跳到正文
10月15日周四
  2. Latent Space62

    Modal 年化营收达 10 亿美元，完成 16 亿美元 D 轮融资，估值 157.5 亿美元

    Modal 年化营收突破 10 亿美元，以 157.5 亿美元估值完成 7.5 亿美元 D 轮融资，由 Accel 领投，使用量同比增长超过 15 倍。其 Sandboxes 产品单独年化营收已达 3 亿美元，累计启动近 30 亿个沙箱，可扩展到百万并发。同期 Together 年化订单达 12 亿美元，Fireworks ARR 超过 10 亿美元，Baseten 年化营收增至 6 亿美元。

  7. Ars Technica · AI42

    Epic 称用 vibe coding 重写的新版 Epic Games Launcher 比 Steam 更快

    Epic 发布新版 Epic Games Launcher 的公开 "Preview" 版本，称其用 vibe coding 重写，比现有版本更快、更灵敏并采用全新外观。Epic Games Store 总经理 Martin Keely 表示团队从零开始，用 AI 编写和审查新功能，小团队得以更快重写代码库并支持 Windows 和 Mac，后续还将推出 Linux 版本。

  8. Latent Space48

    Leash Bio 的 Ian Quigley 谈 DEL 数据、Hermes 模型与 Minos 科学推理智能体

    Leash Bio 用 DNA Encoded Libraries（DEL）采集蛋白与小分子的高通量结合数据，并训练出 Hermes 模型，在公开基准上与 Boltz 保持同步。团队还发现模型会记住蛋白的"昵称"而非结合位点，并据此通过大规模蛋白突变体工程打破口袋限制。其数据可支撑数万个"lab-in-the-loop"模拟，已发展为 Minos 并发布预印本、博客和开放数据集。

  10. AWS Machine Learning Blog58

    用 Amazon Bedrock AgentCore 构建可自我改进的文档处理系统

    AWS 发布教程，介绍如何用 Amazon Bedrock AgentCore 搭建多智能体文档处理系统，自动完成分类、抽取、校验并从纠错中学习。系统由 8 个智能体组成，通过 Strands Agents 编排识别与训练两条工作流，新单据类型首次处理约 3 分 49 秒，同类单据再次处理降至 1 分 30 秒。

10月14日周三
  2. AWS Machine Learning Blog28

    Tamnoon 如何用 Amazon Bedrock 构建 AI 驱动的云安全修复平台 Tami

    Tamnoon 基于 Amazon Bedrock 构建了智能体式云修复编排器 Tami，可自主调查 CNAPP 等来源的安全发现并评估修复安全性，再带护栏地生成和执行修复方案。该方案在 90 天内将关键云暴露减少超过 90%，且未出现生产问题。Tami 由调查、安全评分、修复和代码生成四个专用智能体组成，通过单一 API 按任务调用不同基础模型。

  12. Google DeepMind80

    Google DeepMind 发布 Gemini 4 Argon 并公布安全防护方案

    Google DeepMind 开始广泛推送 Gemini 4 Argon，并同步发布安全与安保报告。该模型在 12 个端到端模拟网络攻击场景中全部通过，上一代为 5 个；在 Gray Swan 的间接提示注入基准上，15 次自适应攻击的成功率降至 0.7%。在编码基准上，模型试图走捷径或作弊的比例降至 2%，同时公司部署了实时失准监控，读取智能体动作与思维链。

    推荐理由：原文披露了 Gemini 4 Argon 在网络安全与生物领域的前沿防护措施，以及智能体失准监控的具体机制和数字。

  13. GitHub Blog · AI & ML50

    GitHub 如何用 ModernBERT 分类器减少密钥扫描误报

    GitHub 为密钥扫描训练了专用的 ModernBERT 分类器，替代此前基于 LLM 的流水线，用户告警接受率提升 11.5%，推送后扫描中位执行时间降低 86%，服务成本降低 98%。该方案采用两阶段流程：先用正则表达式高召回地生成候选，再由微调后的 ModernBERT 结合文件路径、变量名和周边代码判断是否为真实密钥。效率提升使通用密钥检测得以扩展到推送保护，在开发者推送前就返回结果。

  14. Google DeepMind90

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元。

    推荐理由：官方披露了 Argon 在编码、科研与安全对齐上的具体案例和基准表现，可据此判断前沿模型在长周期任务中的实际边界。

10月13日周二
  2. MIT Technology Review · AI42

    开源模型确有实际好处，但它们能抵消风险吗？

    Anthropic 发布报告称，Z.ai 于 8 月发布的开源模型 GLM-5.3 可被任何人自由下载和修改，构成重大网络攻击风险。开源模型可本地运行、重训、微调，成本通常低于闭源模型，并被视为防止权力过度集中的手段；但截至发稿，Artificial Analysis LLM 榜单前八名仍均为闭源模型。

  3. Latent Space82

    Meta 发布 Muse Wonder 与 Muse Wonder Full 模型家族

    Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 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：汇总了 Meta 新模型的首发细节与多家第三方评测数据，可对照其与 Opus 5.5、GPT-6 系列的位次差异。

  7. Microsoft Research55

    微软研究院提出 StudentSim：用个性化学生模拟器评估和改进 AI 导师

    微软研究院提出 StudentSim，从公开的去标识化学习记录训练个性化学生模拟器，用于在真实学习者测试前评估和改进 AI 导师。研究同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学三个领域，从行为保真度和对指导的响应度两个维度评估模拟器。

10月9日周五
10月8日周四
  2. MIT Technology Review · AI18

    AVEVA 如何为自主工业 AI 构建更安全的落地路径

    AVEVA 首席技术官 Arti Garg 提出以数据整合、安全护栏和人类监督为核心的负责任 AI 框架，主张 AI 应增强而非取代关键决策中的人。她援引数据称工业领域 AI 采用率近两年增长约 78%，并参与 IEEE 工作组制定覆盖电力、能源、水资源和碳排放的 AI 环境影响测量标准。

  4. Microsoft Research71

    微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体强化学习框架

    微软研究院开源 Agent Lightning v1.0，用约 3500 行代码实现完整的智能体强化学习控制平面，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重新实现智能体。

    推荐理由：微软研究院开源了约 3500 行的智能体强化学习框架，读者可了解它如何让部署中的 harness 直接参与训练。

10月7日周三
10月5日周一
  2. MIT Technology Review · AI22

    将 AI 智能体接入企业知识

    MIT Technology Review 基于对 300 名数据与 AI 高管的调查发现，企业平均只有约 34% 的智能体 AI 项目能进入生产环境，数据与知识短板是主要失败原因。生产领先者（平均 61% 项目越过试点）在语义等知识能力上更强，55% 的受访者将数据碎片化列为扩展智能体知识访问的首要挑战。企业计划优先投资摄取管道、AI-ready API、RAG、AI 评估智能体和知识图谱。