跳到正文
9月29日周二
  1. Cloudflare Blog · 网络基础设施65

    Cloudflare 推出 AI 时代自适应应用安全框架

    Cloudflare 推出面向 AI 时代的应用安全框架,将风险发现、智能体治理、运行时防护与安全调查响应串联为闭环系统。该框架结合前沿 LLM 自动化渗透测试 WAF、上线可自动学习合法流量结构的 Application Profiles 功能,并向所有账户免费开放 Cloudforce One 威胁情报事件平台。

    推荐理由:原文给出了 AI 时代自动化攻击的演进机制与全链路防御框架,读者可以据此了解大模型对抗渗透与智能体流量治理的具体落地实践。

  2. Cloudflare Blog · 网络基础设施67

    Cloudflare 推出 Threat Signals 并向所有账户免费开放,利用 Agent 技能自动化开源威胁情报

    Cloudflare 推出面向开源威胁情报的 Threat Signals,并向所有 Cloudflare 账户免费开放。该功能利用 Agent 技能自动解析 RSS 等非结构化威胁报告,提取并标准化失陷指标(IOC),将生成的上下文威胁事件存入账户私有数据集,并可直接联动 WAF 规则进行防护。

    推荐理由:Cloudflare 将 Agent 技能引入开源威胁情报解析,使安全团队能自动提取 IOC 并在私有数据集中直接联动 WAF 防护策略。

  3. Cloudflare Blog · 网络基础设施60

    Cloudflare 使用前沿 AI 模型实测自家 WAF:1107 次攻击变异与规则加固

    Cloudflare 使用前沿大语言模型构建双模型自适应循环,在黑盒环境下对自家 WAF 展开动态渗透与变异载荷测试。测试覆盖 XSS、SQLi、CMDi、SSRF、LFI 和 Log4j 等 6 类攻击共 1,107 次尝试,人工筛查后确认 49 个主要集中于 CMDi 和 SSRF 的有效防御缺口。

    推荐理由:Cloudflare 详述了利用大模型动态变异载荷测试 WAF 的闭环框架,为安全团队探索 AI 辅助渗透与防御加固提供了可落地的工程实践。

  4. Cloudflare Blog · 网络基础设施48

    通过 Cloudflare Application Profiles 强化正面安全策略

    Cloudflare 推出 Application Profiles,将正面安全策略扩展至 Web 应用程序,通过学习正常 HTTP 请求的结构与格式来缩减攻击面。系统可自动分析路径变量、参数、标头及请求体的数据类型与约束,对格式异常或偏离基线的请求进行实时检测和标记。该功能目前已对拥有 API Security 的客户开放,并向部分受邀企业客户开启封闭测试。

  5. OpenAI 官方动态79

    OpenAI 推出 GPT-6.1 Sol 模型

    OpenAI 推出 GPT-6.1 Sol 模型,在编程、计算机使用(computer use)与专业工作任务中提供接近 Astra 的智能水平。该模型的标准 API 输入和输出 token 价格为 Astra 的五分之一。

    推荐理由:原文对比了该模型在编程与计算机操作中接近 Astra 的表现及五分之一的 API 价格。

  6. Apple Machine Learning Research44

    大语言模型树结构表达式序列化的往返研究:通信瓶颈

    研究提出往返评测协议,揭示大语言模型将树状结构表达式序列化为自然语言时存在显著的信息损耗与不对称性。在 16 个模型的成对评测中,调换生成与抽取角色导致准确率波动高达 60.4 个百分点,且至少 73.6% 的失败源于生成端。该通信能力可通过微调改善,约 3600 个训练样本即可使开源模型表现超越未经训练的 Gemini-3.1-Pro。

  7. AWS 机器学习66

    xAI Grok 4.7 正式上线 Amazon Bedrock

    xAI 的 Grok 4.7 模型现已正式上线 Amazon Bedrock,提供 500K token 上下文窗口并支持 low、medium、high、xhigh 四档可调推理力度。该模型支持文本与图像输入,通过跨区域推理配置文件提供服务,同时兼容 OpenAI SDK 与 AWS Converse API,并集成了提示词缓存、Guardrails 和结构化输出等功能。

    推荐理由:原文详细说明了 Grok 4.7 在 Bedrock 上的推理配置与 API 调用方式,读者可以据此评估长链路智能体与代码任务的接入成本。

  8. Microsoft Research32

    微软亚洲研究院(新加坡)成立一周年:如何推进前沿研究、合作与人才发展

    微软亚洲研究院(新加坡)在成立一周年之际,展示了其连接前沿 AI 研究与新加坡创新生态的最新进展。该实验室聚焦下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践及人才培养四大支柱。目前正与当地高校、政府机构及医疗、金融等行业伙伴合作,加速多模态医疗 AI 与自进化诊断智能体等技术的实际场景落地。

  9. GitHub Blog · AI 与安全74

    GitHub 团队分享如何用开源 AI 安全智能体挖掘 24 个 Android 漏洞

    GitHub Security Lab 介绍了利用开源 Taskflow Agent 审计 Android 应用并挖掘出 24 个漏洞的实践方法与案例。研究人员通过拆分识别入口点与定向排查漏洞两类 YAML 提示词工作流,成功发现了 OsmAnd 隐私追踪和维基百科应用账户接管等高危漏洞。

    推荐理由:文章分享了利用分步任务流引导大模型挖掘移动端漏洞的实操流程,并客观指出了模型评估漏洞严重性时的局限。

  10. Claude Code 更新67

    Claude Code v2.1.284 发布

    Claude Code 正式发布 v2.1.284 版本,新增对 Claude Sonnet 5.5(1M 上下文,输入与输出价格为 $2/$10 每百万 token,缓存读取为 $0.20 每百万 token)的支持。

    推荐理由:该版本为 Claude Code 引入了 Claude Sonnet 5.5 支持与默认自动权限模式,便于开发者了解其最新交互逻辑和配置变更。

9月28日周一
  1. LangChain 官方博客68

    结合 Jev 与 LangGraph 构建生产级 AI 智能体

    LangChain 介绍了结合 TypeSafe AI 的决策模型 Jev 与 LangGraph 编排框架构建生产级 AI 智能体的方案,提倡由代码掌控工作流、由轻量模型负责局部结构化决策。

    推荐理由:文章详细拆解了决策模型与编排框架的配合方式,展示了将结构化决策与前沿生成解耦的具体工程路径。

  2. LangChain 官方博客71

    LangSmith 发布 Engine v2、托管 Deep Agents 及模型微调等功能

    LangSmith 推出多项针对智能体生命周期的功能更新,包括 LangSmith Engine v2、Managed Deep Agents v0.8、Trajectories 视图、Fine-Tuning 工作流以及 Custom Apps。

    推荐理由:更新覆盖了智能体从红队演练、轨迹调试、模型微调到自定义界面的全周期工具链,便于工程团队缩短排障与定制周期。

  3. LangChain 官方博客66

    LangSmith 推出 Custom Apps:支持基于智能体数据免运维构建定制界面

    LangSmith 正式推出 Custom Apps 功能,允许团队直接在工作空间内基于其平台数据构建、发布和运行自定义 UI,无需自行维护托管、鉴权与权限体系。

    推荐理由:原文给出了通过免运维自定义界面简化评估与标注的具体路径,团队可据此评估其对内部评审工作流的替代价值。

  4. CNCF Blog71

    Stacklok 开源云原生 Agent 框架 Mecatl

    Stacklok 宣布开源云原生 AI 智能体框架 Mecatl,将核心 Agent 循环与客户端、执行环境、工具系统及会话存储解耦,支持在 Kubernetes 等分布式环境中弹性部署与滚动更新。

    推荐理由:文章阐述了将智能体运行循环与执行环境和会话存储解耦的云原生架构设计,为大规模多租户部署提供了工程参考。

  5. Hugging Face74

    H 公司发布通用计算机操作智能体模型系列 Holo4 与 Holotron4 Nano

    H 公司正式发布 Holo4 系列通用计算机操作智能体模型,推出 27B 稠密与 35B-A3B MoE 两个版本,并同步开源适配 Nemotron 3 Nano Omni 的 Holotron4 Nano。

    推荐理由:该系列模型统一了图形界面、代码与API等多接口交互方式,展示了小参数模型在复杂桌面控制工作流中的落地路径。

  6. 施耐德电气博客25

    施耐德电气:未来十年 AI 基础设施发展,欧洲为何有机会领跑

    施耐德电气探讨未来十年 AI 基础设施发展机遇,指出欧洲有望在该领域占据领先地位。AI 正在驱动全球对数字基础设施与数据中心的非凡需求。作者结合在施耐德电气跨越 5 个国家及多个业务部门的 30 年经验,认为未来十年将是基础设施领域最令人振奋的发展周期之一。

  7. NVIDIA Developer Blog54

    NVIDIA DSX MaxLPS 如何提升 AI 工厂吞吐量与能效

    NVIDIA DSX MaxLPS 采用受策略管控的功率共享机制,在参与资源间动态分配电力以最大化 AI 工厂的吞吐量与能效。传统 AI 工厂通常按照所有 GPU 达到峰值功耗的极端场景进行供电配置,导致正常运行期间存在大量未充分利用的保护性冗余;该方案旨在释放闲置电量并支持部署更多算力资源。

  8. Apple Machine Learning Research34

    联邦变分不等式的更快收敛速率

    针对联邦随机变分不等式优化中收敛速率的差距,研究建立了更紧致的收敛保证并提出新算法 LIPPAX。研究证明经典 Local Extra SGD 算法在精细分析下具备更紧致的保证,同时指出了其易引发过度客户端漂移的缺陷。新提出的 LIPPAX 算法有效缓解了客户端漂移,并在有界 Hessian、有界算子及低方差等场景下取得了更优的理论保证。

  9. Hugging Face76

    Hugging Face Hub 正式支持强化学习环境

    Hugging Face Hub 正式上线强化学习环境(RL Environments)筛选与托管功能,将强化学习环境中的任务集统一整合为数据集仓库。平台首批接入了 Harbor、Verifiers、OpenEnv 和 NVIDIA NeMo Gym 四大框架,用户在数据集卡片中添加 rl-environment 及框架标签后,即可直接获取对应的加载与运行命令。

    推荐理由:原文介绍了在 Hub 上托管强化学习环境的标准方式,读者可以据此了解如何跨框架共享与调用智能体训练任务集。

  10. Cloudflare Blog · 网络基础设施69

    Cloudflare 2026 年度创始人公开信:自动化流量已超人类流量,AI 智能体正重塑网络生态

    Cloudflare 联合创始人 Matthew Prince 发布 2026 年度公开信,指出在 AI 智能体与爬虫推动下,自动化网络流量已在 2026 年 5 月超越人类流量,并预计未来 5 年内达到人类流量的 1000 倍。

    推荐理由:原文基于平台数据揭示了自动化流量已超人类流量的转折点,读者可据此理解智能体普及对网络生态与流量成本的影响。

9月26日周六