METR报告揭示Anthropic利用AI加速自身发展引发研究人员担忧
AI安全研究组织METR发布报告，发现Anthropic的模型进步速度比一年前快约两倍，且加速主要归因于AI辅助人类研究，而非单纯的算力扩展。报告指出Anthropic已完成三款未发布的模型训练，但公司对METR的最终报告进行了大量信息删减，引发了关于前沿AI发展速度和透明度的争议。
推荐理由：METR报告显示Anthropic模型进步速度快于一年前约两倍，加速主要源于AI辅助人类研究，但报告信息被大量删减引发透明度争议。
精选
The Verge · AI精选AI 评分7878 The Decoder精选AI 评分7878 Nous Research 微调 Qwen3.8-27B 移除中国国家宣传倾向
Nous Research 在 5300 万 token 上对 Alibaba 的 Qwen3.8-27B 进行微调，生成了 Arete-27B 开源模型，将宣传率从 22% 降至 0.9% 以下。Arete-27B 的权重、测试数据集和训练数据已在 Hugging Face 上以 Apache 2.0 许可证发布。
推荐理由：研究展示了通过 5300 万 token 的监督微调，将中国 AI 模型中的国家宣传倾向降低至 1% 以下，同时保持了通用能力。
GitHub Blog · AI & ML精选AI 评分6868 GitHub Copilot 开发者指南：超越代码生成实现智能体工程
GitHub Copilot 提供了 Agentic Engineering 工作流的实践指南，涵盖 Plan、Build、Verify 和 Observe 四个阶段。开发者可利用 Copilot 在 Slack/Teams 中整合分散上下文、创建 GitHub Issues、使用 Plan Mode 制定计划，并利用 Session continuity 跨设备持续工作。
推荐理由：文章阐述了 Agentic Engineering 工作流的四个阶段，帮助开发者将精力从重复劳动转移到决策制定上。
AWS Machine Learning Blog精选AI 评分6666 Greenlight Financial 基于 Amazon Bedrock AgentCore 构建自主 SOC 解决方案
Greenlight Financial 利用 Amazon Bedrock AgentCore 构建了 Luna 自主 SOC 解决方案，每月无需人工干预解决超过 90% 的 3,000-4,000 个安全和风险案例。该系统采用分层多智能体架构，包含超过 30 个专业 Agent，并利用 Episodic Memory 实现持续学习，将平均例行案例的分类时间缩短至秒级。
推荐理由：Greenlight Financial 利用 Amazon Bedrock AgentCore 构建了自主 SOC 解决方案，实现了超过 90% 的安全风险案例的自动化处理。
The Decoder精选AI 评分7878 Frontier Radar #5 探讨AGI临近背景下独立AI实验室的技术路线与投资逻辑
在GPT-6 Astra发布后，多位AI领军人物离职创立独立实验室，这些“neolabs”的投资和技术路线各不相同。这些实验室的赌注包括持续学习、少样本学习、从经验中学习、数据稀缺性、计算效率和研究自动化等六大方向。
推荐理由：文章梳理了多家独立AI实验室的技术路线和投资逻辑，展示了不同技术赛道的竞争格局。
The Decoder精选AI 评分7878 METR 发现 Anthropic 可能已跨越自身 AI 加速预警阈值
METR 审计发现 Anthropic 模型测试分数增长速度在 2025 年 10 月后加速至每年 29 个 AECI 点，高于此前的 15 个 AECI 点。审计估计当前速度提升约 80% 来自 Anthropic 自身的 AI 研究应用，而非计算资源增长，且可能在 7 月 15 日已达到预警阈值。
推荐理由：METR 审计发现 Anthropic 模型加速速度显著，且加速主要源于内部 AI 辅助研究而非计算资源增长。
Latent Space精选AI 评分7878 Thinking Machines 发布 Inkling 2 Small 17A-594B 多模态 MoE 模型
Thinking Machines 发布 Inkling 2 Small，一个 594B 总参数/17B 激活参数的多模态 MoE 模型，在不到 3 天内使用 <12T tokens 预训练完成。该模型在多个独立评估中表现出竞争力，并在 AA 排名中达到 31 分，超越其前代 Inkling Small。
推荐理由：Inkling 2 Small 在 68 小时内使用 12T tokens 预训练，性能超越 Muse Spark，并具备高可定制性。
The Decoder精选AI 评分8585 OpenAI 发布 GPT-6 Cyber 可发现系统漏洞并提出修复方案
OpenAI 发布 GPT-6 Cyber，一款专门用于搜寻软件安全漏洞的 AI 模型，该模型能发现缺陷、构建可工作漏洞利用代码并建议补丁。GPT-6 Cyber 在无特殊安全指令下，边界违规率降至 0.07%，优于前代 GPT-5.6 Cyber 的 0.06%。
推荐理由：GPT-6 Cyber 具备发现漏洞和提出修复方案的能力，并在 Firefox 和 Linux kernel 等真实场景中取得了显著成果。
Google DeepMind精选AI 评分8383 Gemini Omni 1.2 Flash 发布 支持 15 秒原生视频生成与多轮对话编辑
Gemini Omni 1.2 Flash 正式在 Gemini API 和 Gemini for business 上线，支持原生 15 秒视频创建、多轮对话编辑和增强的参考遵循能力。价格从 Gemini Omni 1.1 下调 30%，720p 视频定价为 $0.07/秒，并支持 360p 或 720p 快速草稿生成。
推荐理由：Gemini Omni 1.2 Flash 推出 15 秒原生视频生成能力，价格下调 30% 至 $0.07/秒，并支持多轮对话编辑。
AWS Machine Learning Blog精选AI 评分6060 Amazon SageMaker AI利用VLM和OCR评估Amazon Marketplace A+内容质量
Amazon Marketplace使用VLM和OCR构建内容质量评估系统，将完整页面渲染为单张快照进行VLM整体评估，并结合OCR的文本可读性信号训练CatBoost分类器。该融合模型在5,478个产品详情页上达到0.94的准确率和0.95的F1分数，通过SHAP生成可操作的改进建议，使修订后的页面质量得分平均提升1.4分。
推荐理由：该系统通过VLM、OCR和CatBoost融合评估A+内容，并利用SHAP生成可操作的改进建议，实现内容质量的量化与提升。
The Decoder精选AI 评分7676 百度开源 ERNIE 5.5 Flash Base 基础模型 2800 亿参数
百度发布了 ERNIE-5.5-Flash-Base 开源基础模型，该模型采用 Mixture-of-Experts 架构，拥有 2800 亿参数，预训练于 33.5 万亿 tokens，训练上下文达 128,000 tokens，支持微调和推理高达 100 万 tokens。
推荐理由：百度发布了 ERNIE-5.5-Flash-Base 开源基础模型，参数量达 2800 亿，支持长上下文。
Microsoft Research精选AI 评分8585 使用 PDD Kit 形式化验证 Agent 编写的全栈 Web 应用
Microsoft Research 发布 PDD Kit 工具包，用于形式化验证 Agent 编写的全栈 Web 应用，以 Pet Store 的 Rust 前端和后端登录逻辑为例。PDD Kit 将用户意图转化为 Verus 形式化规范，自动生成证明和高质量测试，开发者只需审查意图而非逐行代码。
推荐理由：PDD Kit 帮助将意图转化为形式化规范，并使用 Verus 证明 Agent 生成的代码满足该规范，将软件审查重点从代码转向意图。
Latent Space精选AI 评分7878 AI行业人才变动与多模型发布综述：OpenAI安全、Kimi K3.1 Pro及企业应用实践
AI领域出现人才变动，包括Cat Wu从Anthropic加入OpenAI，Sharon Zhou从AMD加入Anthropic；OpenAI报告其自主管道发现了948个Linux内核LPE漏洞。
推荐理由：内容汇集了行业人才变动、OpenAI安全研究、多款开源模型发布及企业应用实践等多个前沿观察。
OpenAI News精选AI 评分7474 OpenAI 自主管道发现并修复 948 个 Linux 内核本地权限提升漏洞
OpenAI 构建了一个自主管道，成功发现了验证并生成了 948 个 Linux 内核本地权限提升漏洞的补丁。
推荐理由：OpenAI 构建的自主管道成功发现了验证并生成了 948 个 Linux 内核本地权限提升漏洞的补丁。
AWS Machine Learning Blog精选AI 评分8888 生产级 AI 智能体的四层上下文工程实践与 Deep Insight 应用
生产级 AI 智能体在数据分析和报告生成中常因上下文管理成为瓶颈，本文基于 Deep Insight（基于 Strands Agents SDK 和 Amazon Bedrock AgentCore）阐述了四层上下文工程实践：架构级隔离、提示词控制、文件系统外部化和独立验证。通过单次写并执行工具，可将脚本对上下文的 token 消耗减少约 95%，按需加载技能可使系统提示缩减约 97%。
推荐理由：文章系统性地阐述了四层上下文工程实践，帮助生产级 AI 智能体有效管理 LLM 的有限上下文窗口。
The Decoder精选AI 评分7878 GPT-6 Astra 通过权重空间编程直接重编程其他 AI 模型
GPT-6 Astra 采用权重空间编程方法，无需标准训练过程即可直接操作模型权重，实现高效能力调整。在 Qwen3.5-0.8B 上，Astra 仅修改 0.016% 的权重，使 MATH-500 基准准确率从 7.9% 跃升至 48.1%，指令遵循能力从 21% 提升至 62%。Astra 还能仅通过原始权重识别网络学习到的游戏和图像生成的基本形状，并生成超越标准训练方法的模型权重。
推荐理由：研究展示了通过权重空间编程直接修改模型权重，实现高效能力提升和缺陷修复的可行性。
Google DeepMind精选AI 评分7878 Google Antigravity 推出 Cheminformatics Skills 加速药物发现
Google Antigravity 搭载新的 Cheminformatics Skills 加速药物发现工作流，使用肺癌治疗案例，智能体在一小时内搜索数千化合物并提出新型刚性大环分子及其合成路线。该技能支持从文献数据提取、分子分析到预测模型构建和新分子设计，并提供 6 个月免费试用名额给 10,000 名科学家。
推荐理由：Google Antigravity 结合 Cheminformatics Skills 加速药物发现流程，将数日工作缩短至一小时，支持从文献提取到新分子设计的全流程。
AWS Machine Learning Blog精选AI 评分6565 Amazon Bedrock 支持 Kimi K3 在印度本地推理以满足数据驻留要求
Amazon Bedrock 现在支持 Kimi K3 在印度本地推理，通过 in.moonshotai.kimi-k3 推理配置文件，满足严格的数据驻留要求。客户 Ultrahuman 报告使用该功能后，通过提示词缓存将 LLM 成本降低了 80%，多轮聊天速度提升了 85%。文章提供了 OCR 和理解 Indic-language 文档的示例代码，并介绍了跨区域推理选项和成本优化策略。
推荐理由：AWS 介绍了 Kimi K3 在 Amazon Bedrock 上支持印度本地推理，满足严格数据驻留要求，并提供了 OCR 和 Indic-language 文档理解的实践代码。
Latent Space精选AI 评分7878 Legora CTO 谈构建法律 AI 智能体：从 ChatGPT 到 Tabular Review
Legora CTO Jacob Lauritzen 讨论了为律师构建 AI 智能体所需条件，该公司已实现 $100M ARR 且拥有超过 1,800 个客户。Legora 采用模拟 RL 环境进行评估，而非直接读取客户数据，所有基础设施运行在 Azure 以满足数据隐私要求。
推荐理由：Legora 的实践展示了 AI 智能体在法律领域的应用路径，强调了数据隐私和模拟环境评估的重要性。
AWS Machine Learning Blog精选AI 评分7878 使用 Amazon Nova Multimodal Embeddings 和 Amazon Bedrock AgentCore 构建多智能体工程助手
该方案展示了如何使用 Amazon Bedrock AgentCore、Amazon Nova Multimodal Embeddings 和 Strands Agents SDK 构建多智能体工程助手，以自动化部件替代的证据收集。系统通过规划器路由至 Catalog、Evaluation 和 Knowledge 三个专家智能体，结合确定性代码进行规格匹配，并确保工程师始终是最终决策者。
推荐理由：该方案展示了如何结合多模态嵌入和多智能体系统，自动化工程部件替代的证据收集与文档起草。