准含 92 项任务，测试 AI 操作半自动实验室的能力。
GitHub Blog · AI & MLAI 评分2222 AI 正在改变开发者工作，GitHub 给出三项需要强化的技能
GitHub 提出开发者应强化的三项技能：学会指挥 AI 智能体而非仅使用它，不轻信 AI 的首次答案，以及用 AI 节省的时间去解决更大的问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明它用第二个模型对计划、代码和测试进行批判性审查，从而发现首个模型遗漏的问题。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者。
推荐理由：官方给出 Gemini 4 Argon 在编码、企业知识与网络安全防御上的基准表现和分阶段开放路径，可据此判断前沿模型的落地节奏。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas 是一种可自定义界面，用户只需在 agent 会话中输入 /create-canvas 并用自然语言描述需求，即可生成看板、发布清单或仪表盘等界面，无需手写代码或设计布局。
GitHub Blog · AI & MLAI 评分4040 GitHub Copilot 为何认为聊天框是错误交互界面：用 canvas 替代 chat
GitHub Copilot 提出 canvas 概念，即在 Copilot 应用内运行的无浏览器外壳全栈小应用，可与 agent 双向通信并调用第三方 API、在本地执行代码。
GitHub Blog · AI & ML精选AI 评分6666 GitHub Security Lab 发布 Fuzzing Taskflow 智能体，自动为 C/C++ 项目生成模糊测试
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告、改进 harness、对崩溃去重并生成漏洞报告。
推荐理由：原文完整披露了自主模糊测试流水线的分层架构与覆盖反馈循环，可据此评估把重复安全测试交给 LLM 智能体的边界。
Mistral AIAI 评分4444 Mistral 与 Mozilla 合作，为 Firefox 浏览器带来开放、私密的多语言 AI
Mistral 与 Mozilla 达成合作，Firefox 的 AI 浏览助手 Smart Window（beta）现由 Mistral 模型驱动，率先面向法国和北美用户，英国和德国预计今年晚些时候跟进。
Mistral AIAI 评分5454 Mistral 如何用 AI 智能体迁移 4 万行 Fortran 遗留代码
Mistral 帮助一家欧洲能源运营商将 4 万行 Fortran 77 迁移到 C++，对象是一个无测试套件、无集中文档的物理储层模拟器。团队先构建数值对齐测试框架，用 Skill.md 引导智能体导出 Fortran 状态快照并在 C++ 中校验，再用 Vibe CLI 启动上百个智能体解析调用树、结合 Mistral OCR 整理散落文档。
Import AIAI 评分6666 DeepMind 让 100 个 Gemini 智能体解数学题，出现自发作弊与举报
Google DeepMind 发表论文，用 100 个运行 Gemini 3.1 Pro 的自主 LLM 智能体求解 71 道数学题，并为其提供公共公告板、私信和共享知识库三种协作方式。
Import AIAI 评分2222 Import AI 469：DiG-bench 游戏发现基准、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 469 期介绍了 DiG-bench（Discovery in Games），一个由 70 款隐藏规则游戏组成的发现能力基准，Opus 5 与 Fable 5 搭配 Claude Code 表现最佳，但 Tier 7 成功率仅 0.2，远低于人类的 100%。
Berkeley AI ResearchAI 评分3232 伯克利提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
伯克利 AI 研究提出 ABBEL 框架，将 LLM 的交互摘要建模为自然语言"信念状态"，并通过信念评分（belief grading）监督其信息内容。在协作编程基准 CollabBench 上，采用通用重建式信念评分的 ABBEL-rec-BG 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也低于全上下文设置。
Berkeley AI ResearchAI 评分3434 智能免费之后：面向智能体、由智能体构建的数据系统
随着推理成本从 2023 年初 GPT-4 级约 $30/百万 tokens 降至如今不到 $1，部分厂商已低于 $0.10，基准测试显示推理价格每年下降 9x 至 900x、中位数约 50x，UC Berkeley EPIC Data Lab 提出数据系统面临三大新挑战：为智能体设计的数据系统、运行智能体集群的数据系统、以及由智能体合成数据系统。