日報
2026-07-02 精選 10 條，按主題聚合。其餘新聞折疊歸檔。
Goat 2.0 是一個基於Telegram的AI智慧體，核心是一個主動分層記憶系統。與標準RAG不同，它在每次對話回合前主動檢索記憶，無需智慧體主動詢問。系統包含三個獨立的儲存後端（Redis、ChromaDB、Letta），具有自適應令牌預算、優先反轉的L2/L3分割、寫透歸檔等特性。該專案展示瞭如何構建具有複雜記憶機制的AI助手。
Anthropic釋出了一個研究工程師職位，旨在研究並防範其AI系統對民主制度的影響。該職位屬於新成立的Anthropic研究所，負責從內部評估AI對經濟、民主機構和社會的影響。工作分為三個方向：確保AI遵守法律、研究AI對政府結構的影響以及利用AI增強民主生活。候選人需要兼具AI專業知識和政治學或法律背景。
本文指出，AI根因分析（RCA）的真正挑戰不在於模型的推理能力，而在於資料準備和工具鏈（即“護欄”）。作者透過實驗展示了不同模型在給定完整上下文時的表現，強調預處理的確定性管道比模型本身更重要。
谷歌在2026年6月釋出了一系列AI更新，包括Gemini 3.5即時翻譯、Android 17新功能、Google Home Speaker、Gemma 4 12B本地模型、Gemini 3.5 Flash計算機使用、Nano Banana 2 Lite和Gemini Omni Flash模型、Pixel六月更新、新Google Finance、NotebookLM升級、Gemini學習筆記本、教育工具、反詐騙訴訟、極端天氣AI以及AI採用研究等。
本文介紹如何在AWS上構建一個無伺服器A2A閘道器，統一管理多個AI智慧體的通訊，包括路徑路由、集中許可權控制和語義搜尋。閘道器透過三個層面（管理、控制、執行）簡化智慧體整合，支援標準A2A協議，無需修改客戶端。
本文介紹如何在 Amazon Bedrock AgentCore Memory 中使用後設資料過濾來提升檢索精度。透過在名稱空間隔離的基礎上新增細粒度的屬性過濾，可以按業務維度（如優先順序、部門、時間範圍）進行檢索。文章詳細描述了後設資料的三階段生命週期：配置、攝取和檢索，並展示了嚴格一致提取等特性，以及多代理和多租戶架構下的最佳實踐。
本文介紹瞭如何從零開始構建一個具備啟發式AI策略的五子棋遊戲，包括棋盤渲染、落子邏輯、勝負判斷及AI策略最佳化，最終實現一個完全本地執行的瀏覽器遊戲。
日本政府宣佈計劃到2040年開發本土AI模型，並在十幾個行業部署1000萬個配備AI的機器人。專案投資約60億美元，由軟銀、索尼等公司組成的聯盟Noetra負責開發。此舉旨在減少對美中技術的依賴。
AWS GovCloud（美國）區域新增對 OpenAI 開源 GPT OSS 模型（120B 和 20B）及 NVIDIA Nemotron 系列模型（Nano 9B v2、Nano 12B v2、Nano 30B、Super 120B）的支援，透過 Amazon Bedrock 提供統一的 API 訪問，推理過程完全在美國境內由美國公民運營的基礎設施上進行，滿足 FedRAMP、DoD SRG 等合規要求。
文章指出AI擅長“填補空白”，但這容易導致輸出平庸。作者主張使用者應在提示詞中具體、詳細地指定需求，將AI視為結對程式設計師而非黑盒，避免放棄決策權，並減少不確定性。重點在於透過精心設計的提示詞引導AI產出符合個人品味的結果。
本文演示瞭如何使用AWS技術棧實現HippoRAG，包括Amazon Bedrock、Amazon Neptune、Neptune Analytics和Amazon Titan Embeddings。該框架受人類海馬體記憶系統啟發，透過構建知識圖譜和個性化PageRank演算法，實現單步多跳檢索，提升複雜推理任務的效率。文章詳細介紹了從HotpotQA資料處理到Neptune圖資料庫構建的完整流程，並提供了程式碼示例。
一項新研究分析了超過50萬次匿名ChatGPT對話，發現超過三分之一的對話涉及小說創作，包括原創故事、角色扮演、同人和情色小說。使用者中重度使用者居多，存在“無限故事索取者”模式。研究者認為AI可能催生“自戀式讀寫一體者”，並引發對AI在娛樂中角色的思考。
隨著人工智慧驅動計算需求激增，能源系統面臨同步升級的緊迫挑戰。墨爾本憑藉其先進的能源生態系統、世界級工程研究和政產學研協同，成為全球能源轉型的標杆。本文探討了AI對能源基礎設施的影響、墨爾本在智慧電網和可再生能源領域的創新，以及2027年IEEE PES GTD Asia會議將如何促進國際合作。
OpenWiki 是一個開源代理和命令列工具，用於自動生成和維護程式碼庫文件。它建立倉庫維基，連線程式設計代理，並透過 GitHub Action 持續更新文件，幫助代理更好地理解程式碼庫上下文，從而提高編碼效率。
Inscribe 開發了基於 Amazon Bedrock 的代理式 AI 系統，模仿專家欺詐分析師的方式推理文件。該系統可在 90 秒內檢測出篡改、偽造和 AI 生成的金融文件，比傳統人工審查快 20 倍，同時保持金融服務監管所需的準確性和可解釋性。
本文演示瞭如何在SageMaker AI上部署BoltzGen，並執行端到端的蛋白質設計實驗。該設定提供兩種執行模式以適應不同的研究階段，並使用步驟級快取來減少迭代工作流中的計算成本。
AnalystAIPack 是一個開源的代理技能庫，包含118個經過測試的技能，專為惡意軟體分析、逆向工程和威脅狩獵設計。它解決了通用AI代理在分析惡意軟體時缺乏實踐知識的問題，提供了可執行的指令碼、安全設計（只讀分析、無害化IOC）以及基於MITRE ATT&CK等框架的對映。每個技能包含“何時使用”、“工作流”、“驗證”和“陷阱”等部分，確保代理能夠正確應用技術。文章還展示了一個從樣本到檢測的完整示例，展示瞭如何透過鏈式技能完成分析流程。
AnalystAIPack是一個開源Agent技能庫，專為惡意軟體分析、逆向工程和威脅狩獵設計，包含118個精心策劃且可執行的技能，每個技能都附有測試指令碼，並對映到MITRE ATT&CK、D3FEND和CAR框架。專案強調深度而非廣度，所有指令碼均為只讀分析，安全可靠。
Devin釋出Security Swarm，一種基於新型架構Agentic MapReduce的自動化安全分析工具。它模擬安全研究團隊的工作流程，在真實程式碼庫中並行掃描攻擊面並驗證漏洞，在測試中達到72%的召回率，成本僅為其他工具的約三分之二。
Gemini和Claude各有優勢，但在撰寫電子郵件方面，只有一個明顯的贏家。
作者認為資料層是 AI 棧中被市場低估的關鍵部分，但隨著 AI 進入生產階段，這一現狀將改變。AI 智慧體暴露了資料管道的缺陷，Databricks 的方向正確但架構尚未完善。文章探討了資料層在 AI 時代的重要性，以及未來 AI 原生資料系統的必備特性。
谷歌、紐約就業CEO委員會和Urban Assembly聯合舉辦了一場AI峰會，150名教育及行業領袖參加。會議聚焦AI如何助力學生未來職業準備，強調人類技能的重要性，並承諾保護隱私和公平獲取。
Clockwork 推出 TorchPass 容錯產品和 YOCO 保證，宣稱 90% 的 GPU 叢集故障無需回滾檢查點，透過即時遷移訓練作業到健康 GPU 來避免昂貴的重算。文章分析了當前訓練中斷的成本、TorchPass 的工作原理、兩種模式（模型感知與模型透明）、侷限性以及獨立基準測試結果。
本文介紹了Cerebrium如何透過GPU記憶體快照技術，將gVisor容器中GPU工作負載的冷啟動時間從50秒降低到2.25秒。文章詳細闡述了檢查點（checkpoint）的工作原理：在應用預熱完成後，暫停程序、轉儲CPU和GPU記憶體狀態，並在需要時快速恢復。技術實現涉及修改gVisor containerd shim以在容器建立時決定是正常啟動還是恢復檢查點，並解決了時序、網路、多程序、檔案系統等一系列邊緣情況。
該強大模型的釋出表明，企業需要對不同的AI系統持開放態度，並在選擇模型時考慮治理問題。
讀者回應關於艾琳·布羅克維奇對抗AI資料中心的文章，質疑AI大量消耗電力和水資源的益處。指出AI的主要用途是治療、技術支援、娛樂和同人故事，但AI治療可能無法減少孤獨感，反而削弱社交技能和批判性思維。