跳到正文
9月21日周一
  1. NVIDIA Newsroom40

    NVIDIA 谈 AI 安全:如何在智能体栈的每一层解决这一工程问题

    NVIDIA 提出 AI 安全是工程问题,需要明确的安全需求、可执行的管控、责任人和防护有效的证据,并主张在模型、harness 与运行时构成的智能体栈各层都部署管控。其开源安全运行时 NVIDIA OpenShell 在智能体触及范围之外执行策略并提供沙箱化执行,Cisco DefenseClaw 在其上增加治理层,JFrog 则集成 OpenShell 扫描和验证智能体技能。

  2. Import AI22

    Import AI 473:美国超级智能战略、人脑组织小鼠实验与机器诠释学

    RAND 发布报告提出美国应以“自由行动”战略应对通往超级智能的不确定路径,通过保持选项开放来确保地缘政治优势,并归纳了共存、拒止、加速三大类共七种原型策略及五项关键不确定性。研究人员还培育出脑内含有部分人脑组织的小鼠,用于相关实验。

  3. MIT Technology Review · AI34

    MIT Technology Review 如何绘制首张美国边境“虚拟墙”沿线死亡地图

    MIT Technology Review 与 Times of San Diego 用 15 个月调查,绘制出首张美国边境监控塔附近移民死亡的综合地图与分析。团队梳理 2015 年以来的案例,向得州 17 个县警长办公室申请记录,共获得超 4000 页文件,其中 3 个县用 Anthropic 的 Claude(经 API)提取遗骸发现地坐标并人工核验。

9月19日周六
9月18日周五
  1. GitHub Blog · AI & ML22

    GitHub Podcast 拆解五大 AI 热梗:读代码、RAG 已死、Skills 杀死 MCP?

    GitHub Podcast 最新一期拆解了五个 AI 热门论断:AI 生成代码仍需阅读,但审查力度应按风险分级;Skills 与 MCP 解决不同问题,前者是可读的 Markdown 打包经验,后者提供工具与数据的标准接入;RAG 并未消亡,检索能为模型提供训练数据外的文档、内部知识与代码库上下文,减少 token 浪费并降低答案不完整的概率。

  2. Google AI Blog22

    Google AI & Economy 团队迎来诺贝尔经济学奖得主 Philippe Aghion 等专家

    Google 扩充 AI & Economy 研究项目,邀请 2025 年诺贝尔经济学奖得主 Philippe Aghion 出任学术顾问,Ajay Agrawal 加入访问学者计划。Anu Madgavkar 与 Daniel Rock 出任研究项目总监,前者负责全球 AI 扩散与中小企业生态,后者聚焦企业生产率与劳动力重构。该团队将直接为 ATLAS v1.0 的后续更新和实证研究提供支持。

9月17日周四
  1. SpaceNews22

    Icarus Robotics 在加拿大测试 Joy 机器人,为 2027 年 ISS 演示铺路

    Icarus Robotics 在加拿大完成四次抛物线飞行测试,为其自由飞行机器人 Joy 累计获取 22 分钟微重力操作数据,验证了飞行控制器、传感器套件与操作能力。该公司计划 2027 年在国际空间站进行 Joy 演示,并于明年 1 月将 Joy 移交 NASA 运送至 ISS。测试选在加拿大进行,原因是美国目前没有运营商提供抛物线飞行服务。

  2. GitHub Blog · AI & ML80

    GitHub 用 Copilot 将 Copilot 运行时迁移到 Rust

    GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产级 Rust,AI 智能体编写了大部分代码,分布在 128 个 PR 中增量合入 main。

    推荐理由:GitHub 工程师复盘用 Copilot 把运行时从 TypeScript 迁到 80 万行 Rust 的全过程,含多智能体协作与提示缓存数据。

  3. NVIDIA Developer Blog42

    NVIDIA TensorRT Edge-LLM 在 Jetson AGX Thor 上以 6.4 倍速度完成 MLPerf Edge Agentic Benchmark

    NVIDIA 的 TensorRT Edge-LLM 在 Jetson AGX Thor 上完成 MLPerf Edge Agentic Benchmark,速度提升 6.4 倍。该方案面向从云端数据中心迁移到车辆、机器人等边缘设备的 AI 智能体,针对其多步骤工具调用、结果评估与长对话推理带来的边缘推理新需求,实现快速 token 生成。