跳到正文
11月12日周四
  1. Google Developers Blog62

    Google 评测 Agent Anomaly Detection 在五个公开基准上的表现

    Google 使用 Agent Development Kit(ADK)和 gemini-2.5-flash,在五个非 Google 编写的公开安全基准上测试 Private Preview 中的 Agent Anomaly Detection,共评测 1,774 个 sessions。

    推荐理由:五个公开安全基准的测试展示了 Agent Anomaly Detection 对已执行有害指令的检测效果,也暴露出对长期记忆投毒的覆盖短板。

  2. Google AI55

    Google Labs 推出 Tabletop,可定制的实时协作空间实验

    Google Labs 推出 Tabletop,一款支持实时协作的可定制空间实验。用户可加入链接、文件和想法,通过提示词 `@tabletop` 或 starter template 生成旅行行程、晚餐投票、费用分摊器和比赛赛程表。Tabletop 面向美国 18 岁以上用户通过候补名单逐步开放,报名地址为 labs.google/tabletop。

11月11日周三
  1. Microsoft Research62

    微软研究人员发现Lazarus技术:重编程休眠神经元可给AI智能体植入后门

    微软研究人员发现名为Lazarus的后门技术,通过重编程LLM中不到10个休眠神经元即可植入后门,且不需要重新训练。模型能通过标准安全评测,但在触发条件(如日期变化)出现后,基于该模型的AI智能体会在正常任务中执行命令下载并运行攻击者代码,对拥有工具或终端访问权限的智能体风险尤其大。

    推荐理由:研究显示,重编程不到10个休眠神经元就能让智能体在特定触发下执行恶意命令,提示权重溯源审计的现实意义。

  2. Google AI78

    Google 将 Gemini Intelligence 扩展至更多设备并新增多项 Android 功能

    Google 宣布 Gemini Intelligence 扩展至 motorola signature 27、Pixel 10 等更多 Android 设备,并新增 Create My Widget 和 Device Assistance 等功能。

    推荐理由:这篇更新说明集中呈现 Gemini Intelligence 在更多 Android 设备上的任务自动化、个性化小组件和设备协助,读者可据此了解新增能力及适用场景。

  3. Google DeepMind88

    Gemini 4 Carbon 现已向开发者、企业和用户开放

    Google DeepMind 宣布 Gemini 4 Carbon 已向开发者、企业、科学家和消费者开放,是其当前最强的前沿模型,专注网络安全能力以及跨知识工作、软件工程和科学推理的长链路智能体任务。

    推荐理由:文中给出了Carbon与Argon及多家外部模型在基准测试、成本和安全指标上的对比数据,便于横向评估这次升级。

  4. Google Developers Blog77

    Google 发布 A2UI 1.0 稳定版,支持跨平台智能体界面渲染

    Google 发布 A2UI 1.0,这是其生成式 UI 开放协议的首个稳定版本,可让 AI 智能体返回表单、图表等交互界面。协议支持双向函数调用、无障碍和扩展元数据,开发者可使用面向 Web、Android 和 iOS 的开源渲染器,以及 Python、TypeScript 和 Dart SDK。

    推荐理由:A2UI 1.0 将智能体生成界面与应用原生渲染分开,并补充双向函数调用和多平台 SDK,适合了解跨端生成式 UI 的实现路径。

11月10日周二
  1. Google DeepMind66

    Google DeepMind推出AlphaProof Code,完成Signal协议代码的形式化验证

    Google DeepMind研究人员开发出AlphaProof Code,一种多LLM智能体框架,用于对代码进行深度形式化验证,并用它对广泛部署的Signal加密协议的实际代码完成了形式化验证,证明其满足关键安全属性。验证过程中由Gemini Carbon驱动的智能体生成超过六百万行Lean证明代码,人工只需复核约百分之一的代码,整个验证耗时四周,团队已开源相关验证成果并发布技术论文。

    推荐理由:原文给出了AlphaProof Code从规格翻译到证明生成的具体分工,也说明人工复核只占代码的一小部分。

  2. Google DeepMind67

    Google DeepMind 推出 Gemini Robotics 2.5,加速现实世界通用灵巧操作

    Google DeepMind 发布新一代视觉-语言-动作模型 Gemini Robotics 2.5,用于提升机器人在真实环境中的灵巧操作能力。该模型在200多项任务测试中,相比此前基线成功率提高30%至100%,完成速度提升20%至30%;在匈牙利和德国的梅赛德斯-奔驰产线试点中,Apptronik Apollo 2人形机器人利用该模型完成汽车零件分拣打包,成功率达96%。

    推荐理由:原文给出了相比基线30%至100%的成功率提升和奔驰产线96%的实测数据,便于衡量这代模型的实际进展。

11月9日周一
  1. Anthropic News95

    Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2

    Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2,两款模型在编码、推理和视觉能力上有所提升。

    推荐理由:原文同时披露两款模型在编码、科学研究、机器人和安全评测中的结果,并给出价格、速度与访问条件,便于比较能力提升和适用范围。

  2. Google Developers Blog81

    Google AI Studio 支持从提示词构建 Google Maps Platform 应用

    Google AI Studio 现可通过提示词构建由 Google Maps Platform 驱动的应用,并自动处理配置和 API key 管理。平台提供 Maps、Places、Routes 和 Environment 等空间工具,可用于创建地图、地点搜索、路线规划和环境监测应用。

    推荐理由:文章说明 Google AI Studio 已可直接配置 Google Maps Platform 并管理 API key,还列出 sandbox 配额与生产环境升级路径。

  3. Google Developers Blog70

    Google Cloud 正式开放 Pathways 单控制器训练系统

    Google 宣布 Pathways 在 Google Cloud Platform 上正式开放,这是其用于训练包括 Gemini 在内大型模型的分布式系统。Pathways 通过单一 Python 客户端描述计算图,运行时负责虚拟设备映射、张量移动与重分片、调度和故障主机重映射。

    推荐理由:文章解释了 Pathways 如何用单一客户端和分布式运行时协调跨设备训练,并对比其与 SPMD、Ray 在执行层的差异。

  4. Google Developers Blog66

    Google 宣布 MaxText v0.2.4 支持基于上下文并行的长上下文 TPU 训练

    Google 宣布开源 JAX 训练框架 MaxText 支持在 Cloud TPU 上进行长上下文训练,提供 All-gather、A2A、P2P 和 USP 四种 Context Parallelism 策略。

    推荐理由:文章系统比较了 All-gather、Ulysses、Ring Attention 和 USP 的内存、通信与扩展取舍,并给出不同上下文长度下选择 MaxText 策略的实践依据。

11月6日周五
  1. Google Developers Blog68

    Google 量化代码 TODO 引发的智能体偏航成本

    Google 分析数千名工程师、数亿个智能体步骤后发现,代码中的 TODO/FIXME bug 引用会让智能体偏离开发者原定任务。13% 的文件读取会话接触到这类引用,其中 6% 触发后续行动,83% 的行动未获开发者请求。

    推荐理由:文章量化了代码中过时 TODO 如何诱发智能体偏航,并给出结合工单状态与代码历史清理引用的方法。

  2. Microsoft Research54

    Microsoft Research 推出 PDD Kit,形式化验证智能体编写的全栈 Web 应用

    Microsoft Research 发布 PDD Kit,一套结合 Verus 形式化证明和测试来验证智能体编写代码是否符合开发者意图的工具包。团队在 GitHub Next 的 Chopin 环境中用它验证了 Rust 全栈应用 Pet Store 的登录逻辑,证明代码在所有输入下满足规范,同时对 bcrypt、SQLite 查询等无法证明的部分保留测试覆盖。

  3. Anthropic Research68

    AI 如何构建、约束并解释科学模型

    Anthropic Research 介绍 AI 参与科学建模的三个步骤:构建模型、用数据约束参数,以及解释模型对真实系统的含义。文章重点讨论 simulation-based inference 和基于 LLM 的智能体如何生成并筛选一组候选模型,而非只给出单一拟合结果。作者认为,保留模型分布、失败的替代方案和数据未约束部分,才有助于形成可解释的科学理解。

    推荐理由:文章以 Hodgkin-Huxley 模型为例,拆解 AI 科学建模的构建、参数约束与解释过程,并说明为何保留候选模型分布有助于区分数据支持与未知部分。

  4. Anthropic Engineering75

    Anthropic 拆解 AI 智能体记忆的组件与 dreaming 机制

    Anthropic 介绍了 Claude 的 AI 智能体记忆系统,涵盖记忆笔记、dreaming、wiki 等组件,以及它们如何在会话间组织、修正和加载记忆。

    推荐理由:文章拆解了记忆笔记、wiki 表征与 dreaming 的分工,并用 CL-Bench、Pokémon 和文档检索实验说明它们如何修正错误、组织跨会话知识。

11月5日周四
  1. Mistral AI74

    Mistral Studio 扩展企业 AI 平台,新增托管智能体与工作流能力

    Mistral 扩展企业 AI 平台 Mistral Studio,新增托管智能体和应用,以及工作流、企业上下文、智能体可观测性与评测能力。平台可在 cloud、VPC、on-premises 或组合环境部署,并通过连接器和 MCP servers 接入企业数据与系统。Mistral Large 4 (Le Chonk)提供编码、网络安全和文档推理能力,作为 Studio 中可使用的模型。

    推荐理由:文章集中说明 Mistral Studio 如何把托管智能体、工作流和应用接入企业数据,并通过多环境部署、可观测性与评测支持从试点走向生产。

  2. Anthropic Research71

    Anthropic 报告分析 Claude 在科学研究中的使用方式

    Anthropic 研究团队分析了 207,049 个 Claude 和 Claude Code 科研会话,并比较 Claude Science 在生物与生物医学研究中的使用情况。

    推荐理由:报告分析 207,049 个 Claude 和 Claude Code 科研会话,并补充比较 Claude Science,呈现 AI 能力如何对应不同科研任务与产出加速。

11月4日周三
  1. Google DeepMind69

    Google Antigravity 上线 Cheminformatics Skills,支持药物发现工作流

    Google Antigravity 上线 Cheminformatics Skills,可检索并整理数千种化合物,执行 matched molecular pair analysis 和药效预测,提出新型刚性化大环分子及合成路线。该套技能基于 RDKit,并连接 ChEMBL 和 PubChem;相关设计仍需经过合成与实验验证,技能现已开放使用。

    推荐理由:文章展示了 Cheminformatics Skills 如何串联文献检索、分子分析、建模与合成路线设计,并交代了模型预测仍需实验验证。

11月3日周二
  1. Google Developers Blog75

    Google 解析用低成本分类器在 Gemini 模型与 thinking level 之间路由任务

    Google 通过 50 个自动评分的编码智能体任务,比较 Jev 分类器、启发式规则与 Gemini 不同配置的任务路由效果。Jev 在 34 个未见任务上与人工难度标注 34/34 一致,Jev 路由方案让简单任务使用 Flash-Lite、复杂任务升级到低 thinking 的 Flash,50 题全部答对,并可降低相较于全程低 thinking 的成本和响应时间。

    推荐理由:文章用 50 个编码智能体任务比较启发式路由、Jev 与不同 Gemini 配置,给出按任务难度设置 thinking level 和维护上下文缓存的实践依据。

10月29日周四
  1. Mistral AI83

    Mistral AI 发布 Mistral Large 4 开放权重模型,强化编码与防御性网络安全

    Mistral AI 发布改进版 Mistral Large 4(Le Chonk)的模型权重,这款 1-trillion-parameter 原生多模态模型提供 Low、Medium、High 三种推理模式,并提升编码、防御性网络安全和推理效率。

    推荐理由:原文把编码、防御性网络安全和推理效率的公开评测,与开放权重及自部署路径放在一起,便于判断模型的工程使用价值。

  2. Google Developers Blog73

    Google 讲解如何使用 A2UI 与 CopilotKit 构建生成式 UI 应用

    Google 讲解如何结合 A2UI、AG-UI 与 CopilotKit 构建可在运行时生成、流式渲染并支持双向交互的 UI 应用。文章以 Google ADK 为例,展示通过受信组件目录和 Zod 校验限制可渲染组件,并让日期、航班和乘客信息沿同一数据流返回智能体。

    推荐理由:文章串联了 A2UI 的声明式 UI、AG-UI 事件流与 CopilotKit 接入方式,并给出组件目录、双向交互和错误恢复的实现路径。

10月28日周三
  1. Google Developers Blog74

    Google 升级 Google Play services 中的 LiteRT,加入 GPU 推理加速与 CompiledModel API

    Google 升级 Google Play services 中的 LiteRT,新增基于 ML Drift 的 GPU 推理和 CompiledModel API,GPU 推理比 legacy GPU delegate 快约 1.4x。

    推荐理由:文章同时给出约 1.4x 的 GPU 推理加速、约 8 MB 的应用体积缩减和迁移步骤,便于 Android 开发者评估切换成本与收益。

10月27日周二
  1. Anthropic News71

    Anthropic 扩大与 GSA 合作,为美国各级政府提供 Claude 40% 折扣

    Anthropic 扩大与美国总务管理局(GSA)的合作,为政府合作伙伴的 Claude Enterprise、Claude for Government 和 Claude API 提供 40% 折扣,并扩展至州、地方、部落和领地政府。

    推荐理由:新协议把 Claude 的 40% 政府折扣扩展到美国各级政府和云渠道,并配套按用量付费与实施支持,具体呈现公共部门的采购落地路径。

  2. Google Developers Blog72

    Google 发布 A2UI Express,支持可切换推理格式

    Google 发布 A2UI 的可切换推理格式,其中包括新的 A2UI Express,用于加快生成式 UI 的生成。A2UI Express 生成同类 UI 所需 token 最多减少 3x,延迟最多降低 3x;使用 Jev 等决策模型做布局决策时,延迟最多降低 80x。

    推荐理由:文章对比了 A2UI Express、Direct JSON 与 Jev 受控生成的适用场景,并给出 SDK 接入方式和延迟、token 数据。

10月26日周一
  1. Google Developers Blog74

    Google Docs 和 Drive 原生支持预览、编辑与协作 Markdown 文件

    Google Workspace 在 Google Docs 和 Drive 中原生支持 Markdown 文件的预览、编辑与协作。用户无需转换文件类型即可直接编辑 .md 文件,并保留其内容供开发工具和 git repositories 使用。Google Docs 支持人与 AI 智能体实时共同编辑、评论和版本历史,Google Drive 支持富格式预览及切换至原始文本。

    推荐理由:原文具体说明 Markdown 文件如何保持原格式并支持人与 AI 智能体协作,帮助判断 Google Docs 对开发文档流程的适配范围。

10月22日周四
  1. Microsoft Research65

    Microsoft Research研究员证明困扰数学界31年的KLS猜想

    Microsoft Research研究员Xinzhi Zhang与合作者Zhao Song证明了1995年提出的KLS猜想,确立高维对数凹分布中最佳平面切割与最佳任意形状切割之间的差距存在与维度无关的固定上界。

    推荐理由:原文详述了研究者引导多个AI智能体并行探索上百条推理路径、逐步筛选收敛到最终证明的协作过程。