文章探討了LLM如何大幅降低了製作看似可信內容的成本，導致開源漏洞報告、學術期刊和部落格等領域的低質量內容氾濫。文章借鑑了印刷術時代的歷史類比，並呼籲建立新的社會技術把關機制來幫助分配注意力。

美國FDA透過整合八個中心的資料孤島，基於Databricks構建了名為ELSA的生成式AI平臺和Halo資料基礎，在兩個月內實現了85%的員工採用率。員工現在可以構建自定義AI代理，將監管研究時間從幾天縮短到三分鐘。

Anthropic將其語音模式擴充套件到更強大的Claude Opus和Sonnet模型，並整合到Gmail、Slack等應用中，支援多種語言。

本期內容包括：Jensen Huang 與 Harrison 探討開放代理系統的未來，釋出 NVIDIA NemoClaw for LangChain Deep Agents 藍圖；LangSmith Sandboxes 免費試用、Fleet Slack 整合、語音追蹤；開源專案 OpenWiki Brains、Deep Agents 與 Harbor 統一評估棧、RLMs 動態子代理；新課程《Deep Agents 入門》；以及多場線下活動和客戶案例。

Mozilla AI團隊在ACM FAccT 2026會議上展示了一項關於上下文評估LLM護欄的教程，強調了評估護欄本身的重要性，並介紹了他們透過難民和庇護場景的評估結果來設計動態護欄政策的方法，以及使用工具增強護欄可靠性的實踐。

Patreon 宣佈裁員20%，約93名員工。CEO Jack Conte 表示裁員並非因AI取代人類，而是AI已從根本上改變科技行業和公司運營方式。此前Patreon在2022年已裁員17%，並關閉了都柏林和柏林辦事處。

NVIDIA高階總監Joey Conway表示，本地小型模型與前沿大模型正協同工作，透過路由器分配任務，企業可藉此降低成本、提高效率。NVIDIA推出DGX Spark等硬體支援本地執行大模型，並強調資料控制與安全性。

這篇文章探討了AI模型供應商在API呼叫中進行的隱性模型替換、精度降級和權重漂移現象。這些做法引發了嚴重的合同、法律和證據認證問題。作者分析了三種模型身份斷裂的方式，並指出當前法律框架無法適應這種動態路由，提議透過可驗證的模型簽名來解決身份認證問題。

據報道，甲骨文因一項人工智慧賭注失誤而解僱了21,000名員工。這一大規模裁員反映了公司在AI戰略上的重大挫折。

本文概述了AI從聊天機器人到代理系統的演變，重點比較了ChatGPT和Claude兩大工具，並提供了選擇模型、設定許可權和利用電腦操控等實用建議。

傳統的授權機制只檢查誰在操作，而不檢查為什麼操作，這使得AI代理容易受到提示注入攻擊，攻擊者可以利用有效的憑證執行未經授權的任務。Omnigent引入了基於意圖的授權，將會話繫結到人類批准的宣告目的，拒絕或需要人工審批任何超出該目的的操作。與會話風險評分相結合，這種分層防禦可以阻止基於身份的檢查無法捕捉的攻擊，如資料質量助手示例所示。

Databricks 的現場工程組織為幫助客戶成功而構建了 FE 自動售貨機（FEVM），這是一個基於 Databricks Apps 的自助服務基礎設施平臺，可按需提供隔離、受治理的雲資源。隨著 GTM 團隊規模增長到 7000 多人，共享工作區帶來了操作複雜性、成本歸屬和可觀察性問題。FEVM 透過用例驅動配置、自動生命週期管理和透明通知解決了這些問題，在內部活動 BuildCon 中一天處理了近 1200 個配置請求。它支援人工工程師和智慧體工作流，是 Databricks 智慧體優先現場工程願景的關鍵基礎設施層。

深度代理的開發因評估困難而頗具挑戰。我們最近改進了評估框架，利用 Harbor 在編碼、對話和檢索三大領域進行端到端評估，並分享了我們的實踐方法。

一種使用合約塊雜湊和確定性特徵而非LLM摘要來聚類LLM追蹤記錄的技術，以極低的模型成本實現了近乎完美的精確率和召回率。Seldon的Trace Audit透過硬合約塊和塊內DBSCAN，按程式身份而非主題聚類，並識別可編譯的工作流以替換為更便宜的確定性流水線。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：Discussion | Link

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：Discussion | Link

Cursor 推出模型路由器 Cursor Router，可根據任務需求自動選擇最合適的 AI 模型，節省成本並保持質量。Ramp 和 Meta 也釋出了類似工具。Cursor 自身也在開發強大模型，並開始掌控自己的 AI 堆疊。

芝加哥大學法學院釋出了一項戰略宣告，闡述其如何適應人工智慧時代，包括開發抗AI的教學法、提升人類核心技能以及教授負責任地使用AI。該學院計劃在2026-2027學年試點新政策，如1L核心課程禁止電子裝置、進行無網路考試，並在法律研究與寫作課程中結合AI使用。

Setoku 是一個開源的、自託管的 MCP 知識伺服器，為 AI 代理提供對公司資料的只讀訪問、指標定義和陷阱的記憶，以及構建和共享儀表板的能力。它執行在廉價 VPS 上，無需模型推理成本，並強調安全性——知識更新需要人工批准。

AMD在AI領域的佈局與未來展望，聚焦2026年的技術突破與產品路線圖。

Motorway與AWS合作構建了端到端評估管道，將錯誤結果從每8次查詢1次減少到每50次1次，並將問題檢測時間從幾小時縮短到幾分鐘。該管道結合了Strands Agents SDK與Amazon Bedrock AgentCore，本文介紹瞭如何為您的代理構建此管道。

OpenAI 於週四在美國向所有使用者推出 ChatGPT Health，允許使用者連線醫療記錄和健康追蹤資料。該公司高管稱模型推理能力已超越臨床醫生水平，但隨後又對宣告進行緩和。與此同時，一位牧師因 ChatGPT 提供“極其危險的醫療建議”而提起訴訟。

Centrica執行長Chris O'Shea為公司計劃辯護，稱大多數客戶更願意與AI聊天機器人互動。公司計劃裁減1300個呼叫中心崗位，其中800個與AI工具部署直接相關。

Jefferies 使用 Strands Agents、Amazon Bedrock 和 MCP 工具構建了代理型 AI 交易助手，使交易員能夠透過自然語言查詢資料，減少對 IT 的依賴並加速洞察。

本文介紹如何使用Highcharts自定義視覺化在QuickSight中構建多區域運營商績效儀表板，克服原生圖表限制，同時透過QuickSight聯合資料集能力維護跨AWS區域的資料主權。解決方案包括生產就緒的圖表配置，並滿足安全、合規和可擴充套件性要求。

Amazon Bedrock AgentCore最佳化能夠發現生產環境中AI代理的靜默行為故障——那些透過所有健康檢查但產生錯誤結果的故障。瞭解如何透過洞察發現、解釋和排序跨會話的故障模式，從而優先修復影響最大的問題。

經典檢索在應對多部分、比較性和探索性問題時表現不佳，而智慧檢索透過規劃迴圈分解查詢、逐意圖檢索並評估充分性，提供更精準的結果。本文深入探討智慧檢索的工作原理、API使用方法及適用場景。

本文介紹了一套評估AI模型是否會執行來自不可信文件的偽造值的基準測試。在十項關鍵工作流中，所有被測試的模型（從四個提供商）均表現出程度不同的脆弱性，且防護措施ActionRail成功阻止了所有被汙染的操作，且無誤報。

本文分析Linus Torvalds關於AI在Linux核心開發中的立場的郵件，指出Linus將AI視為工具並強調技術至上，作者認為這是合理的，但批評了AI炒作機器對Linus言論的利用和斷章取義。文章深入探討了修辭手法、文本分析中的“解經”與“強解”，以及如何識別對權威話語的武器化。

Databricks的Genie Code資料智慧體在400多項真實資料任務中，準確率達76.6%，平均每次任務成本僅0.55美元，遠低於通用編碼智慧體。其優勢在於對工作區上下文的深度語義理解，避免了低效探索。