跳到正文
10月15日周四
  1. 教程LangChain Blog62

    LangChain 详解 Deep Agents 的上下文工程:如何记住而不塞满上下文窗口

    LangChain 官方博客介绍其开源 harness Deep Agents 如何用中间件缓解上下文膨胀,包括卸载、摘要、技能、子智能体和长期记忆五类技术。

    推荐理由:LangChain 官方拆解 Deep Agents 五种上下文管理中间件的触发阈值与实现方式,可对照自身 Agent 的上下文膨胀问题。

10月14日周三
  1. 安全实践AWS Machine Learning Blog22

    Tamnoon 如何用 Amazon Bedrock 构建 AI 云安全修复平台 Tami

    Tamnoon 基于 Amazon Bedrock 构建了智能体云修复编排器 Tami,可自主调查 CNAPP 与云原生来源的安全发现并评估修复安全性,再生成带护栏与治理的修复方案。该方案在 90 天内将关键云暴露减少超过 90%,且未出现生产问题。Tami 由调查、安全评分、修复和代码生成四类专用智能体组成,通过单一 API 调用最适合各任务的基础模型。

  2. 模型Google DeepMind80

    Google DeepMind 发布 Gemini 4 Argon 并公开安全防护细节

    Google DeepMind 开始广泛推送 Gemini 4 Argon,并扩大 Fairwind Program 的受信任网络防御者范围。该模型在网络安全测试中解决了全部 12 个端到端模拟攻击场景,上一代为 5 个;在 Gray Swan 间接提示注入基准上,15 次自适应攻击的成功率降至 0.7%。

    同一新闻,精选展示《Google DeepMind 发布 Gemini 4 Argon 前沿模型》

  3. 模型LangChain Blog62

    LangChain 称 GLM-5 与 MiniMax M2.7 等开源模型在智能体任务上跨过门槛

    LangChain 表示 GLM-5、MiniMax M2.7 等开源模型在文件操作、工具调用和指令遵循等核心智能体任务上已能匹配闭源前沿模型,且成本和延迟更低。文章称将展示其评测结果,并说明如何在 Deep Agents 中使用这些模型。

    推荐理由:LangChain 用自家评测说明开源模型在智能体核心任务上的位置,可据此判断成本与延迟取舍。

  4. 产品LangChain Blog62

    LangChain 发布 Deep Agents deploy 测试版,开源智能体部署方案对标 Claude Managed Agents

    LangChain 宣布推出 Deep Agents deploy 测试版,称其是部署模型无关、开源智能体框架的最快方式,并面向生产环境。该产品被定位为 Claude Managed Agents 的开源替代方案。

    推荐理由:LangChain 把开源智能体框架的部署环节产品化,读者可据此判断自托管智能体方案与托管服务的取舍。

  5. 安全实践GitHub Blog · AI & ML40

    GitHub 用 ModernBERT 分类器重构密钥扫描:误报减少、成本降 98%

    GitHub 为密钥扫描训练了专用的 ModernBERT 分类器,替代此前的 LLM 流水线,在保持正则候选召回的基础上结合文件路径、变量名和上下文判断是否为真实凭据。该方案使推送后扫描中位执行时间缩短 86%、服务成本降低逾 98%,用户对告警的接受度提升 11.5%,并让通用密钥检测得以扩展到推送保护阶段。

  6. 模型Google DeepMind92

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业和消费者开放,通过 AI Studio 与 Gemini API 提供,Google AI Ultra 订阅者可在 Google Antigravity 使用,Ultra 和 Pro 订阅者可在 Gemini 应用和 Search 的 AI Mode 使用。

    推荐理由:官方给出 Argon 在编码、科研与安全场景的实测数据与开放入口,可据此判断前沿模型的能力边界。

  7. 论文MIT News · AI71

    MIT 团队用机器学习后处理将两到六周天气预报准确率翻倍

    MIT 等机构研究人员在 Nature 发表论文,提出一种机器学习后处理层,通过学习并修正现有预报模型的误差,将两到六周次季节预报的准确率提升一倍,并在 ECMWF 的预报竞赛中夺得第一。该模型首次在次季节尺度上稳定优于气候平均值,并显著改善极端天气预测,可作为附加模块用于任意预报模型,且已开源、运行成本低。肯尼亚气象部门已联系团队,计划用其改进季风季预报以提升农业产量。

    推荐理由:该研究用后处理层把两周以上预报准确率翻倍,并首次在次季节尺度上超过气候平均,对农业与能源调度有直接参考。

  8. 行业NVIDIA Newsroom62

    英伟达承诺五年捐赠2.5亿美元算力,支持英国智能体安全与安全研究

    英伟达宣布五年内捐赠价值2.5亿美元的算力,每年提供5000万美元算力访问,用于支持英国智能体安全与安全研究。大部分算力将面向英国更广泛的AI安全研究社区,一部分用于支持牛津大学主导的BOLD、UCL主导的SOFAIR以及帝国理工学院在基础智能体模型与机器人安全方面的工作。

    推荐理由:英伟达以算力捐赠方式介入英国智能体安全研究,读者可了解企业参与AI安全治理的一种路径。

  9. 论文Apple Machine Learning Research22

    Apple 研究:用语音基础模型的语种选择性维度直接检测语码转换

    Apple 研究团队提出一种轻量方法,直接从句语音频中检测语码转换(CS),无需依赖多语种转录。该方法利用预训练语音编码器帧级语种信息,通过单语录音识别语种选择性隐藏状态维度并聚合其帧级激活进行 CS 预测。在 CS-FLEURS 的 14 个语种对上,Whisper-small 编码器取得平均 F1 0.798,高于 CNN 的 0.776 和 HuBERT 线性基线的 0.751。

  10. 论文Apple Machine Learning Research38

    Apple 首次从头预训练三模态掩码扩散模型 MDM,3B 规模验证统一设计

    Apple 提出首个从头预训练的三模态掩码扩散模型(MDM),在文本、图文和音频-文本数据上统一训练,并系统分析多模态缩放规律、模态混合比例与噪声调度。其批次大小分析给出基于 SDE 的重参数化方法,将物理批次与逻辑批次解耦,免去最优批次调参。初步模型在 3B 规模(6.4T tokens)下于文本生成、T2I 和 T2S 任务均取得强劲结果。

  11. 论文MIT News · AI38

    人工神经网络如何构建自己的学习机制

    MIT McGovern 研究所团队在 PNAS 论文中提出,衡量人工神经网络生物学合理性的关键指标是网络能否在没有开发者干预下自我组织,并证明随机连接的单元组仅凭简单的连接调整规则就能重塑为有效的信息处理网络。该网络依靠自组装基序实现学习,性能与采用反向传播训练的网络相当。研究目标是理解大脑的学习规则,也可能反过来改进机器学习系统。