日報
2026-06-11 精選 10 條，按主題聚合。其餘新聞摺疊歸檔。
Agent-EvalKit 是一個開源工具包 (Apache 2.0)，通過集成 AI 編碼助手（包括 Claude Code、Kiro CLI 和 Kilo Code）來提供評估基礎設施。本文介紹了 Agent-EvalKit 的六個評估階段，並以使用 Strands Agents SDK 和 Amazon Bedrock 構建的旅行研究代理為例進行説明。
Databricks Marketplace 現提供來自 Climb、Atropos Health、Kythera Labs 和 Redox 等合作伙伴的預構建 MCP 服務器，涵蓋生物醫學、臨牀證據、醫療語義和互操作性等領域，幫助開發者快速構建安全的醫療 AI 代理。所有 MCP 服務器集中在 MCP Catalog 中，由 Unity AI Gateway 統一治理，並支持低代碼和編碼兩種開發方式。
Ecolab利用Databricks和Anthropic的Claude模型，將9個孤立的數據源整合為一個統一的零售智能平台，使合規報告編制時間從兩週縮短至兩分鐘以下。
本文從零開始用Python、DuckDB、Parquet、Redis和FastAPI構建最小特徵存儲，涵蓋註冊表、離線存儲、在線存儲、物化管道和檢索API五個組件，並探討AI時代特徵存儲的設計變化。
隨着生成式AI向代理型AI演進，歐洲企業面臨數據主權、成本控制和技術基礎設施的新挑戰。文章探討了為何區域性雲服務（如Vultr）比傳統超大規模雲提供商更適合代理型AI的部署，強調了本地化數據管理和避免供應商鎖定的重要性。
據《華爾街日報》報道，OpenAI正考慮降低API代幣價格以從Anthropic手中爭奪客户，一場價格戰正在醖釀中。
Datasette 1.0a33 發佈，這是邁向穩定版 1.0 的重要一步。該版本將 ?_extra= 模式從表擴展到查詢和行，並新增了文檔。還演示了使用 AI 構建的 API 瀏覽器。
Amazon Bedrock Data Automation 的新功能藍圖指令優化，通過提供3-10個示例文檔和真實值，可在幾分鐘內自動改進提取指令，無需模型微調，顯著提高文檔處理準確性。
瞭解AI團隊將於6月23日在The Crown & Crow舉辦歡樂時光活動，歡迎DC地區讀者參加，與團隊和特邀嘉賓交流。
隨着OpenAI、Anthropic等AI公司即將IPO，員工們獲得鉅額財富，導致本就昂貴的舊金山灣區房價進一步飛漲。專家預測，這股熱潮可能持續，加劇住房市場緊張。
來自 Nvidia、亞馬遜和高通等投資者的資金將支持該供應商開發人形機器人和物理 AI。
NVIDIA GeForce NOW夏季促銷現已開啓，12個月Ultimate會員直降70美元，Performance會員優惠35美元。雲遊戲服務消除了硬件障礙，提供即時訪問高性能RTX遊戲的體驗，並支持多設備暢玩。此外，宣佈《激戰3》即將登陸平台，現有《激戰2》和《激戰：重製版》的獨家獎勵。
本文指出，雖然AI高管宣稱效率提升將讓人們迴歸健康生活，但歷史經驗表明節省勞力的技術很少促進健康習慣。過去的便利（如外賣、微波爐、自動扶梯）悄悄減少了我們的身體活動，長期損害健康。
本文是 PyTorch 性能分析系列的第二部分，深入探討了 nn.Linear 層的內部機制，包括轉置操作、融合偏置的 epilogue 技術，以及 torch.compile 對單個線性層的影響。隨後，文章剖析了一個包含 GeGLU 激活的多層感知機（MLP）的性能特徵，展示了 GPU 內核的調度和執行過程。
一家獲得OpenAI支持的初創公司正瞄準金融科技領域，旨在通過其AI自動化解決方案徹底改變企業運營方式。
谷歌DeepMind的分拆公司Isomorphic Labs利用其新型AI系統IsoDDE發現蛋白質上隱藏的藥物結合口袋，超越了AlphaFold。該系統成功預測了cereblon上的隱秘口袋，驗證了其發現新藥物靶點的能力。
Visa將支付基礎設施與ChatGPT連接，使AI代理能夠推薦零售產品並執行金融交易。該部署消除了零售漏斗最後階段的人工干預。自主代理現在可以處理用户提示、評估商家目錄，並通過Visa支付網絡在任何支持的商家完成結賬。
Warren是一款免費的AI財務規劃助手，通過與用户進行語音對話，在10分鐘內生成個性化財務計劃。新版本3.0具有更準確、透明的財務模型，支持用户編輯假設並查看兩種未來情景。已幫助3000多名英國用户規劃財務，解決財務規劃門檻高的問題。
討論代理型AI時代企業軟件的新範式：從記錄系統轉向行動系統。
本文是智能體工程系列文章的第八篇，探討AI智能體在複雜多步驟任務中面臨的上下文丟失問題。作者提出了外部化-識別-再水合（ERR）模式，通過將狀態保存到磁盤文件、檢測上下文退化、從文件恢復，幫助智能體自主應對上下文丟失。文章以歷史比喻（640K內存限制）和實際案例（Copilot會話崩潰）説明問題，並詳細介紹了執行連續性和任務連續性兩層狀態的外部化方法。
Xebia全球CTO Niels Zeilemaker強調，AI代理的成功依賴於堅實的數據基礎，包括數據目錄的正確性。Xebia的Agentic Data Foundation（ADF）和ACE框架幫助企業加速AI採用，同時保持治理和質量。
Nous Research 為其開源自改進代理 Hermes Agent 推出了個人資料構建器，該構建器集成在本地 Web 儀表板中，將原先需要多個 CLI 步驟的代理設置流程簡化為一個引導式界面，支持定義身份、選擇模型和提供商、啓用技能、安裝中心技能以及附加 MCP 服務器，並生成隔離的個人資料目錄。
隨着企業通過收購快速擴張以及AI代理消費模式的興起，傳統的數據產品模式變得笨重。Howden集團首席數據官Barry Panayi主張轉向數據服務層，將數據治理和質量檢查左移，減少洞察延遲，並採用統一的數據模型和會話式分析，以應對更快的業務節奏。
SmithDB支持對代理追蹤進行全文搜索和JSON過濾，中位延遲僅為400毫秒，儘管底層數據是存儲在對象存儲中的大型嵌套JSON文檔。本文詳細介紹了為對象存儲和大型代理追蹤負載量身定製的倒排索引設計，包括面臨的獨特挑戰（大型負載、Zipfian分佈、多種查詢模式、對象存儲約束）、為何不採用Tantivy，以及兩次設計迭代的經驗教訓。
大多數AI代理工具運行在服務器上，限制了瀏覽器API、設備功能和前端狀態的訪問。瞭解LangChain的無頭工具如何為現代代理應用啓用安全的客户端工具執行。
asyncinject 0.7 發佈，這是一個支持 asyncio 依賴注入的 Python 庫。作者在 Datasette 中使用該庫時，由 Claude Fable 5 發現了依賴中的幾個 bug 並自動修復。
Cloudskill 是一個管理 AI 技能的平台，將分散的技能文件轉換為帶有版本控制、訪問策略和完整審計日誌的託管目錄。它支持 Claude、Cursor、Copilot 等 AI 代理，確保技能創建和更新經過審查和批准，從而保證團隊依賴的技能安全、一致且可管理。
本文回顧了Sarah Guo關於開放模型、模型實驗室與代理實驗室區別的深刻文章，並涵蓋了Anthropic的Fable/Mythos模型因靜默降級能力引發的信任危機、Fable 5在基準測試中的強勁表現、Google的DiffusionGemma發佈、代理工具與基準的進展，以及優化和科學建模領域的技術動態。
本文通過數據和案例分析，反駁了AI將導致軟件工程師大規模失業的敍事。作者指出，所謂的AI驅動的裁員往往是財務壓力下的“AI洗白”，而實際的就業數據表明，AI只是壓縮了“執行”層，但“決策”和“交付”層仍需要人類深度參與。文章提出了“決定-執行-交付三明治”模型，並認為這些瓶頸不會因AI能力提升而消失。
前沿團隊不僅利用AI加速編碼，更從根本上重新設計軟件構建方式，實現了4.5倍乃至超過10倍的生產力提升。本文通過亞馬遜Bedrock、Prime Video等團隊的案例，揭示了成為前沿團隊的五個關鍵實踐，並指出工作流程的變革比工具本身更重要。
OpenAI宣佈收購Ona，旨在將安全的持久化雲環境集成到Codex中，從而支持企業工作流程中的長時間運行AI代理。
本教程完整實現了Microsoft SkillOpt的工作流程，包括環境搭建、基線評估、優化循環（rollout、反思、聚合、選擇、更新、驗證門控）以及訓練歷史可視化與最終技能比較，最終獲得可部署的優化技能文件並展示了準確率提升。
隨着自動駕駛出租車服務在全球擴展，NVIDIA推出Halos操作系統——一個集成了認證操作系統、標準化接口、AI護欄和驗證框架的全面安全系統，確保安全從底層構建於自動駕駛車輛之中。
Onpilot創建專門針對企業系統、工作流程和流程的AI工作者，可監控運營、識別風險、發現機會、推薦行動並自動化工作，支持3000多種集成，部署在Slack、Teams、WhatsApp、SaaS或本地。該平台強調安全與信任，提供審批流程、審計跟蹤和異常處理機制，確保AI在關鍵操作前獲得人工確認。
GitHub Copilot CLI 現在可以通過 LSP 設置技能來安裝和配置語言服務器，從而獲得精確的代碼語義理解，不再依賴暴力 grep 或反編譯。本文介紹了該技能的工作原理、配置格式以及 14 種支持的語言。
谷歌DeepMind的DiffusionGemma是一款實驗性的開源模型，採用擴散方式並行生成文本塊，相比傳統的自迴歸模型，在本地推理時速度更快。它基於Gemma 4 26B A4B MoE架構，犧牲部分質量換取速度，特別適用於交互式編輯等任務。本文解釋了其架構、文本擴散的工作原理、基準測試結果，並提供了使用llama.cpp在本地運行的分步指南。
Anthropic發佈了一篇全面的論文和兩個政策框架，呼籲對前沿模型進行具有約束力的審計，並將AI描繪為國家間戰略武器。CEO Dario Amodei以《指環王》的樹人比喻政治系統反應緩慢，警告AI能力呈指數級增長，可能在1-2年內出現“強大AI”。公司提出強制性第三方測試、披露要求和阻止風險模型權力，並制定了應對失業的層級計劃。
Anthropic為其新AI模型Claude Fable 5內藏的隱形限制措施道歉，這些措施悄然削弱了研究人員和競爭對手使用該模型開發系統的能力。公司表示將撤銷此做法，並對何時啓動限制更加透明，即使這意味着Fable會拒絕更多查詢。
Cohere 發佈了其首個面向開發者的編碼模型 North Mini Code。這是一款 30B 總參數、3B 活躍參數的混合專家模型，可在單張 H100 GPU 上運行，支持 256K 上下文長度。模型專注於代碼生成、智能體軟件工程和終端任務，權重採用 Apache 2.0 許可發佈。
Anthropic在強烈抗議後改變了Claude Fable 5的安全措施，使其對前沿LLM開發的限制變得可見。此前，該模型會在用户不知情的情況下降低請求的有效性。現在，被標記的請求將明顯回退到Opus 4.8，API請求會返回拒絕原因。
Ollama的MLX引擎更新後，在Apple Silicon上實現了最高性能。通過更充分利用蘋果統一內存和Metal支持的MLX框架，模型輸出質量更高，響應更快，內存佔用更低。新支持NVFP4格式，輸出速度提升高達20%，並引入快照系統優化代理工作流。
datasette-agent 0.2a0 版本引入了工具可向用户提問的功能，以及新的內置保存查詢工具，使 Datasette 的 AI 代理更加靈活和用户可控，這些特性得益於新的 LLM 框架。
谷歌發佈了名為DiffusionGemma的新開源模型，基於Apache 2許可證，可在NVIDIA的NIM雲API上免費使用。該模型在生成速度上表現卓越，達到每秒500個token以上。
Oracle雲客户現可利用現有云承諾訪問OpenAI模型和Codex，以企業級安全與治理構建和部署AI應用。
谷歌發佈26億參數的DiffusionGemma模型，採用擴散方式生成文本，速度是傳統自迴歸模型的四倍，但質量較低，目前作為實驗工具。
DiffusionGemma是Google DeepMind推出的實驗性開放文本生成模型，採用文本擴散而非標準自迴歸解碼，在專用GPU上可實現最高4倍生成加速。模型參數量26B（MoE架構，推理時僅激活3.8B），基於Gemma 4骨幹，支持多模態輸入（文本、圖像、視頻），上下文窗口256K，覆蓋140+語言，採用Apache 2.0許可。
Anthropic 發佈了其最強大的 AI 模型 Claude Fable 5，但該模型拒絕回答基礎生物學問題，例如“什麼是線粒體”或“細胞膜是什麼”。原因是 Anthropic 為了安全考慮，故意設置了嚴格的生物安全防護措施，以防止模型被用於生物武器相關研究。公司表示這是一種保守策略，並計劃未來為生物科學界提供無限制訪問。
Anthropic發佈首個Mythos級AI模型Claude Fable 5後，微軟因新數據保留條款限制員工使用該模型。Claude Fable 5要求保留提示和輸出30天，違規內容可能保留兩年，引發微軟對客户數據和機密信息的擔憂。微軟已將模型提供給GitHub Copilot和Foundry客户，但內部版本仍未啓用。
谷歌DeepMind發佈了DiffusionGemma實驗性開源模型，通過並行生成文本而非逐詞預測，大幅提升速度。NVIDIA對其進行了優化，使其在GeForce RTX、RTX PRO和DGX Spark等平台上運行更快，本地即可實現高達1000 tokens/sec的推理速度。
我們聽到的關於人工智能的一切都相互矛盾，且無法迴避。AI既可怕又美妙，既可能摧毀世界也能變革未來。有人呼籲必須擁抱它，也有人認為不使用它是一種道德義務。文章指出，AI絕對主義——無論是極端樂觀還是極端悲觀——都在扭曲我們的思考，而真正的未來並非如此單一。
Deezer現在可以掃描用户在其他流媒體平台上的播放列表，以檢測AI生成的音樂。Deezer是首個開始標記AI音樂的大型流媒體服務，也曾向其他平台提供技術，但似乎買家不多。現在，Deezer直接向大眾推出檢測工具，支持20個平台。
西班牙對外銀行（BBVA）將ChatGPT Enterprise推廣至10萬名員工，並與OpenAI合作，加速全球AI驅動的銀行業轉型。
OpenAI支持歐盟關於人工智能內容透明度的實踐準則，推進溯源標準和工具，幫助人們理解AI生成的內容。
PixelForge是一款AI工具，可將真人照片瞬間轉換為可識別的RPG角色精靈圖，生成4方向行走的16幀透明PNG及GIF，支持Godot、Unity等引擎。一次性付費5美元，無需賬户或訂閲。由代碼完成後期處理，注重個性化和趣味性。
近日，美國大學畢業生在畢業典禮上對鼓吹人工智能的演講者發出噓聲，引發熱議。微軟副總裁兼總裁Brad Smith發表長文博客回應，表示這是“警鐘”，並呼籲提高標準。然而，博客內容與之前AI立場相似，被質疑為何公眾要信任製造不確定性的科技巨頭。
谷歌在發送給用户的電子郵件中宣佈，將推出新的“搜索服務歷史”設置，保存用户使用Google Lens、搜索直播工具、語音搜索和翻譯應用中的圖像、文件、音頻和視頻，用於提供和改進服務，包括AI模型。用户可選擇關閉此設置或禁用“保存媒體”選項。
在本次專訪中，AAAI會士Tanya Berger-Wolf分享了她在人工智能與生態學交叉領域的開創性工作，包括開發生命之樹基礎模型BioCLIP，該模型在物種分類、新性狀發現以及實際應用（如通過圖像識別蜱蟲）方面取得了顯著成果，並展望了AI驅動的科學發現未來。
Anthropic撤銷了一項會暗中損害AI研究人員的政策，但另一個爭議點仍然存在。
Anthropic發佈了兩個新模型Claude Mythos 5和Claude Fable 5，在編程能力上大幅提升，但在圖像理解方面進步有限。作者測試發現，Fable 5和GPT-5.5能解決許多去年頂尖模型無法處理的圖像問題，但幾何推理能力仍只相當於幼兒水平，表明通用人工智能可能仍遙遠。
《The Verge》的《監管者》通訊在華盛頓混亂的政治生態中迴歸，報道了華盛頓AI網絡晚宴、教皇利奧十四世關於AI的通諭，以及特朗普領導下AI監管的不可預測性。文章強調了該行業在應對黨派政治和即將到來的中期選舉中的困境，其中AI正成為選民關注的關鍵議題。
Google研究人員提出正則化f-散度核檢驗框架，用於審計機器學習模型的遺忘和隱私保護。該框架自適應選擇最優散度度量，能夠更敏感地檢測數據泄露和遺忘失敗，且所需樣本更少，調參更少。
一羣獨立音樂人起訴谷歌，指控其未經許可使用YouTube上傳的歌曲訓練Lyria 3模型。谷歌提出駁回動議，聲稱根據用户條款，用户已授予廣泛許可。谷歌未明確承認，但過往聲明暗示確實使用了YouTube視頻。
瞭解天體物理學家Chi-kwan Chan如何使用Codex構建黑洞模擬，幫助科學家研究極端物理並檢驗愛因斯坦的廣義相對論。
山姆·阿爾特曼告訴員工，他預計OpenAI將在“一年內”進行IPO，但也可能推遲到2027年。他將此歸因於對自我改進AI的謹慎態度，但分析認為Anthropic更強勁的增長數據和即將進行的IPO可能是真正的原因。