跳到正文
10月4日周日
  1. Hugging Face Blog71

    微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分

    微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再依据终端后端状态和副作用而非模型生成的文字来判定任务成败。

    推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定任务成败，并给出可复现的 OpenEnv 运行方式。

  2. Simon Willison8

    Simon Willison 发布九月赞助者专属通讯

    Simon Willison 已发出九月赞助者专属月度通讯，订阅者可通过链接访问。本期内容涵盖更多 Fable 级模型、一场价格战、3D 图形与 Blender 及像素画、LLM 进军数学领域、更多意外网络攻击、Datasette 遭遇漏洞危机、他当前使用的工具、本月软件发布以及 2026 年 LLM 进展回顾。订阅价格为 $10/月，可提前一个月看到免费版内容。

  3. The Decoder26

    Sam Altman 反对将 AI 模型神化，称这是"真正的安全问题"

    OpenAI CEO Sam Altman 公开反对将 AI 模型与宗教类比，称人们对 AI 模型"赋予宗教力量或放弃人类判断"让他"非常不安"，并称这是"真正的安全问题"。此番表态紧随《纽约时报》关于 Anthropic 接触宗教领袖的报道，以及教皇利奥十四世称"算法缺乏人性的火花"的声明。Altman 曾在 2023 和 2024 年表示 OpenAI 的目标是构建"天空中的魔法智能"。

  4. TechCrunch · AI44

    AWS CEO Matt Garman 回应数据中心争议：不再与政府机构签署 NDA

    AWS CEO Matt Garman 在博客中表示，公司已停止在与政府机构合作建设数据中心时使用保密协议（NDA）。他同时反驳数据中心耗水过多、推高电价、污染严重、无益社区四大说法，称数据中心直接用水仅占美国工业用水 0.5%，备用发电机 99.9% 时间闲置，并称亚马逊过去三年已向有数据中心布局的美国社区投入超 10 亿美元。

  5. The Verge · AI40

    Capcom 计划打造“与 AI 共同创作游戏”的未来

    Capcom 在 Capcom Open Conference RE: 2026 上提出将 AI 技术整合进开发工作流，逐步把 RE Engine 改造成“AI 生成游戏引擎”，迈向“与 AI 共同创作游戏”的未来。程序员 Satoshi Ishida 称，制作《生化危机》级别游戏时即便简单任务也极其耗时，AI 可用于提升开发效率。Capcom 此前表示不会在游戏中使用 AI 生成素材。

10月3日周六
  2. The Verge · AI58

    OpenAI 一名安全员工离职并公开警告

    曾在 OpenAI 负责撰写每次重大模型发布配套安全报告的 David Robinson 本周辞职，并在 The Atlantic 发表评论文章。他认为行业文化已根本性损坏，问题比新增几条训练模型规则或监管更深，硅谷以极度自信和持续冲刺的方式、在不受约束的乐观中构建更大更好的模型，忽视或低估潜在问题。

  11. The Verge · AI60

    Meta 开源代码，允许用户自建 Muse AI 硬件

    Meta 开源了相关代码，允许用户自行制作搭载其新 AI 智能体 Muse 的硬件设备。Meta 建议的项目包括把 Muse 装到彩色 E Ink 屏上显示提醒、装到 HDMI 棒上在大屏显示，或装到小型触屏设备上做出类似 DIY Muse Charm 的东西；用户可用现成 ESP32 开发板或树莓派配合其 SDK 连接显示器、按钮、传感器等，Meta 提醒需自行承担风险。

  13. The Verge · AI58

    Apple 将限制 Mac 全盘访问权限，称 AI 智能体大幅提升风险

    Apple 宣布将在 macOS 上对“全盘访问”权限增加新的限制，要求用户通过“非常明确的用户操作”才能授予应用这一权限。Apple 表示，部分开发者使用全盘访问的方式可能让用户面临风险，在用户不完全知情的情况下暴露文件、邮件、信息和浏览历史，而随着 AI 智能体能力与自主性增强，这类访问带来的风险会大幅上升。Apple 未说明该更新的具体推出时间。

10月2日周五
  1. MIT Technology Review · AI12

    以自主 AI 重塑企业智能：MIT Technology Review 报告解析“智能体转型”

    MIT Technology Review 报告指出，2026 年全球 AI 投资将达 2.5 万亿美元，同比增长 44%，但多数企业仍未能靠 AI 实现营收增长，智能散落在各部门孤岛中。报告将 AI 从工具转向运营模式的转变称为“智能体转型”，主张先重构流程与数据基础设施，再选择模型，并以可组合架构和 AI 主权控制应对多云与数据驻留限制。

  2. AWS Machine Learning Blog31

    用 Amazon Quick 和 Adjudicated Query 模式批量核查数千份租约合规性

    AWS 提出 Adjudicated Query 设计模式，让业务用户在 Amazon Quick 聊天界面提问合规问题，实际判定交由确定性规则引擎完成，模型只负责把自然语言转为固定类型操作并叙述结果。该模式通过完整性回执保证"已扫描 = 合规 + 违规 + 模糊 + 不可读"，并保留规则版本、条款文本、方法与日期等可辩护记录，适用于租约合规、制裁筛查、保险理赔等高风险场景。

  4. AWS Machine Learning Blog60

    在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体

    AWS 团队介绍如何用 Amazon SageMaker AI 的多轮强化学习（MTRL）微调 Qwen3.6-27B 搜索智能体，仅调整 max_epochs、global_batch_size、rollout_max_concurrency 三个超参数，其余走默认值。

    推荐理由：AWS 团队公开了用多轮 RL 微调搜索智能体的完整配置与四个基准的对比数据，可据此评估该方法在自有检索场景的迁移成本。

  5. Hugging Face Blog61

    Ai2 开源科学报告生成模型 AstaBrief 8B

    Ai2 开源 AstaBrief 8B，一个把研究问题和检索到的文献片段转成带引用报告的模型，已在 Asta 的 Generate a report 功能中以 Fast 模式上线，同时开放模型权重和训练数据。

    推荐理由：原文给出 AstaBrief 的训练数据构造与过滤细节，读者可据此判断小模型做科学报告生成的可行路径。

  6. GitHub Blog · AI & ML22

    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 AI 时代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、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。

  7. Google Research62

    Google 发布基于 TEE 的新一代联邦学习系统

    Google 宣布新一代联邦学习系统，利用可信执行环境（TEE）为数据匿名化提供可验证、可审计的保证，并已由 Gboard 采用。系统通过访问策略公开透明日志 Rekor、KMS 密钥管理与可复现构建，让外部审计者能核查服务端实际运行的代码。Gboard 已用该系统上线英语和日语下一词预测模型，训练瓶颈从设备端转移到服务端，计算时间较此前系统显著加快。

    推荐理由：Google 公布基于 TEE 的新一代联邦学习系统设计，并给出 Gboard 已上线的落地情况，可了解隐私可验证训练的实现路径。

  10. NVIDIA Blog62

    NVIDIA DGX Spark 推出 64GB 版本，支持双机集群扩展本地 AI

    NVIDIA 将于本月通过 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 推出 64GB 统一内存版 DGX Spark，10 月 23 日开售，起售价 4,999 美元，保留 GB10 Grace Blackwell 超级芯片、DGX OS 和完整 NVIDIA AI 软件栈，支持最高 1000 亿参数模型在设备本地运行。

    推荐理由：原文给出 64GB 新配置的定价、上市时间与双机集群方式，读者可据此判断本地跑大模型的硬件门槛。

  11. MIT Technology Review · AI50

    别被 LLM 骗了：大语言模型并不会真正推理

    前 Google DeepMind 研究员指出，LLM 靠逐个预测 token 生成答案，本质只是"系统 1"式的快速直觉，并非真正推理。他认为链式思维仍由同一套 next-token 预测产生，缺少可检视的显式认知状态、知识与推理的分离，且推理链常是事后编造。他主张借鉴 AlphaGo 的游戏树搜索架构，为 AI 建立可更新的认知状态，以实现可信推理。

  13. Hugging Face Blog42

    ServiceNow CoreAI 推出 AutoSynthData：为企业智能体生成训练数据

    ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例与更强教师的成功示范，定位能力缺口并生成、验证新的可执行训练任务，随模型提升动态调整课程。该流程在 EnterpriseOps Gym 数据集上进行了演示，生成的任务需满足可行性、真实性与难度三项属性，验证器则要求一致性、可靠性与完备性。