AWS Machine Learning Blog4545Amazon Bedrock AgentCore runtime V2 架构模式：加速会话启动
Amazon Bedrock AgentCore runtime V2 通过一次性准备环境并快照恢复，将会话启动时间缩短至约 2 秒，同时回收未使用的内存。V2 支持构建钩子以加载大文件或 CLI，适用于需要提前准备资源的场景。通过 CloudWatch 指标可测量会话启动时间，优先优化平台开销或代码执行时间。
实时
#论文/研究
- AWS Machine Learning Blog4545
Anthropic Research3434Anthropic 分享构建强安全评估的实践建议
Anthropic建议组建包含领域和技术专家的评估团队，在无互联网的沙箱中实时监控运行评估，并根据问题类型选择因果或观察性设计，同时确保评估指标（如拒绝率）与评估目标一致，例如在自杀相关场景中拒绝回答并非理想行为。
Ai2 Blog同一件事 · 2 家4040XYBench：解决提问背后问题的基准测试
XYBench 发布，包含 8K+ 问题测试 AI 助手如何应对基于误解的请求；Claude Sonnet 4.6、GPT-5、Gemini 3.1 Pro、Qwen3.5-9B 和 DeepSeek-V4 Pro 在测试中常聚焦原错误方法而非用户实际目标。
同一件事 · 2 家各家口径不同：Ai2博客称基准测试包含8K+问题，而Hugging Face博客提到8150个问题。
Hugging Face Blog同一件事 · 2 家4040Hugging Face 发布 XYBench 基准测试，评估 AI 助手解决基于误解的问题能力
Hugging Face 发布 XYBench 基准测试，包含 8150 个真实问题，评估 AI 助手识别用户误解并引导至正确解决方案的能力。Claude Sonnet 4.6、GPT-5、Gemini 3.1 Pro、Qwen3.5-9B 和 DeepSeek-V4 Pro 在测试中倾向于关注用户错误假设（Y），而非实际目标（X），其中只有 35-41% 的回答以实际目标为中心。
Databricks Blog2222Lakebase 架构的 LTAP 误解澄清。
Lakebase 架构通过单一持久化数据副本服务于 Postgres 和分析，无需 CDC 管道或第二数据库。该架构将数据分层存储于对象存储和缓存中，并非传统复制。其支持点查和扫描两种访问路径，使用 Postgres 堆页和 Parquet 格式分别优化，且无额外同步任务。
- AWS Machine Learning Blog
Natera 如何使用 Amazon Bedrock AgentCore 设计智能体系统优化实验室操作
Natera 为解决实验室设备故障导致的知识断层问题，开发 SWARM 智能体系统，通过 Amazon Bedrock AgentCore 实现 130 倍响应提速和 96.2% 自动化处理支持工单。
Google Developers BlogGemini 和 Z3 联合捕捉 Go 代码中模糊测试遗漏的 Bug
Gemini 4 Argon 将 Go 代码的 panic 路径转化为 Z3 约束规则，配合 Z3 检查触发条件，配合 go test 重放触发字节，在 1 分钟内定位 3 个植入的解析器 Bug 并发现 3 个 skill-lint 潜在 Bug。该流程比 go test -fuzz 更高效，能找到模糊测试遗漏的边界检查错误。
OpenAI Alignment BlogOpenAI如何通过自动化红队提升GPT-6 Astra和Sol的模糊鲁棒性
OpenAI 使用自动化红队技术训练 GPT-6 Astra 和 Sol，显著提升了模型在高风险领域（如网络、生物和暴力活动）抵抗越狱攻击的模糊鲁棒性。在无生产环境安全防护的测试中，Astra 在网络领域比 GPT-5.6 Sol 安全率高出 32.5%，并在所有攻击者预算下保持更优的鲁棒性。
Apple Machine Learning Research3838研究揭示语言模型对齐的理论极限
研究人员推导出固定KL散度预算下KL正则化对齐的最大预期奖励增益，首次用Jeffreys发散项而非√KL描述最优奖励改进；实验表明PPO和GRPO等常用方法远低于理论极限，最佳N选策略接近理论最优，为提升对齐效果提出算法改进方向。
PyTorch Blog5050Helion 内部编译时启发式算法优化内核性能
Helion 通过编译时启发式算法分析内核 IR 和数据流，无需慢速自动调优即可选择快速设置，将内核分类为矩阵乘法、归约或逐点操作，并选择块大小、warp 和阶段，实现近乎自动调优的速度。
- AWS Machine Learning Blog5858
Amazon Bedrock Managed Knowledge Base 实现细粒度访问控制
Amazon Bedrock Managed Knowledge Base 通过在 AgentCore Gateway 工具层注入用户上下文并验证 JWT，结合知识库的 ACL 意识功能，实现企业 AI 代理的细粒度访问控制。
IBM Research BlogIBM Research 解释什么是自旋量子比特
IBM Research 正在研究两种量子计算硬件架构，其中自旋量子比特架构通过控制电子自旋状态编码信息。自旋量子比特利用量子点结构（如硅-锗异质结构）捕获单个电子，通过电压脉冲控制其自旋方向（上或下）代表 0 或 1。这种架构具有高门保真度、可扩展性、相对较快的速度和简单的控制信号（仅需电压脉冲），但当前 qubit 数量少于超导量子比特，且面临均匀性和制造良率等挑战。
- PyTorch Blog
使用 AI 工具在不到一周内将 SGLang 集成到 IBM Spyre 中
两人的团队借助 AI 编程智能体，在不到一周内完成了 SGLang 与 IBM Spyre 的集成，构建了一个约 1,500 行代码的插件。SGLang 在 Spyre 上的推理吞吐量比参考 PyTorch 实现（使用 torch-spyre）高约 3.6 倍，并在 Granite 3.3 8B 和 Gemma 4 26B A4B 工作负载上与 vLLM 性能相当。
- Hugging Face Blog
Hugging Face 提供 TRELLIS.2 微调脚本和容器。
Hugging Face 发布用于微调 3D 生成模型 TRELLIS.2 的脚本和容器，支持本地或 Hugging Face Jobs 部署，通过 LoRA 技术仅微调结构预测和几何生成阶段，以提升特定任务（如鞋类）的精度。
- PyTorch Blog
EUROPA 联盟在 JUPITER 超级计算机上使用 PyTorch 和 TorchTitan 训练 1T 参数 MoE 模型
EUROPA联盟在JUPITER超级计算机上使用PyTorch和TorchTitan成功训练了参数量达951.9B的MoE模型，将单GPU的吞吐量从90提升至约1,300 tokens/s，使用了384个NVIDIA GH200 GPU。
- AWS Machine Learning Blog5858
Amazon SageMaker HyperPod 如何检测并恢复无声数据损坏
Amazon SageMaker HyperPod 通过在 PyTorch DDP 训练循环中添加三项检查来检测无声数据损坏（SDC），包括非有限梯度检查、环形重放审计和权重指纹比较，当检测到问题时将可疑节点隔离并由 HyperPod 替换，已在 4 ml.p5.48xlarge 实例集群上测试验证。
- Databricks Blog
Databricks 如何检测凭证驱动攻击
Databricks 通过分析审计日志和 Genie 检测凭证驱动攻击，发现被盗凭证在几分钟内从新 IP 列出秘密范围、目录和存储库，随后读取包含服务主体凭证的秘密，再由服务主体创建函数并加入管理员组，这些非线性事件序列揭示入侵行为。
- AWS Machine Learning Blog1212
AWS re:Invent 2026 AI/ML 主题研讨会参会指南
AWS re:Invent 2026 AI/ML 主题研讨会将于 11 月 30 日至 12 月 4 日举行，提供 140 余场专题学习会，涵盖 AI 芯片、模型训练与推理、智能体开发管理等全栈内容。
Google Research5858Google Research 发布可穿戴设备驱动的 CKM 风险评估框架
Google Research 发布可穿戴设备驱动的 CKM 风险评估框架，通过可解释健康年龄模型（CHA）预测未来健康轨迹。该框架基于 2.2 百万人周穿戴数据训练的 SensorWM 模型，提供个性化 12 周反事实健康模拟，结合语言模型生成临床验证的指导方案。CHA 模型整合心率、步数、睡眠等可改变指标，预测 68,000 人年疾病风险，改善临床指标预测效果。
- Apple Machine Learning Research
加权状态汤对于高效的长期上下文检索
Weighted State Souping 提出查询依赖权重来组合缓存的 State 状态编码，在单跳和多跳文档问答、寻针式检索、变量跟踪及工具使用等任务上显著提升长上下文性能。该方法可适配为高效稀疏变体，实现近常数编码成本，同时保持（有时提升）性能。
- Apple Machine Learning Research
状态空间模型（SSMs）的门控机制：记忆与情境学习研究
状态空间模型（SSMs）在情境学习和精确检索任务上落后于 Transformer，其门控机制导致其先学习记忆解决方案，延迟或阻止正确情境学习解决方案的收敛，但门控机制对改善长序列泛化有益。
- Apple Machine Learning Research
评估评估者：调查 LLM 判官在个性化写作风格评估中的表现
研究人员评估了大型语言模型（LLM）判官在个性化写作任务中的表现，发现判官质量与 MMLU 测量的通用 LLM 能力相关性较弱（Pearson’s ρ ≤ 0.2），且表现受写作任务和评估标准（如通用帮助性 vs 风格个性化）影响。LLM 评估器在成对比较中比独立评分响应时更一致且表现更佳，而“最强”LLM 并未最可靠地复现人类评估，可能因对人类标注者和较弱 LLM 忽略的细微细节过度敏感。
- Hugging Face Blog3838
Hugging Face 博客：多向量嵌入模型的 Token Pooling 感知训练
Hugging Face 博客介绍了多向量嵌入模型的 Token Pooling 感知训练方法，通过 HierarchicalTokenPooling 将相似 token 嵌入合并以压缩存储。
- IBM Research Blog3838
IBM Quantum Starling 的研发进展
IBM Quantum Starling 将于 2029 年交付，能在 200 个量子比特上运行 1 亿个硬操作。IBM 已验证 c-coupler 技术，实现密集非局部量子比特连接，并将 qLDPC 代码改进至仅需五个量子比特连接而非六个。
vLLM Blog5858vLLM 的 Encoder 分离：通过 EPD 扩展多模态服务能力
vLLM通过EPD（Encoder/Prefill/Decode）分离技术扩展多模态服务能力，支持独立部署的视觉编码器，vLLM v0.32.0包含MiMo和XPU支持，DeepSeek V4.1 Flash的元数据仅请求功能已开源。
Google AI BlogGoogle Arts & Culture 开源多模态模型 Veo 重现艺术家 Esther Mahlangu 的早期记忆
Google Arts & Culture 开源多模态模型 Veo 将艺术家 Esther Mahlangu 的早期记忆转化为视频，完成对其生平的在线回顾展。模型基于 45 个故事和档案材料，通过 AI 生成图像并转为视频，呈现了她 10 岁发现绘画天赋等关键记忆。
蚂蚁 inclusionAI · Hugging Face 新模型inclusionAI/ZoomGain-4B 发布：基于全局到局部视觉感知差距的细粒度视觉监督模型
inclusionAI 发布了 ZoomGain-4B 大语言模型，在 ZoomGainBench 上取得 61.08 分，并在多个细粒度感知和通用感知基准测试中表现优异；模型基于从全局图像细节中挖掘的全局到局部视觉感知差距构建监督，支持英文和中文问答，可通过 Hugging Face 下载。
Microsoft Research微软研究人员发现“Lazarus”技术可重编程AI模型休眠神经元植入后门
微软研究人员发现“Lazarus”技术可重编程AI模型休眠神经元植入后门，使正常AI代理在触发条件下执行恶意命令。该技术无需重新训练即可植入后门，难以通过常规测试检测，对具有工具或终端访问权限的AI代理威胁尤其严重。
- AWS Machine Learning Blog4040
Amazon Bedrock AgentCore Evaluations 如何使用内置、DeepEval 和 AutoEval 评估智能体
Amazon Bedrock AgentCore Evaluations 提供内置、DeepEval 和 AutoEval 三种评估器评估智能体。内置评估器由 AWS 开发和测试，覆盖常见维度；DeepEval 和 AutoEval 是第三方开源库，AgentCore 在生产环境托管运行。评估过程需先定义业务成功标准，拆解为可观察行为，再映射到合适的评估器层级。
- OpenAI Alignment Blog
GPT-6 Astra 的 CoT 监测能力受预训练、架构、强化学习和模型生成数据的影响
GPT-6 Astra在非对抗设置中观察到CoT监测能力下降，对抗测试中CoT逃逸能力增强，且无CoT能力显著提升。预训练中，无CoT能力随基础模型困惑度降低而提高，架构影响有限，强化学习增强CoT控制能力，模型生成数据微调可传递CoT控制能力。模型困惑度与无CoT能力、控制能力呈正相关。
Meta EngineeringMeta 开源 Triton Low-Level Extensions (TLX)：为大规模生产级 ML 优化的硬件原生 GPU 编译器
Meta 开源 Triton Low-Level Extensions (TLX) 编译器，通过引入显式 warp-group 和 cluster 级别编排提升 GPU 性能，支持 RecSys 训练/推理及 LLM 预训练，在 NVIDIA 和 AMD GPU 上实现超越独立库的端到端性能提升。
NVIDIA NewsroomNVIDIA扩大开源承诺：捐赠OpenShell并推出新AI基础设施
NVIDIA 向 Cloud Native Computing Foundation (CNCF) 贡献了 OpenShell，一个开源自主代理安全运行时，并推出 NVIDIA Kubernetes Engine 和 NVIDIA Kubernetes Recipes 等新工具，助力团队在 Kubernetes 上部署和管理 GPU 基础设施。
OpenAI NewsOpenAI 与 Upwork 研究发现自由职业需求变化、技能组合及 AI 项目预算与时长增加
OpenAI 与 Upwork 的新研究显示自由职业需求正在转变，需要新的技能组合，AI 相关项目的预算和时长都在增加。
- Hugging Face Blog
Hugging Face 探索决策模型在非文本生成场景的应用
Hugging Face 探索决策模型在非文本生成场景的应用，如将 LLM 用于客户支持系统处理退款请求，模型直接评估选项并返回概率分布而非生成文本。决策模型输入状态和问题，输出结构化决策及概率，优于 LLM 直接生成 JSON 的方式，后者可能不遵循请求模式且效率低。决策模型与分类模型不同，前者输出类别可动态调整，后者输出类别固定且需重新训练扩展。
Google DeepMindAlphaProof Code：Google DeepMind 开源多 LLM 智能体框架实现复杂软件深层形式化验证
Google DeepMind 开源 AlphaProof Code 框架，用多 LLM 智能体首次实现广泛部署的 Signal 协议代码深层形式化验证，生成超 600 万行 Lean 证明，仅 1% 代码需人工复核，将专家团队数年工作压缩至四周，并成功识别出两处已知漏洞。
- Google DeepMind5858
Google DeepMind 发布 SatWeave 和 PARDIG 数据集以支持 AI 天气模型研发
Google DeepMind 发布 SatWeave 和 PARDIG 两个基础数据集，支持天气、水文和气候应用研发。
- OpenAI News
ThinkYoung 研究揭示教育领域 AI 指导差距，OpenAI EMEA 教育合作项目提供经验
ThinkYoung 最新研究报告指出教育领域 AI 指导存在差距，OpenAI 通过 EMEA 教育合作项目为教师支持、AI 素养及自主学习提供实践方案。
- Anthropic Research
Anthropic 测试 Claude Fable 5.2 在真实电子设计中的能力
Anthropic 与 Diode Computers 合作测试 Claude Fable 5.2 设计电子设备的能力，该模型能从设计到原型制作完成电子硬件。
- Google Research
Google Research 推出 Language Explorer 工具可视化世界语言多样性
Google Research 发布 Language Explorer 在线平台，通过可视化与数据呈现全球语言多样性。该工具整合 LinguaMeta 开源数据集，支持 1,000 种语言，旨在帮助研究人员、教育者和爱好者探索语言差异。平台已作为互动装置亮相柏林通信博物馆新展览，并设有线上版本供公众访问。
Claude.dev Blog精选8585Anthropic 使用 Claude Fable 5.2 让 1000 个智能体安全协作重证费马大定理
Anthropic 公布一项玩具实验：1000 个运行 Claude Fable 5.2 早期版本的智能体在无网络沙箱中，仅靠 Git 和共享 Postgres 数据库自行组织分工，用 28.7 小时完成费马大定理的形式化证明，输出 token 为 9 月版本的三分之一，证明长度为其七分之一。
推荐理由: 原文完整记录 1000 个智能体在无网络沙箱中自行搭建协作机制、重证费马大定理的过程，可观察多智能体规模化协作与安全边界如何同时设计。
