跳到正文
今天10月12日周一8 条
  1. IT之家38

    微软总裁布拉德 · 史密斯:AI 受到的监管甚至不如牛奶和洗衣机

    微软总裁布拉德 · 史密斯称,目前洗衣机受到的安全监管都比 AI 严格,每盒牛奶都要受安全规则约束并接受检查。他呼吁业界制定更多安全规格,若失控的智能体入侵其他企业并造成损害,持有该 AI 智能体的公司应承担责任,并建议企业设置“终止开关”以便在 AI 失控时暂停运行。

  2. 雷锋网72

    微软基于阿里 Qwen 推出决策模型 Microsoft-Decision-1

    微软基于阿里 Qwen 推出全新决策模型 Microsoft-Decision-1,该模型基于 Qwen3.5-9B 后训练而成,在结构化决策任务中于时延和准确性上超过 LLM 及 Jev 1.13.0 等热门决策模型。

    推荐理由:微软基于 Qwen3.5-9B 后训练出决策模型,读者可借此观察决策模型这一新形态的落地路径与开源生态格局。

  3. IT之家71

    英伟达、谷歌、微软已下单,消息称三星明年近 80% 存储芯片产能被长期供应协议锁定

    据韩国经济日报报道,业内人士透露三星电子已通过长期供应协议锁定明年近 80% 的存储芯片产能,其中包括高带宽内存 HBM,英伟达、谷歌、微软等科技巨头已排队下单,锁定期普遍在五年以上。

    推荐理由:三星明年近八成存储产能被长协锁定,读者可看到 AI 硬件供应链从即期交易转向订单导向的动向。

  4. The Verge · AI28

    硅谷开始追随特朗普将 AI 改称"超级智能"

    硅谷多家科技巨头正跟随特朗普将 AI 改称"超级智能"。马斯克承诺将 SpaceXAI 更名为 SpaceXSI,Marc Benioff 宣布 Salesforce 将 AIForce 改为 SIForce,Nvidia 承诺投入 10 亿美元用于"超级智能研究",微软 Satya Nadella 也在呼吁为 AI 设置"紧急刹车"的帖子中反复使用"超级智能"一词。

10月11日周日
  1. TechCrunch · AI28

    Amazon 放弃数据中心保密协议,AI 智能体想要你的信用卡

    Amazon 宣布在与地方政府谈判数据中心交易时不再使用保密协议,此前微软今年早些时候已采取类似举措。保密做法引发的社区反对已导致从纽约到旧金山数百项暂停令被提出或生效。与此同时,一批初创公司押注消费者愿意让 AI 智能体访问自己的收件箱、文件和信用卡,前提是能让网站放行。

  2. TechCrunch · AI45

    微软 CEO Satya Nadella 称 AI 模型需要“紧急刹车”

    微软 CEO Satya Nadella 在 X 发文称,应重新审视 AI 的信任架构,不能把超级智能当作嵌套黑盒来接受或拒绝其建议与行动。他主张将模型与编排其工作的 harness 分离、外置控制与保障措施,并为每个重要模型动作留下防篡改的人类可读证据,同时让授权人员能随时暂停或关闭执行中的模型。他称必须假设模型已被攻破并从一开始就加以约束,“就像紧急刹车”。

10月10日周六
  1. TechCrunch · AI36

    Amazon 等公司不再对数据中心交易保密,这足以建立信任吗?

    Amazon 宣布在与地方政府谈判数据中心交易时不再使用保密协议,Microsoft 今年早些时候已采取类似举措。保密做法此前引发社区对 AI 基础设施的强烈反对,从纽约到旧金山已有数百项拟议和已生效的禁令。TechCrunch Equity 播客还讨论了个人 AI 初创公司能否以信任为核心产品,让用户愿意向 AI 智能体开放收件箱、文件和信用卡。

10月9日周五
  1. MIT Technology Review · AI38

    我们高估了 AI 说"不"的能力

    MIT Technology Review 刊文指出,AI 的拒绝机制正成为 AI 安全的承重墙,但这一机制并不可靠。Anthropic 2021 年提出大语言模型应"有用、诚实、无害",如今模型经红队测试与 AI 互训学会拒绝大量提示词,但拒绝机制基于概率,仍会被突破,已有用户试图借此研究生物病原体和自主无人机蜂群。文章还警告,拒绝的边界由 AI 公司秘密划定,政府介入后可能被用于压制合法言论。

10月8日周四
  1. NVIDIA Blog74

    NVIDIA 与 Microsoft 发布 RTX Spark 笔记本及 Windows 智能体基础设施

    在旧金山 Microsoft 活动上,NVIDIA 与 Microsoft 公布面向 Windows PC 的智能体软硬件方案:Microsoft 宣布 OS 级基础设施 Microsoft Execution Containers(MXC)正式可用,让智能体在系统控制下安全持久地在后台运行。

    推荐理由:NVIDIA 与 Microsoft 把智能体运行所需的系统级容器和本地算力一并给出,读者可据此判断本地智能体的落地条件。

  2. GitHub Blog · AI & ML60

    GitHub 推出基于 ModernBERT 的通用密钥检测模型,扩展推送保护

    GitHub 发布与 Microsoft Applied Sciences 合作微调的 ModernBERT 分类器,用代码上下文识别非结构化密钥,候选批次评估耗时低于 2 毫秒,可将可拦截的密钥数量提升一倍以上。

    推荐理由:GitHub 用九个季度的密钥泄露数据说明防护为何要跟上代码生成速度,并给出新分类器的落地范围。

  3. Microsoft Research80

    微软研究院开源 Agent Lightning v1.0:3500 行轻量智能体 RL 框架,直接训练真实 harness

    微软研究院亚洲团队开源 Agent Lightning v1.0,一个约 3500 行代码的轻量智能体 RL 框架,提出 Harnessed Agentic RL 范式,让部署时使用的同一 agent harness 直接参与强化学习,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 Agent Lightning v1.0,用约 3500 行代码把真实 harness 直接接入 RL 训练,并给出可复现的编码智能体训练结果。

10月7日周三
  1. Microsoft Research22

    Microsoft 研究:AI 评测如何暴露传统 benchmark 之外的"意外失败"

    Microsoft 的 Jennifer Neville 在 Microsoft Research Podcast 中讨论了评测对推动 AI 系统性能边界的作用,以及模型在超出传统 benchmark 测试时出现的"意外失败"。她结合自身从数学、物理、认知科学到计算机科学的经历,分享了使用当前 AI 系统的实用建议,并强调当结果偏离预期时应仔细审视数据。

10月5日周一
  1. GitHub Blog · AI & ML58

    GitHub 发布 ReviewBench:面向 AI 代码审查的开放基准

    GitHub 发布 ReviewBench,一个面向代码审查智能体的开放离线基准,基于 1.039 亿个 GitHub pull request 的分布特征构建,包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。

    推荐理由:GitHub 公开了代码审查基准的构建方式与评测口径,读者可据此判断自家审查智能体的强弱与取舍。

10月1日周四
9月29日周二
  1. Microsoft Research66

    微软研究院发布 Quine:面向生物学复杂性的 AI 研究系统

    微软研究院发布 Quine,一个面向生物学复杂性的 AI 研究系统,由生物世界模型和连接模型、科学工具、文献与实验人员的交互式 harness 组成。

    推荐理由:微软研究院公开 Quine 生物世界模型的设计思路与胰腺癌化合物筛选的湿实验验证结果,可了解多模态建模在科研闭环中的实际用法。

  2. Microsoft Research20

    微软亚洲研究院新加坡分院成立一年:推进前沿 AI 研究、合作与人才培养

    微软亚洲研究院新加坡分院成立一年,作为微软在东南亚的首个研究实验室,聚焦下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践及生态与人才培养四大方向。该实验室与新加坡医疗生态合作探索多模态医疗 AI 和自进化诊断智能体,并联合 EDB 于 2026 年 2 月举办物流与运输 AI 高管圆桌会。

9月26日周六
  1. GitHub Blog · AI & ML38

    GitHub Copilot 应用入门:如何用 canvases 构建自定义工作流

    GitHub Copilot 应用中的 canvas 是一种可自定义的双向界面,用户只需在 agent 会话中输入 /create-canvas 并用自然语言描述需求,agent 即可生成看板、发布清单或仪表盘等界面。canvas 会保存为扩展,可随项目共享或作为个人扩展复用,社区已在 Awesome Copilot 分享现成扩展。

9月25日周五
9月24日周四
  1. GitHub Blog · AI & ML22

    GitHub Copilot 应用如何渲染超大 pull request

    GitHub Copilot 应用重建了 pull request 视图,以应对包含 2,200 个文件、超 100 万行改动和 400 多条行内评论的超大 PR。其做法是把文档高度拆成确定性的代码几何与动态块几何两个独立域,代码行高提前精确计算,评论等动态块则按稳定 key 锚定到文件、行和侧,惰性测量并只做小幅修正,从而避免滚动跳变。

  2. Microsoft Research62

    微软研究院:把物理 AI 推理卸载到边缘或云端可提升机器人性能与续航

    微软研究院对移动操作机器人工作负载做了系统性测量,发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU,可提升任务成功率、支持更大模型并延长续航。

    推荐理由:微软研究院系统测量了机器人端侧推理的瓶颈,并给出可复用的 Kubernetes 卸载工具链与开源入口。

9月21日周一
9月1日周二