跳到正文
11月7日周六
  1. GitHub Blog · AI & ML68

    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。

  2. AWS Machine Learning Blog55

    Amazon Quick 智能体原语分类法介绍

    Amazon Quick 团队分享了智能体工作原语的分类法,通过 When What Who How 四个问题分解了智能体工作。系统定义了 Trigger Agent Capabilities 三个核心原语,其中 Agent 是一个持久学习的 Actor,Capabilities 包括 Tools Skills 和 Workflows。

11月6日周五
  1. The Verge · AI15

    Protesters break into Microsoft data center site in Amsterdam

    约100名抗议者于今早闯入位于阿姆斯特丹的微软新数据中心建设工地,抗议活动由Geef Tegengas组织,抗议者悬挂“fuck AI”和“Microsoft powers genocide”等横幅。该项目计划自2016年起推进,尽管阿姆斯特丹市于2030年前禁止新建数据中心,但该工地通过漏洞得以建设。此次抗议是欧洲范围内针对数据中心建设浪潮的一部分。

  2. Microsoft Research85

    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。

11月5日周四
11月4日周三
  1. TechCrunch · AI20

    Data centers 转向使用旧喷气式发动机应对电力等待期

    xAI 已在密西西比州安装了八台由 ProEnergy 重建的 GE 喷气式发动机涡轮机,为其 Colossus 2 数据中心供电;OpenAI 也在德克萨斯州阿比林的第一个 Stargate 站点使用了燃气涡轮机。使用改装喷气式发动机可使数据中心在 24 个月内投入运行,而连接 100 兆瓦至电网在北弗吉尼亚需要约七年。

  2. Microsoft Research25

    Learn the rules: The hacker mindset

    Microsoft Research Manager Mike Walker 讨论了理解规则的重要性,认为规则是社会建构而非单纯的限制。他曾参与 DARPA 的 Cyber Grand Challenge,该项目展示了自主 AI 系统发现和修补软件漏洞的能力。Walker 强调有效安全依赖于理解信任和上下文,而非仅依赖即时裁决。

  3. AWS Machine Learning Blog65

    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。

11月3日周二
  1. Latent Space78

    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。

  2. The Decoder33

    Goldman Sachs 撤销 AI 编码工具对交易员和银行家的使用

    Goldman Sachs 已限制大多数员工使用 Anthropic's Claude Code 和 Microsoft's GitHub 等高级 AI 编码工具,仅允许工程师使用。此前交易员和银行家曾使用这些工具监控交易流和内容创建,但公司因“生产力与风险管理”等多种因素进行了调整。目前该工具的使用已从实验阶段转向限制在最适合长期利用的员工群体。

10月31日周六
  1. The Decoder39

    Microsoft 提议对约 60,000 名员工提供自愿遣散方案 保护 AI 关键团队

    Microsoft 提议对约 60,000 名员工提供自愿遣散方案,覆盖美国、加拿大、印度和英国的副总裁及以下级别,但排除数据中心、销售、网络安全和量子计算等 AI 战略关键领域。公司计划在 2026 年花费约 $170 billion 用于 AI 基础设施,尽管员工总数维持在约 223,000 人。这是该公司在 2026 年的第二次此类计划。

10月30日周五
  1. The Verge · AI30

    Wikipedia 运营方称不良 AI 版权裁决可能威胁开放网络

    Wikimedia Foundation 在 AI 版权案件中寻求中间立场,主张保护 LLMs 基于受版权作品的训练,但不应保护向用户重复这些作品的聊天机器人输出。该组织认为,过于绝对的裁决可能剥夺维基百科的 AI 工具或危及开放网络,并提出爬取网站不构成侵权,但用户查询时直接输出受版权材料则需遵守许可要求。

  2. The Verge · AI35

    Microsoft’s AI future has fewer jobs

    Microsoft 正向约 60,000 名美国、英国、加拿大和印度员工提供自愿离职方案,这是公司扩大退休方案后的首次大规模提议。截至 6 月 30 日,Microsoft 员工总数约为 223,000 人,较 2025 年的 228,000 人减少了 5,000 人。此举旨在通过降低运营成本和人员数量来避免削减对 AI 基础设施的投资。

10月29日周四
  1. The Verge · AI61

    AI产业在亚利桑那州引发水资源争论与经济转型

    台积电(TSMC)在亚利桑那州的运营带来了经济繁荣,但新的超大规模数据中心开发项目对水资源的需求引发了当地居民的强烈反对。TSMC日消耗近500万加仑水,而数据中心项目如Project Blue也需大量水,但TSMC有回收机制,且其带来的就业和经济效益被当地经济发展官员视为区域发展的关键驱动力。

10月28日周三
  1. Simon Willison15

    Quoting Terk Terkowitz

    工程师应明确记录其工作未受益于当前 AI 工具的原因,而非视为个人能力不足。应将此发现分享给同侪社区和经理,并共同寻求解决方案。能够解释 AI 尚未帮助其工作的工程师,正展现了所需具备的判断力。

10月27日周二
  1. MIT Technology Review · AI25

    Industrial Intelligence: 制造业的下一增长机遇

    制造业的工业智能是将经验、操作实践、生产数据和业务理解转化为可决策的知识,目标是驱动盈利增长而非单纯增加 Agent。Toyota Industries 通过连接分散的喷漆车间数据,将分析周期从五天缩短至不足四小时,并使相关喷漆缺陷减少约 25%。Rockwell Automation 在新加坡工厂部署的维护 copilot 将新员工学习数百台机器的故障排除时间从九个月缩短至三月。

10月26日周一
  1. The Verge · AI70

    微软向6万名员工提供自愿离职方案

    微软向美国、英国、加拿大和印度的6万名员工提供自愿离职方案,帮助他们获得财务支持和职业规划资源。该方案覆盖AI体验、Copilot、CoreAI、Windows+Devices、Xbox、财务和人力资源等团队,部分云+AI、MicrosoftAI、企业、外部和法律事务团队也参与;营销、商业业务、发现与量子以及安全团队不参与。此举是在4,800名员工裁员后,微软继续调整人力资源结构的举措。

10月23日周五
  1. Microsoft Research55

    Flint-interactive:创建交互式数据可视化的语言

    Flint-interactive 是一种用于创建交互式数据可视化的语言,支持通过点击、过滤、缩放、突出显示和跨图表交互等方式与图表交互。它利用高层语义事件和更新操作简化交互逻辑,Flint 编译器自动解析触发器并生成视觉更新,降低布局、渲染和调试难度。Flint-interactive 可在聊天、仪表盘、数据故事等场景中使用,并支持与表格、文本、应用状态等外部元素联动。

10月22日周四
  1. Microsoft Research32

    Microsoft Research 解决 31 年未解的 KLS conjecture

    Microsoft 研究人员结合人类指导的 AI 智能体解决了 31 年未解的高维几何和概率中的 Kannan-Lovász-Simonovits (KLS) conjecture。该结果确立了 log-concave 分布的通用几何原理,表明简单平面切割可在固定因子内捕获最窄瓶颈,且与维度无关。该突破为随机算法的效率理解移除了主要理论障碍,并获得了多方独立验证。

10月21日周三
10月13日周二
10月8日周四
  1. Microsoft Research68

    Agent Lightning v1.0:3,500 行轻量化 Agentic RL 框架,支持真实代理器训练

    Microsoft Research Asia 发布了 Agent Lightning v1.0,一款约 3,500 行代码的轻量化 Agentic RL 框架,能够直接使用真实代理器进行强化学习训练。框架支持 Kubernetes 原生运行、数据高效训练,并在 Qwen3.5-9B 上通过 6,000 条样本提升 Pass@1 从 41.8% 提升至 56.4%,实现 14.6 点的显著提升。

    推荐理由:该框架通过将真实代理器集成到强化学习中,显著提升了 Qwen3.5-9B 在 SWE-bench Verified 上的 Pass@1,展示了轻量化、Kubernetes 原生支持和数据高效训练的可行性。

10月7日周三
10月5日周一
  1. GitHub Blog · AI & ML73

    ReviewBench:AI 代码审查开放基准

    ReviewBench 是 GitHub 推出的公开 AI 代码审查基准,基于 1.039 亿个真实 GitHub 拉取请求构建,精选 219 条拉取请求,覆盖 19 种语言,保持与 GitHub 语言和仓库大小分布一致。

    推荐理由:ReviewBench 提供了可复现的 AI 代码审查基准,帮助团队评估和改进审查模型。

10月1日周四
  1. Microsoft Research46

    预测电网空间天气风险

    Microsoft Research 开发端到端机器学习管道,能在美国大陆 66,935 个变电站上提前 30~60 分钟预测空间天气风险,并在评估期内检测到近 80% 的重大事件。系统融合 L1 太阳风观测、AE 与 Dst 指数预测、地质导电率等特征,利用梯度提升模型估算 dB/dt,检测率分别为 76.5%(重大)、81.2%(严重)和 64.1%(极端)。