跳到正文

全部动态

今日 7 条
9月28日周一
  1. 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。

  5. 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。

  6. 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。

  7. 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。

  10. 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。

  11. 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
  3. GitHub Blog · AI 与安全70

    GitHub Copilot 教程：如何使用画布构建自定义工作流

    GitHub Copilot 现支持通过 /create-canvas 技能利用自然语言描述直接生成双向交互画布，用于搭建看板、Issue 分流板或发布清单等工作流界面。用户与 AI 智能体可以实时共享并修改画布状态，无需手动编写布局代码即可同步更新数据。生成的画布支持保存为扩展在团队内复用，社区也已在 Awesome Copilot 中提供了一系列开箱即用的预设模板。

    推荐理由：文章介绍了用自然语言生成双向交互界面的方法，开发者可据此将单向命令交互改造为可实时协同的看板工作流。

  6. AWS 机器学习59

    AWS 解析 NarrateAI 生产级大模型质量保证架构

    AWS 介绍了基于 Amazon Bedrock 构建的商业智能 Agent NarrateAI 的五层质量保证架构。系统通过自适应路由分流单次与并行调用、跨账号多模型故障转移化解 API 限流，并采用段落级流式并行评估使首内容延迟降低 86.8%。在两阶段级联数据校验的配合下，系统在约 13 秒内启动流式响应的同时实现了 99.3% 的数字准确率。

9月25日周五
  3. Ollama 更新37

    Ollama v0.40.0-rc0 发布：准备移除 llama-server 兼容补丁

    Ollama 发布 v0.40.0-rc0，新增 manifest-list 存储以支持多个 runner 专属 manifest 在同一 tag 下共存。该版本为旧版 Ollama GGUF 引入向 llama.cpp 兼容格式的本地延迟迁移，并保留模板、投影器及媒体元数据等。同时，pull、push、show 等命令与模型导入转换流程已全面适配 runner 选择与迁移验证。

  4. GitHub Blog · AI 与安全33

    GitHub 如何通过交付更多 CSS 提升网站性能

    GitHub Primer 设计系统将全部组件从 CSS-in-JS 迁移至 CSS Modules，通过移除客户端与服务端运行时开销显著提升页面性能。截至 2024 年 12 月完成全量迁移后，页面服务端渲染耗时减少了 55%，组件初始化时间缩短了 25%。团队采用特性标志（feature flag）进行渐进式灰度发布，并通过过渡封装库兼容存量 sx 属性以降低迁移风险。

  5. 施耐德电气博客31

    施耐德电气预制模块化动力中心获得 UL 2755 认证

    施耐德电气（Schneider Electric）宣布其预制模块化配电解决方案——动力中心（power centers）正式获得 UL 2755 认证。该认证旨在应对日益增长的快速部署压力，帮助数据中心运营商在兼顾严格安全标准的同时，提升基础设施的部署效率与性能表现。

  9. GitHub Blog · AI 与安全65

    GitHub 探讨 AI 交互界面：为什么对话框往往不是最佳选择

    GitHub 官方博客探讨了纯对话框作为大语言模型主要交互界面的局限性，并介绍了 GitHub Copilot app 中的 canvas 功能。Canvas 是运行在 Copilot 内部的全栈应用界面，支持与 Copilot agent 进行双向通信并在本地执行代码。作者指出，让智能体构建可视化工具而不是在聊天框中处理所有琐碎指令，能有效避免 token 浪费并更好地自动化开发流程。

    推荐理由：文章探讨了纯聊天框在智能体交互中的局限，展示了用自定义全栈界面替代重复对话来降低 token 消耗的方法。

  10. Google Research64

    Google 提出 AI 视频联合导演框架，推进长时长连贯视频生成

    Google Research 推出一套面向长时长叙事视频的多智能体框架体系，涵盖 Co-Director、CANVAS、A²RD 和 VQQA 四项核心研究，旨在解决视频扩散模型在多镜头场景中的语义漂移和级联错误。

    推荐理由：Google 将长视频生成解构为多智能体编排与世界状态追踪，提供了解决多镜头叙事中角色与场景漂移的成套系统方案。

  12. GitHub Blog · AI 与安全74

    GitHub Security Lab 开源 AI 模糊测试工具 Fuzzing Taskflow

    GitHub Security Lab 推出基于 Taskflow Agent 的自主模糊测试流水线 Fuzzing Taskflow，可全自动完成 C/C++ 项目的代码入口识别、Harness 编写、AFL++ 执行与崩溃分类。该框架将大语言模型的调度决策与 MCP 工具执行解耦，内置覆盖率反馈驱动的用例迭代与结构感知变异机制，并在测试结束后自动生成包含根本原因分析和修复补丁建议的漏洞报告。

    推荐理由：展示了将大模型决策与工具执行解耦的自动化模糊测试闭环设计，为软件安全工程提供了实用的落地参考。

  13. Azure Blog · 云基础设施73

    微软 Foundry 平台升级：接入 GPT-6 与 Claude Opus 5.5，推出原生语音智能体与持续优化闭环

    微软宣布升级 Microsoft Foundry 智能体开发平台，全面引入 OpenAI GPT-6 系列（含 GPT-6 Sol、GPT-6 Luna）与 Anthropic Claude Opus 5.5 模型。

    推荐理由：原文系统梳理了从多模型接入、原生语音到长任务韧性与生产优化的端到端架构，有助于评估企业级智能体开发与运维的落地路径。

  14. LangChain 官方博客62

    LangSmith Engine v2 发布：新增红队测试与自动化修复验证

    LangChain 推出 LangSmith Engine v2，新增主动红队测试（Red Teaming）与自动化修复验证能力。Engine v2 能结合生产 trace 与代码仓库主动探查幻觉和提示词违规，并识别低效工具调用、延迟与成本趋势等隐蔽缺陷；针对 LangSmith Deployment 用户，系统可在提交人工审核前自动复现并闭环验证修复方案，支持一键创建 PR。

    推荐理由：原文阐述了红队测试与自动化验证修复机制，便于开发者了解如何借助平台 Agent 提前拦截智能体缺陷。

  15. Google DeepMind73

    Google DeepMind 推出 Gemini 3.8 Live with Live Avatar

    Google DeepMind 推出 Gemini 3.8 Live with Live Avatar，将实时对话能力与低延迟流式视频生成结合，赋予对话 AI 具备自然口型与表情的动态视觉形象。

    推荐理由：原文介绍了原生实时对话结合流式数字人形象的能力与技术细节，读者可以据此了解多模态交互在企业场景中的最新落地形式。

9月24日周四
  1. LangChain 官方博客66

    LangSmith 上线 Trajectories 功能：提供 Agent 会话的可读轨迹视图

    LangSmith 正式上线 Trajectories（轨迹）功能，为长运行 Agent 会话提供按时间顺序聚合的人类、AI、工具调用及子智能体交互视图。该功能去除了复杂的嵌套执行细节并支持下钻回底层 Trace，能帮助开发者快速定位工具误用等偏航步骤，同时便于非技术专家审核与在线评估打分。此外，团队可将高质量轨迹保存并导出为数据集，直接作为监督微调（SFT）等后训练工作流的样本。

    推荐理由：文章展示了如何将复杂的多轮智能体调用链扁平化为可读轨迹，为排查长流程错误和提取后训练微调数据提供了清晰路径。

  2. NVIDIA Developer Blog22

    面向生物学基础模型的高效 MoE 训练

    针对生物学基础模型扩展的高计算成本问题，MoE 架构通过引入多个专家子网络并对每个 token 仅激活其中一小部分，提供了更高效的扩展路径。相比每个 token 均需经过所有层的传统稠密 Transformer 架构，该方法有效缓解了模型能力提升带来的训练与推理算力开销激增问题。

  4. NVIDIA · AI 筛选72

    NVIDIA 联合 Google DeepMind 等开源 2800 多种病毒的蛋白质复合物 3D 结构数据集

    NVIDIA 联合 Google DeepMind 及 EMBL-EBI 等机构，通过 AlphaFold Database 公开发布了超过 2800 种病毒的蛋白质复合物预测 3D 结构数据集。

    推荐理由：NVIDIA 联合 DeepMind 等机构开源 2800 多种病毒的蛋白质复合物 3D 结构数据与预测管线，为应对潜在疫情提供了关键的生物计算基础设施。