OtterSec宣布设立10万美元的Save CTFs基金，旨在应对AI对CTF竞赛的冲击。文章指出当前AI模型能轻松解决大多数Jeopardy挑战，导致竞赛变成拼预算而非技能。他们提倡更细粒度的评分机制，如改进的攻防（AD）和夺旗（KOTH）模式，并举例说明相对评分的逆向工程挑战。基金会资助创新想法，要求赞助申请简洁明了。

NVIDIA发布了Nemotron-Labs-3-Puzzle-75B-A9B，这是Nemotron-3-Super的压缩变体。通过迭代式Puzzle压缩，模型参数从120.7B总/12.8B活跃降至75.3B总/9.3B活跃。在单个8xB200节点上，用户吞吐量达到100 tok/s时，总吞吐量提升至Super的2.03倍；在单个H100上，1M令牌并发数从1提升至8。

本文探讨了一个常见观点：人工智能会取代大量工作岗位。但视频作者指出，支撑这一观点的数学模型存在根本性错误。文章解释了为什么简单的预测往往忽略复杂的经济调整和人类适应能力。

文章批评AI导致沟通膨胀，非技术人员用AI生成大量冗长内容，增加认知负担，而非提升效率。作者指出输出不等于生产力，管理层常被数量迷惑，忽略质量。

谷歌AI Studio在Build模式中推出“从GitHub导入”功能，将现有代码仓库转换为兼容运行时的格式，支持迭代和部署。该功能由AI Studio团队和产品负责人Logan Kilpatrick于2026年7月8日宣布。它补全了从GitHub导入的路径，为开发者提供了从现有代码开始构建应用的新方式。

Prime Intellect 宣布完成1.3亿美元A轮融资，由Radical Ventures领投，NVIDIA、英特尔、戴尔等参投，总融资额超1.5亿美元。公司旨在构建开放超级智能堆栈，利用强化学习（RL）使企业能够拥有自己的模型优化循环，而非依赖少数封闭实验室。其平台涵盖训练、部署和持续改进模型的完整工具链，已拥有超6000家客户，年化收入超1亿美元。未来将聚焦长时程代理、递归语言模型、自动化科研和持续学习等前沿方向。

AtCoder平台举办人类与AI的表演赛，作为世界巡回总决赛2026算法比赛的一部分。

一位创始人分享了他在150天内将AI初创公司做到1000万美元年营收的经验，包括关键策略和教训。

前GitHub CEO Thomas Dohmke推出Entire，一个去中心化的Git托管网络，旨在应对AI代理产生的流量。Entire允许镜像GitHub仓库，并提供代理审计功能，旨在解决像GitHub这样的集中式平台的基础设施压力。

Greppy 是一个无需配置的 grep 替代品，为 AI 编码代理提供代码导航子命令（如 who-calls、impact、semantic-search），可将结构性代码问题的正确率从 53% 提升至 87%，同时减少令牌消耗。采用 Rust 编写，支持 107 种语言。

ChatCut 是一款轻量级、专业级的 AI 视频编辑器，集成于 ChatGPT、桌面和网页端。它能够理解素材、意图和时间线，提供结构编辑、精细剪辑、字幕、B 卷、音乐、配音、动态图形、素材库和 AI 生成视频等功能，所有编辑实时可调并支持 XML 导出。

《独立报》揭露Facebook上一个名为“Life in Britain”的页面发布了大量由AI生成的、针对英国政治的分裂性视频，这些视频来自斯里兰卡的管理员，一个月前被标记后Facebook仍未采取行动。专家警告这可能是一场外国势力利用AI进行的影响力运动，旨在放大英国政治叙事，破坏社会信任。

CAI数据集是一个为期十四个月的网络安全LLM轨迹语料库，包含23万+会话日志和2600万+用户提示，来自123个国家的16,768个源IP。研究发现，专家操作轨迹而非模型能力是LLM性能瓶颈，且操作员频繁粘贴实时凭证导致敏感信息集中于云API提供商，构成系统性风险。论文建议部署本地专用网络安全LLM。

在推出AI构建的应用前，创始人必须检查代码所有权、AI构建的极限（80%节点）、数据安全，并进行预发布技术审查。Builder.ai的破产凸显了原型与可投产产品之间的差距。

OpenClaw从一个周末项目成长为全球性开源运动，每周新增450万用户，成为GitHub史上增长最快的仓库。如今，它正式成立501(c)(3)非营利基金会，旨在保持项目开放、独立，并由社区驱动。基金会将提供治理、稳定资金，并雇佣全职团队。合作伙伴包括OpenAI、NVIDIA、微软、密歇根大学等，共同推动个人AI代理的发展。

SpaceXAI（xAI）正式发布了Grok 4.5，这是一款专注于编程和智能体的前沿模型，旨在提供接近Opus级别的性能，但速度更快、成本更低。该模型与Cursor合作训练，定价为每百万输入标记2美元、输出标记6美元，上下文窗口为50万标记（计划扩展至100万）。在独立评测中，Grok 4.5在效率上表现突出，被认为是性能与成本的最佳平衡点。

本文探讨了AI如何改变软件重写的经济学：代码库的一致性对AI辅助编程的效率和质量有重大影响。采用清晰、一致的模式可以降低AI的认知负担和成本，而重写软件正是建立这种模式的机会，从而获得竞争优势。

据调查媒体Correctiv的卧底调查，德国极右翼政党AfD开发了一套名为Alternita的AI软件套件，利用Google Gemini、OpenAI的ChatGPT和Anthropic的Claude等主流AI引擎，自动生成煽动性社交媒体帖子，旨在控制党内信息传播并维持其网络优势。

Compendium 是一个为团队和AI代理设计的共享工作空间，由 Cerenovus 开发，后者被称为“AI公司大脑”。该工具旨在促进人机协作，提高团队生产力。

一个关于影子治理、AI以及沉默武器化模糊性的警示故事。一名安全专家加入AI初创公司，严格遵守未发布政策，却因使用AI工具被谣言毁掉声誉，而真正违规者却潜行地下。最终公司发布了宽松政策，但伴随全面监控。

本文介绍了如何通过六个步骤识别并移除Claude Code每次请求中不必要的工具定义、指令等冗余内容，从而减少令牌消耗、降低成本。通过使用/context命令测量、日志代理分析，并配置disable*标志和deny规则，可以大幅精简有效载荷。

本文介绍了如何重现针对检索增强生成（RAG）管道的间接提示注入攻击，详细说明了攻击原理、实现步骤以及防护建议。

GemNav 是一种新的视觉机器人导航策略，它通过仅对语言塔进行低秩适应（LoRA）来适配冻结的多模态大语言模型（MLLM），无需专用视觉编码器或连续回归头。该策略使用离散令牌词汇表表示路径点和导航信号，并通过软解码辅助损失恢复度量结构。在仅8.7小时的开放语料库上训练后，GemNav 能够零样本迁移到四个未见过的物理环境，在20次真实世界试验中停止在目标0.25-0.42米范围内。结果表明，冻结 MLLM 的离散令牌适应为基于基础模型的机器人导航提供了一种数据高效、可部署的替代方案。

CaLiSym是一种轻量级框架，通过将几何先验施加于结构化提升的典型相空间，将精确辛学习扩展到非保守系统。它采用显式代数的提升方法，避免了循环隐状态或ODE积分，并引入GRB-SympNet变体。实验表明，在耗散双摆、真实四旋翼和接触丰富的四足机器人上，该方法在分布外自回归预测中表现一致提升，同时保持辛形式数值精度。

该论文提出了一种基于持续学习的控制框架，使模块化软体机器人能够在不遗忘先前知识的情况下，逐步适应形态变化。实验验证了其在仿真和真实机器人上的有效性。

EvoPlan是一个神经符号框架，融合了LLM的流畅性和经典PDDL规划器的可执行性与安全性保证。它包含三个核心部分：从演示数据中离线挖掘全局信号时序逻辑（STL）约束的过程、进化PDDL规划器以及约束执行循环。所有LLM调用均使用本地开源模型，无需云依赖。在Bench2Drive、HA-VLN-CE和ALFWorld基准测试中验证了有效性。

这篇综述总结了2017年至2026年间183篇关于视觉语言动作（VLA）模型的研究，涵盖VLA架构、训练方法、动作表示、双臂协调（2022-2026）、无人机导航与控制（2017-2026）、语言基础及记忆与世界模型等七个维度。研究表明，针对双臂VLA开发的协调策略、训练方法和动作表示可迁移至无人机系统，并提出了14个未来研究方向。

本文提出CILC系统，利用安全多方计算（SMPC）检测多智能体SLAM中的闭环候选，无需交换明文全局描述符，从而防止被入侵智能体的数据泄露。实验表明，该方法在视觉和激光雷达全局描述符上均能实时运行，并有效缓解信息泄露。

RoboSnap是一个从真实到模拟的框架，仅凭一张RGB图像即可生成可用于仿真的场景。其核心是分层设计：碰撞感知的前景资产用于机器人稳定交互，而3D高斯泼溅视觉层保留逼真的背景外观。在DROID场景和真实机器人任务上的实验表明，RoboSnap能够可靠地重放轨迹，支持任务特定的合成数据生成，并提供有意义的模拟-真实相关性。此外，还引入了DROID-Sim数据集，包含564个真实世界场景。

NativeMEM通过原生记忆压缩将历史帧压缩为单个标记，无需外部记忆模块，显著提升了长时域机器人操作的成功率（模拟环境达84%，真实环境达98.7%），且仅需20%的训练数据。