跳到正文
11月6日周五
  1. Microsoft Research60

    微软研究院推出 PDD Kit:通过形式化验证约束 AI 智能体生成的全栈代码

    微软研究院与 GitHub Next 合作推出形式化验证开发工具包 PDD Kit,提出证明驱动开发(PDD)范式,用数学证明约束编码智能体生成的代码。

    推荐理由:原文给出了将自然语言意图转化为形式化规约并自动生成数学证明的完整工作流,读者可以据此评估如何解决编码智能体的代码审查失控难题。

11月5日周四
  1. TechCrunch · AI79

    Uber 称极少有用户使用 AI 智能体打车与订餐

    Uber 在第三季度财报会上透露,万圣节单周 3.2 亿笔行程与订单中,仅有 4 次打车和 500 笔外卖由 AI 智能体下单。CEO Dara Khosrowshahi 指出目前智能体交易规模极小,用户在原生 App 叫车仅需 50 秒、再订餐仅需 90 秒,智能体未必能为用户节省时间。DoorDash 也披露了类似情况,目前仅收到数百笔来自 AI 智能体的订单。

    推荐理由:真实平台业务数据直接反映出个人智能体的落地差距,读者可据此审视日常自动化场景的真实需求。

  2. OpenAI News77

    OpenAI 利用自主流水线挖掘并修复 948 个 Linux 内核本地提权漏洞

    OpenAI 构建了一套自主流水线,成功在 Linux 内核中发现、验证并生成了 948 个本地提权漏洞的修复补丁。该系统实现了从系统漏洞检测到补丁生成的全流程自动化。

    推荐理由:该成果展示了自主流水线在底层系统挖掘与修复漏洞的能力,为自动化软件安全防护提供了可参考的方法。

  3. TechCrunch · AI65

    Meta 收购 AI 编码初创公司 Conductor

    Meta 已收购 AI 编码初创公司 Conductor,以强化多智能体并行协作能力。Conductor 创始人 Charlie Holtz 将加入 Meta,并计划于明年初推出新界面。Conductor 云服务将于 11 月 20 日关停并删除用户数据,其余核心功能在明年初前继续维持运作。

  4. Simon Willison41

    datasette-apps 0.3a0 发布

    datasette-apps 0.3a0 发布,重点增强了与 Datasette Agent 的集成能力,支持在聊天中输入 # 自动补全并引用应用。新版本增加了 app_add_stored_queries() 和 app_remove_stored_queries() 工具来管理应用可调用的存储查询,且授予写入查询权限前必须获得用户批准。

11月4日周三
11月3日周二
  1. MIT Technology Review · AI56

    逆博弈论如何用于约束和对齐 AI 智能体

    研究人员正探索将经济学中的逆博弈论即机制设计引入 AI 对齐,试图通过设计规则与奖惩机制规范智能体行为,而非依赖难以解释的模型内部机制。学者们提出了交叉预测遏制测试故意摆烂、构建求解者与审计者角色博弈等方案,但该方法依然面临 AI 是否符合理性假设以及现实市场经济竞争的制约。

  2. Latent Space44

    LLM 可直接读写神经网络权重:“权重空间编程”将 Autoresearch 剔除出 RSI 闭环

    研究发现 LLM 可直接读写较小神经网络的权重,通过“权重空间编程”绕过传统写代码与跑集群的自动研究流程来实现自我改进。模型不仅能识别小型网络的功能,还可单次修复 bug、经 50 步迭代优化,甚至单次从头编写完整网络权重。该能力目前适用于简单游戏与强化学习策略,为递归自我改进提供了极高效率的新路径。

  3. Latent Space67

    Legora CTO 访谈:在无法接触客户数据的前提下构建法律 AI 智能体

    Legora 首席技术官 Jacob Lauritzen 在 Latent Space 访谈中分享了在无法读取律师客户数据隐私的情况下开发法律 AI 智能体的经验。团队通过工程师与法律专业人士合作搭建模拟测试环境来解决评测难题,并估计现有大语言模型已能胜任约 60% 的法律工作。此外他还探讨了多智能体协作、大合同起草中的检索机制以及生成式 AI 对律所合伙制与计费模式的长期冲击。

  4. MIT Technology Review · AI44

    如何提升智能体分析的洞察质量

    受访企业中分析智能体生成的洞察平均仅 48% 能促成改善业务的行动,超半数洞察仍未能有效助力业务。缺乏业务上下文(55%)与数据碎片化(45%)是导致洞察质量不达标的主因,且 52% 的机构面临洞察过载。受访企业正通过加强 AI 与数据治理(60%)并在数据架构中增加语义层(45%)来改进表现。

11月2日周一
  1. MIT Technology Review · AI61

    智能体网络来临:AI 正在重构互联网交互与商业模式

    随着具备环境操作与多模态能力的 AI 智能体普及,互联网正从以人类点击浏览为主的形态加速转向由自主软件主导的智能体网络。这种转变动摇了依赖页面展示和点击的传统注意力经济,促使媒体与电商测试专供智能体解析的接口与广告形式。微软、Mozilla 等机构专家指出,尽管智能体有望简化日常琐事并降低中介成本,但各大平台构筑的封闭壁垒与失控安全隐患也可能削弱开放生态。

11月1日周日
  1. TechCrunch · AI44

    苹果 CEO 表示公司不想“为了做 AI 而推出 AI”

    苹果 CEO John Ternus 近日接受采访时为公司在 AI 领域的现状辩护,强调苹果绝对会在新产品中利用 AI,但不想“为了做 AI 而推出 AI”。他表示关键在于打造用户真正喜爱的产品,做好时用户无需在乎背后是 AI 还是传统软件起作用。针对 AI Agent 是否可能取代 App,他认为产品创造始终是极具人文色彩且个人化的事。

  2. Latent Space57

    Arca 如何用智能体推进长周期金融工作,让智能体提示人

    Arca 的 AI 工程负责人 Aman Singh 介绍了其财富管理工作流,智能体承担大量后台分析并提出方案,交易与资金流动由人工顾问执行。任务可能跨越多达 10 天,内部记忆系统持续记录客户进展、待办事项及责任人,自建智能体运行框架依据内部基准选择模型,主要使用 Claude。

10月31日周六
  1. TechCrunch · AI51

    主打隐私保护的AI助手初创公司Ollie宣布将于11月6日关停

    主打隐私保护的家庭AI助手初创公司Ollie宣布将于11月6日正式关停。联合创始人兼CEO Bill Lennon表示,随着Muse、Instinct等竞品入场,公司在脱颖而出、业务增长和后续融资上面临巨大压力,最终无法维系运营。Ollie曾获Khosla Ventures领投的750万美元种子轮融资,订阅用户将在未来几天内收到数据导出和退款指引。

  2. AWS Machine Learning Blog42

    如何用 Amazon Bedrock AgentCore runtime 实时预览编程智能体构建的 Web 应用

    Amazon Bedrock AgentCore runtime 演示教程展示如何通过 Session endpoints,在编程智能体构建和修改 Web 应用时实时预览结果。示例在同一会话中运行智能体与 Vite 开发服务器,借助 WebSocket 热更新呈现修改,无需刷新页面。预览请求须经过身份验证,访问仅限允许的端口,链接随会话结束失效。

10月30日周五
  1. Simon Willison74

    多人游戏 Spawn 如何用自主智能体集群构建系统并按小时发布

    多人游戏 Spawn 采用 Fable 模型驱动的自主智能体集群直接维护生产代码,每月消耗超 300 万美元模型 token 并实现每小时发布更新。智能体直接读取线上报错与监控告警,通常在 1 小时内自主完成判定、代码修复并交付给用户,同时支持在 30 秒内对异常变更进行局部回滚。作者指出高频交付有助于智能体在短上下文内保持连贯,为探索前沿编码智能体的能力边界提供了极端工程范例。

  2. NVIDIA Blog49

    开发者如何借助前沿 AI 智能体与 NVIDIA Omniverse 将创意转化为仿真应用

    开发者正结合 GPT-6 Astra、Claude 等前沿 AI 智能体与 NVIDIA Omniverse 库,通过自然语言指令构建仿真应用,用于场景探索与设计改进。具体案例涵盖结合 Houdini 与 Isaac Sim 制作可编辑 3D 资产、在 Onshape 中测试机器人拆卸流程、根据现场扫描重建仓库模型,以及基于 OpenUSD 开发燃气轮机数字孪生。

10月29日周四
  1. MIT Technology Review · AI63

    AI 智能体的行动亟须实时监控,但可观测性记录仍有缺口

    AI 智能体需要实时监控,但两位作者参与的研究发现,当前智能体框架缺少支撑安全监督的关键可观测性记录。研究考察了使用最广泛的四个框架,发现持续有效的智能体身份标识、人类审批等记录存在缺口,难以追溯行动主体及判断行动是否获授权。作者建议分别记录行动过程与决策依据,并通过 OpenTelemetry 等补齐工程层面的记录,同时指出 CoT 是否忠实反映决策、置信度能否可靠测量仍是开放研究问题。

  2. MIT Technology Review · AI40

    企业 AI 如何借助业务上下文创造价值

    企业 AI 可借助连接业务系统与 AI 平台的上下文层,将企业知识转化为受治理、机器可用的上下文,增进对业务的理解。MIT Technology Review Insights 调查显示,仅 16% 的受访组织从 AI 部署中获得变革性价值。多数企业仍在试点或用 AI 辅助员工,仅 12% 已将 AI 智能体投入生产。

  3. Google DeepMind77

    Google DeepMind 发布前沿模型 Gemini 4 Carbon

    Google DeepMind 发布前沿模型 Gemini 4 Carbon,主打网络安全防御能力与长流程工程任务。该模型在漏洞挖掘基准 SEC-bench Pro 取得 88.2%、漏洞修复 CWE-bench 取得 71.0%,并支持持续运行数天以排查和修复底层系统缺陷。

    推荐理由:原文披露了模型在漏洞挖掘与补丁修复等环节的基准表现,读者能借此评估长流程智能体在软件防御中的可用程度。

10月28日周三