GitHub 发布 ReviewBench：AI 代码审查基准
GitHub 发布了 ReviewBench，一个用于评估 AI 代码审查系统性能的基准，它基于真实 GitHub 代码审查数据构建，并提供了多种评估指标和配置选项。
推荐理由：ReviewBench 提供了一个全面的 AI 代码审查基准，有助于评估和比较不同代码审查系统的性能，对开发者来说是一个重要的工具。
Agent 智能体
全部主题让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
最新精选
第 201–220 条 · 共 973 条GitHub Blog · AI & ML精选AI 评分8080
The Decoder精选AI 评分7272 Aleph Alpha 发布 Kolibri，一款支持欧洲 AI 主权的开放权重模型
Aleph Alpha 发布了 Kolibri，一款德英双语语言模型，参数量为 780 亿，其中 30 亿参数为每个 token 的活跃参数。Kolibri 在质量和运营成本方面均处于 Pareto 最优前沿，在德英两种语言上都优于具有相似架构的对比模型。该模型旨在服务于公共管理、航空和工业领域，支持高达一百万 token 的上下文窗口，并在德国和芬兰的 768 B200 GPU 上进行训练。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Cointelegraph精选AI 评分7070 AI 发展放缓或引发经济动荡？行业内部分歧加剧
文章指出，美国人工智能行业内部对于发展速度存在分歧，一方面有行业领导者呼吁放缓发展步伐，另一方面美国总统特朗普希望加快发展以与中国竞争。文章探讨了这种分歧可能对经济产生的影响，并分析了不同观点对行业发展的潜在影响。
推荐理由：文章探讨了美国人工智能行业内部对于发展速度的不同看法，以及这种分歧可能对经济产生的影响，读者可以从中了解行业发展趋势和潜在风险。
The Decoder精选AI 评分7070 谷歌研究人员找到防止AI智能体记忆化测试的方法
谷歌研究人员提出了一种名为RRSI的方法，旨在防止AI智能体在测试中记忆化，通过限制编辑预算和严格的审查机制，提高了AI智能体的泛化能力。
推荐理由：该研究提出了新的方法来防止AI智能体在测试中记忆化，对AI领域具有重要意义。
The Decoder精选AI 评分7070 NASA与IBM开源月球模型：将17年绕月探测器数据转化为月球科学研究基础
NASA与IBM合作开发的月球基础模型，基于17年绕月探测器数据，可用于机器学习，尤其在预测极地冰沉积和检测陨石坑方面表现出色。
推荐理由：该模型基于大量月球观测数据，对月球科学研究具有重要意义，特别是对极地冰沉积和陨石坑的预测。
Hugging Face Blog精选AI 评分6565 微软发布AI代理评估工具ThinkingBox
微软发布了一个名为ThinkingBox的AI代理评估工具，该工具通过评估AI代理在业务流程中留下的记录来评估其性能，并提供了评估AI代理可靠性的方法。
推荐理由：ThinkingBox 通过评估AI代理在业务流程中留下的记录来评估其性能，为读者提供了评估AI代理可靠性的方法。
The Verge · AI精选AI 评分6565 OpenAI 安全员工离职并发出警报
OpenAI 安全员工 David Robinson 离职并指出公司文化存在问题，呼吁 AI 公司建立更严格的安全保障措施。
推荐理由：原文揭示了 OpenAI 安全团队文化问题，读者可以关注这一事件对 AI 安全领域的影响。
TechCrunch · AI精选AI 评分6767 AI智能体功能解析：文本消息中的AI助手
多种AI智能体功能通过文本消息提供个性化服务，包括日程安排、旅行规划、购物和提醒等功能。
推荐理由：原文介绍了多种AI智能体功能，读者可以了解它们如何改变现有工作流。
Hugging Face Blog精选AI 评分7777 AstaBrief 模型开源，快速报告生成工具发布
AstaBrief 模型，一个用于快速生成报告的模型，已开源。该模型将研究问题和检索到的文献摘录转换为引用报告，可在 Asta 平台的 '生成报告' 功能中使用。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Google Research精选AI 评分8585 Google 研究推出基于可信执行环境的联邦学习系统
Google 研究推出基于可信执行环境的联邦学习系统，旨在提供更强的隐私保障和改进的准确性。
推荐理由：原文介绍了基于可信执行环境（TEE）的联邦学习系统，读者可以了解其隐私保护和准确性提升。
NVIDIA Blog精选AI 评分6767 NVIDIA DGX Spark 64GB发布，为开发者提供更多本地AI构建和扩展方式
NVIDIA发布新的DGX Spark 64GB配置，提供64GB统一内存，支持本地AI构建和扩展。该配置支持高达1000亿参数的模型，并可通过NVIDIA Sync Cluster Assistant进行集群扩展。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分7070 AutoSynthData：为智能体生成企业级训练数据
ServiceNow CoreAI 发布了 AutoSynthData，一种用于生成企业级智能体训练数据的方法。它通过分析目标模型的失败和成功案例，生成和验证新的训练任务，以提高智能体的性能。
推荐理由：AutoSynthData 通过利用目标模型的失败和更强的教师的成功来决定模型接下来应该学习什么，然后生成和验证新的任务来锻炼这些能力，有助于提高企业智能体的性能。
NVIDIA Blog精选AI 评分7070 NVIDIA GPU 加速 OpenAI GPT-6 Astra Ultrafast
NVIDIA GPU 加速 OpenAI 的 GPT-6 Astra Ultrafast，提供高达 8 倍的 token 生成速度，缩短编码代理的编辑-测试-调试周期，并提高交互式应用的响应速度。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
AWS Machine Learning Blog精选AI 评分6060 AWS Bedrock AgentCore 发布智能体功能以加速云迁移
AWS Bedrock AgentCore 发布了新的智能体功能，旨在通过自动化和优化云迁移流程，将基础设施代码开发时间从每应用3-4周缩短到几分钟。该平台支持构建、连接和优化智能体，并使用任何框架或模型。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
AWS Machine Learning Blog精选AI 评分6262 Amazon Quick 发布实时数据应用功能
Amazon Quick 发布了实时数据应用功能，允许用户使用自然语言描述应用，并由 AI 代理编写和部署工作网站，无需手动编码或 DevOps 步骤。该功能支持实时查询治理 Quick Sight 数据集，并确保每个用户只能看到他们有权看到的数据。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
AWS Machine Learning Blog精选AI 评分7070 AWS Bedrock AgentCore 发布：构建环境智能体从事件驱动信号到人工流程
AWS Bedrock AgentCore 发布，提供构建、连接和优化智能体的平台，支持任何框架或模型。AgentCore Runtime 提供执行环境，支持长运行工作负载，内置会话隔离，并集成 Amazon Bedrock 基础模型。AgentCore Runtime 支持足够长的会话，以涵盖信号→智能体→人工流程（HITL）流程。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分8585 Hugging Face 发布 Olmo-core 3：面向大型 MoE 的开放、可扩展训练基础设施
Hugging Face 发布了 Olmo-core 3，这是一个针对大型语言模型开发的开源框架的重大升级，其中包括重新设计的开放混合专家 (MoE) 训练系统。Olmo-core 3 旨在将 MoE 训练扩展到万亿参数范围，同时保持计算效率。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
NVIDIA Blog精选AI 评分7777 NVIDIA AI 工厂发布智能体功能
NVIDIA 发布了新的 AI 工厂，旨在最大化投资回报，通过提高每兆瓦的吞吐量和降低每代币的成本来最大化收益，同时延长硬件的使用寿命，并支持各种 AI 模型和工作负载。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Latent Space精选AI 评分8585 Gemini 4 Argon：GDM 对 Astra/Fable 的回应，输出可达 1M
GDM 推出 Gemini 4 Argon 模型，具备 1M 输出能力，在 19 个可信基准测试中有 13 个达到 SOTA 水平，目前仅限有限的安全预览版，预计将尽快开放。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Ethereum Blog精选AI 评分7070 zkAPI：任何API的私密使用信用
zkAPI允许用户在不暴露身份的情况下支付按量计费的API费用。通过在以太坊保险库中存入信用，并使用零知识证明进行授权，zkAPI实现了支付与身份的分离。
推荐理由：zkAPI通过将支付与身份分离，为API调用提供匿名性，读者可以了解其对现有工作流的影响。