Greptile 如何用 GPT-6 Astra 将 bug 检测扩展到代码审查之外
Greptile 使用 GPT-6 Astra 将 bug 检测从代码审查扩展到测试用户工作流。文中还介绍了 Daybreak 借助 GPT-6 Astra 加强安全防护,以及用 Codex 减少返工。
Greptile 使用 GPT-6 Astra 将 bug 检测从代码审查扩展到测试用户工作流。文中还介绍了 Daybreak 借助 GPT-6 Astra 加强安全防护,以及用 Codex 减少返工。
OpenAI 公布模型在 Kakeya 猜想、指数时间假说和量子色动力学上的研究结果,并说明研究者如何验证这些结果并在此基础上继续研究。
CodeRabbit 使用 GPT-6.1 Sol 来调查复杂代码库中的安全风险。其安全智能体帮助开发者审查发现的问题及提出的修复方案。
OpenAI 发布 GPT-6.1 Terra,主打快速且能力强大的计算机操作能力,目标是让所有人都能使用。该模型定位于兼顾速度与能力,将计算机操作能力推向更广泛的用户群体。
OpenAI 展示工程师使用 Codex Ultrafast 调查事故的方法,将原本需要数小时的事件调查缩短到几分钟。文中还介绍了它在更快的安全分析、代码重构和日常工作流中的应用。
OpenAI 发布 Signals 数据,展示人们如何将 ChatGPT 用于工作以及使用方式随时间的变化。数据覆盖 165 项工作活动、涉及近 100 个国家。
AWS Machine Learning Blog 演示如何用 Amazon SageMaker Python SDK v3 在边缘管理全队(fleet-wide)计算机视觉模型生命周期,每台摄像头各训练一个异常检测器和一个 ResNet18 缺陷分类器。
AWS 博客演示如何用 AWS CDK 在 Amazon Bedrock Managed Knowledge Base 上构建企业级智能体检索。相比传统单轮 RAG,系统由推理智能体决定是否检索、经 Gateway 以 MCP 工具形式调用知识库并多轮规划,AgenticRetrieveStream API 返回带引用的答案。
AWS 在 Amazon Bedrock 上讲解如何用提示词缓存优化 OpenAI 模型(如 gpt-6-astra)的 AI Agent 调用。Agent 每一轮都要重发工具定义、指令和历史,缓存可存储 prefill 阶段的 KV 状态并复用。
Fanatics 使用 OpenAI 的 Shop the Look 功能帮助球迷搭配比赛日穿搭。在约 30,000 件 MLB 商品上的测试显示,用户参与度提升了 10%。
Google Research 在 IDWeek 2026 分享其 AI 结核病筛查研究走向实际应用的历程。
推荐理由:Google 官方复盘了从胸片 AI 算法到 CE 认证工具、再到开源 MedGemma 的完整落地路径,可了解医疗 AI 走出实验室的关键环节。
AWS Machine Learning Blog 发布在 Amazon SageMaker AI 上做多轮强化学习(MTRL)的实操指南,以 Wordle 为教学示例,训练信号只来自整局结果评分,agent 托管在 Amazon Bedrock AgentCore,用 GRPO 更新 LoRA 适配器。
OpenAI 介绍如何扩展 Habitat 存储系统,为超过 10 亿 ChatGPT 用户实现在线存储扩容。方案包括可靠的多租户支持、全球缓存以及 Azure Cosmos DB,最终将读取速度提升 12 倍。
AWS 博客讲解如何用可复用的 CDK construct 配合 CloudFormation 自定义资源,解决 SageMaker AI 实时终端节点更新时自动扩缩容导致部署失败的问题。
Bayer Crop Science 在其 Connected Decision Engine(CDE)之上构建了 Agentic Decision Engine(ADE),一个多智能体自然语言界面,运行在 Amazon Bedrock AgentCore 上。
Hugging Face 与宾夕法尼亚大学合作开发 LitPivot,帮助研究者在早期构思中结合文献调整研究方向。系统通过 Asta Paper Finder 检索论文,将研究想法拆分为问题、贡献与评估三个 facet,围绕正在编辑的部分组织文献并给出带引文支撑的修改建议。在 17 名研究者的实验中,领域专家认为用 LitPivot 产生的想法比基线工具更扎根文献,系统将亮相 UIST 2026。
OpenAI 介绍了针对前沿模型训练与评估环境的隔离加固措施,包括离线环境和高算力红队测试(red-teaming)。这些举措旨在强化对前沿模型训练基础设施的安全防护。
NVIDIA 创始人兼 CEO 黄仁勋于 10 月 23 日访问阿斯塔纳,与哈萨克斯坦总统托卡耶夫会面并在 Alem.AI 与 AI 部长 Madiyev 对谈。
Hugging Face 推出 torch-neuronx model support Space,可查询 Hub 热门模型能否不经修改在 AWS Trainium2 实例上运行,并提供对应的 run.py 运行脚本。
OpenAI 与波兰 NASK 达成合作,围绕 AI 安全、安保与技术开展研究,以加强防护措施并支持更具韧性的数字生态系统。
微软与 Hugging Face 发布 ThinkingBox-Training 博客并开源代码,把对数据库终态的可执行检查用作 RL 奖励,在 ThinkingBox-Bench 之外的任务上训练 Qwen3.8-27B。
推荐理由:微软与 Hugging Face 联合复盘如何把数据库终态检查变成 RL 奖励,并公开完整训练栈,适合做有状态 Agent 后训练的参考。
OpenAI 发布 Decisions API,定位为“快速、聚焦、低成本”的决策接口,面向各类应用。该 API 旨在让应用获得更快的响应能力。
AWS 对 Amazon Polly Generative engine 进行升级,提供更自然、更准确的语音输出,且为就地升级,语音名称和 API 调用均不变。
西班牙宠物护理公司 IskayPet 基于 Amazon Bedrock Managed Knowledge Bases 构建了覆盖 330 多家门店、3 国 4 种语言的企业知识助手,无需自行维护 RAG 基础设施。
AWS 宣布 SageMaker AI serverless 模型自定义新增训练会话(training sessions)正式可用,用户可自行编写训练循环、自定义损失函数和奖励信号,GPU 分配、分布式执行、故障恢复和检查点存储由平台托管。
Amazon SageMaker AI 推出 serverless training session APIs,把抽象边界下沉到算力层:开发者用 Python 编写训练循环,调用 forward_backward()、optim_step()、sample() 等操作,即可执行 SFT、偏好优化或 RL。
Microsoft Research 推出基于 Flint 的交互式数据可视化语言 Flint-interactive,让用户和 Agent 能通过高级语义事件和更新算子定义图表交互,支持点击、筛选、缩放、高亮和跨图表联动。
NVIDIA 发布 AIOps 平台 Minerva,汇集 GPU、网络、存储与工作负载的遥测数据,帮助团队更早发现问题并提升 AI 工厂产量。平台通过动态知识图谱映射基础设施与运行任务,每小时分析数十亿数据点,检测异常、预测故障并把事件风暴聚合为单一可执行事件,还提供原生 AI 助手与自然语言运维界面。
Google DeepMind 和 Google Research 联合 WRI、IIASA 发布 Forest Typology(ForTy)2020 全球地图,将地球每块 10×10 米土地按 FAO 定义分为原始森林、自然再生森林、人工林、种植园、经济作物与其他土地六类,并开放 2017 至 2025 年逐年时间序列。
IBM Research 在 Hugging Face 发布 Granite Timeseries Ensemble R1,将四个预训练 Granite 时间序列模型组合为免重训练的集成配方,输出中位数和分位数预测。
OpenAI 介绍了其 Forward Deployed Engineering(FDE,前置部署工程)的定位与工作方式。FDE 团队直接与客户协作,将 OpenAI 的模型能力落地到实际业务场景中。
在 GTC Berlin 上,欧洲银行与支付公司展示基于 NVIDIA 加速计算和开放权重模型的生产级 AI 应用。
NVIDIA 扩展 Cosmos 平台,推出 Cosmos Data Factory 的五个云原生蓝图、Cosmos Framework 智能体技能和 Cosmos 3 Nano 仿真模型变体,覆盖数据生成、训练优化与部署。
NVIDIA 介绍各公司如何基于 NVIDIA DSX AI Factory 平台把电网、变电站和 AI 工厂作为一体系统规划、仿真与运行,应对当前基础设施最大瓶颈,即超过 3000 亿美元设备积压、美国并网队列中超过 200 吉瓦项目待接。
NVIDIA 展示欧洲零售企业借助开源模型和物理智能的落地成果:Shopify 后训练 NVIDIA Nemotron 3.5 Lightning,内部基准上准确率超越领先前沿模型,推理成本降低 90%、响应快 7x;借助 vLLM 优化在另外五个用例中实现 4.5x 提速和最高 12x 成本下降。
NVIDIA 展示欧洲多家机构基于 Earth-2 开放 AI 模型开展实际天气与气候预测应用。新发布的 StormScope EU 短期预报模型利用 EUMETSAT 卫星观测,在 16 个 Meteosat 通道上以 10 分钟间隔预测云况变化,并在 GTC Berlin 与 Earthmover 合作展示实时交互演示。
Uber 正在向超过 30000 名员工推广 ChatGPT Work,帮助团队进行研究、数据分析、制作演示文稿和完成复杂工作流程。此次部署由 Uber 与 OpenAI 合作完成,是 ChatGPT Work 在大型企业中的全员级落地。
OpenAI 介绍其与分发合作伙伴合作的方式,通过一致的安全防护措施支持负责任的模型访问,并在使用政策(Usage Policies)中明确各方预期。文章说明 OpenAI 如何借助统一标准保障合作伙伴渠道下的模型安全使用。
NVIDIA 发布预训练关系型基础模型 Kumo Relational,可直接在企业数据库上通过预测查询做流失、需求、欺诈等预测,无需任务训练和特征工程。该模型在 15 个数据库的 41 项任务上超过监督式关系深度学习和梯度提升树管线,在 SAP SALT 基准上 MRR 超 AutoGluon 集成 8%,微调后领先 16%,可扩展到 500B+ 行的数据库。
推荐理由:官方发布了面向关系型数据库的预训练基础模型并附代码和权重,读者可以了解其免训练预测架构和基准表现。
Dharma AI 介绍其 VocabX 方法,按每个 token 的成本而非出现频率为领域专用小模型重建词表,并同时在子词层和多词宏 token 两层做压缩。