- Google DeepMind 发布 AlphaProof Code,完成 Signal 核心密码协议形式化验证 — Google DeepMind 发布 AlphaProof Code,并用该多 LLM 智能体框架对 Signal 核心密码协议的实际代码完成形式化验证。专家先把安全目标转化为经人工审阅的数学规范,智能体生成超过 600 万行 Lean 证明,Lean 自动检查其余证明并标出需复核的 1% 代码,整个过程用时 4 周。
快讯
-
Fable 5.2 一次完成侄子梦想中的 12 关多人动作游戏(Hacker News)
-
Hugging Face 为决策模型引入统一接口与工具支持(Hugging Face Blog)
-
Anthropic 发布 Claude Meetings,将工作讨论转化为计划和任务(TechCrunch)
-
纽约州RAISE Act生效,OpenAI与Anthropic须在2027年1月1日前登记(TechCrunch)
-
Anthropic 为 Claude 应用新增 Sheets、Whiteboards、Data 和连接器(The Decoder)
-
AI 搜索敲响传统数字搜索的丧钟(Hacker News)
-
OpenAI 在 ChatGPT 中推出 Businesses 功能(OpenAI News)
-
Google DeepMind 发布 Gemini Robotics 2.5,Mercedes-Benz 产线零件分拣成功率达 96%(The Decoder)
-
Anthropic 发布 Claude Meetings、Claude Sheets 与 Claude Whiteboards(The Verge · AI)
-
Modelplane 推理工程开放指南(Hacker News)
模型发布/更新
-
Fable 5.2 首批实测:对比 Opus 5.5,展示编程、游戏、视频与 3D 创作案例 — 量子位汇总了Fable 5.2首批实测与网友案例,覆盖编程基准、游戏、视频、3D建模和作曲。报道称其智能体编程等基准几乎全面超过Opus 5.5,编程测试比Opus 5.5高45.5%,软件工程测试达69.9%,支持100万Token上下文和最高12.8万Token输出。(量子位)
-
蚂蚁灵波开源 LingBot-Touch 触觉基础模型 — 蚂蚁灵波开源 LingBot-Touch 触觉基础模型,将磁触觉、视触觉和压阻式信号编码为统一的触觉 Token,供不同灵巧手和动作模型复用。模型基于近5000小时真实触觉数据预训练,在 Sharpa Wave 和 XHand1 上完成26项真机测试后,四种动作模型的平均任务成功率较无触觉时提高约14至26个百分点。(量子位)
-
Google DeepMind 发布 Gemini Robotics 2.5 VLA 模型 — Google DeepMind 发布 Gemini Robotics 2.5 VLA 模型,扩展机器人可学习任务的广度,并提升技能获取速度、灵巧度、可靠性与安全性。(Google DeepMind)
产品发布/更新
-
Claude 发布 Claude Whiteboards 和 Claude Sheets,Claude Dashboards 正式推出为 Claude Data — Claude 今日 beta 发布 Claude Whiteboards 和 Claude Sheets,并将 Claude Dashboards 正式推出为 Claude Data。(Hacker News)
-
NVIDIA 向 CNCF 捐赠 OpenShell 并推出 DSX AI 工厂平台新组件 — NVIDIA 向 CNCF 捐赠用于安全治理 AI 智能体的开源运行时 OpenShell,并宣布 DSX AI 工厂平台的 3 个新组件。(NVIDIA Blog)
行业动态
-
Anthropic 第三季度算力及基础设施支出达 99 亿美元,占营收 58% — Anthropic 文件显示,公司 2026 年第三季度算力及基础设施费用达到 99 亿美元,占当季营收的 58%。这一比例高于第二季度的 48%,其中包括 50 亿美元短期算力承诺,其算力成本显著高于多年期协议采购。(36氪)
-
Anthropic 七位联合创始人拟在 IPO 中各套现约 $250M — Anthropic 在新提交的 S-1 文件中披露,七位联合创始人拟在 IPO 中各出售 3,378,378 股,按 $74 中位价预计各套现接近 $250M。(TechCrunch)
-
Anthropic 截至2026年10月底年化营收约810亿美元 — Anthropic 表示,截至2026年10月31日,其年化营收约为810亿美元,较2026年9月30日增加100亿美元。年付费超过10万美元的客户数量增至11900家。(36氪)
论文研究
-
Google DeepMind 发布 AlphaProof Code,完成 Signal 核心密码协议形式化验证 — Google DeepMind 发布 AlphaProof Code,并用该多 LLM 智能体框架对 Signal 核心密码协议的实际代码完成形式化验证。专家先把安全目标转化为经人工审阅的数学规范,智能体生成超过 600 万行 Lean 证明,Lean 自动检查其余证明并标出需复核的 1% 代码,整个过程用时 4 周。(Google DeepMind)
-
AI 智能体将 CPython 3.15.2 形式化为 Lean,验收 4,071 个函数并报告 418 个缺陷 — AI 智能体已将 CPython 3.15.2 的 4,071 个函数逐行改写为 Lean 模型,并通过对照测试、机器证明和另一智能体复核。项目累计产出 613,318 行 Lean、18,898 个定理与引理,并生成 418 个缺陷报告,其中约 55 个可由普通 Python 代码触发解释器崩溃或内存损坏。(Hacker News)
技巧与观点
-
AWS Quick 智能体与技能如何协同工作 — AWS Quick 官方文章解析智能体如何按任务加载技能,通过连接器操作外部服务,并基于空间、知识库、数据集和仪表盘生成回答。技能遵循 Anthropic 最初开发的 Agent Skills 开放规范,以根目录 SKILL.md 承载名称、描述、指令及可选脚本,并按需渐进加载。(AWS Machine Learning Blog)
-
Amazon Bedrock AgentCore Evaluations 智能体评估指南:内置评估器、DeepEval 与 AutoEval — Amazon Bedrock AgentCore Evaluations 演示了如何组合内置评估器、DeepEval 与 AutoEval,评估智能体是否达成业务目标。方法先把业务结果拆成可观测行为,再映射到 trace 级或 session 级评估器,并可创建多维 LLM-as-a-judge 评估器。文中还比较了按需、在线和批量三种评估模式,并给出客服、研究及高风险领域智能体的评估器组合。(AWS Machine Learning Blog)