跳到正文
10月29日周四
  2. Ars Technica：AI44

    Google AI Mode 被问 2020 年美国大选获胜者时给出回避性回答

    Google AI Mode 被直接问及 2020 年美国总统大选获胜者时，未直接作答，而是让用户去查阅美国联邦选举委员会（FEC）的官方报告；询问 2024 年大选时也得到类似的间接回答，2012 年大选则仅给出 The American Presidency Project 的链接。相比之下，对 2000 年以来其他历届大选获胜者，AI Mode 都能给出详细且正确的回答。

  9. Cartesia 产品与研究60

    Cartesia 发布 H-Net 扩缩律研究：字节级层级网络比 BPE 提升最高 3-5x 计算效率

    Cartesia 发布系列博客第一篇，报告其层级网络（H-Net）在字节级语言建模上的扩缩律结果：与严格匹配的 BPE Transformer 相比，1-stage H-Net 在验证损失上节省 1.28x 计算，下游评测约 2x，代码任务中位数 2.04x、分布外编程语言中位数达 3.10x（如 Prolog 5.37x）。

    推荐理由：Cartesia 原创研究给出 H-Net 替代 BPE 分词的对照实验与 3-5x 计算效率数据，可了解字节级学习的实际进展。

  10. Ed Zitron 长文 / Where’s Your Ed At80

    Ed Zitron 长文解析 Anthropic S-1：称其把散户当作退出流动性

    Ed Zitron 撰文批评 Anthropic 的 S-1 招股书，指其仅披露 Q2 盈利数据、省略 Q3 现金状况和付款明细，是在公司基本面变化前误导投资者。

    推荐理由：作者基于 Anthropic S-1 逐项拆解其逾 4300 亿美元不可撤销算力承诺与收入结构风险，可用于对照招股书原文核实。

  12. Rohan Paul64

    作者引用 GitHub 数据称智能体经济正在形成：2026 年 9 月 GitHub 记录 73.8 亿次 commit，是一年前的 5 倍多。

    引用Satya Nadella@satyanadella

    We're redefining the SDLC for the agentic era. Lots of GitHub updates this morning at Universe: • GitHub Copilot Fusion delivers frontier-level quality, 40% faster and at up to 77% lower cost • Our unified Copilot harness is now in Foundry, a managed service for building long-running agents that reason, use tools, and get work done • Copilot Projects gives you an orchestration loop to build with multiple agents across repos And we’re expanding capacity and strengthening GitHub’s architecture to make the home of agentic development more resilient.

  17. Boris Cherny67

    Boris Cherny 介绍犹他州向 10 个州政府部门的 34 名开发者提供了 Claude Code。试点显示 80% 的开发者在 30 分钟内搭好可用环境，71% 的开发者在为期四周的试点结束前报告节省了 20 小时以上时间。该推文引用了 Anthropic 与 GSA 合作将 Claude 以 40% 折扣提供给联邦及各级政府的公告作为背景。

    引用Anthropic@AnthropicAI

    我们正在扩大与 @USGSA 的合作。根据一项新的 OneGov 协议，我们将以 40% 的折扣向联邦、州、地方、部落和领地政府提供 Claude。 https://www.anthropic.com/news/expanding-partnership-gsa

    推荐理由：作者提供了犹他州为期四周试点的一手数据，读者可据此评估 Claude Code 在政府开发者中的上手速度与实际节省时间。

  20. Karina62

    Karina Nguyen 团队推出 BallotBench 实时基准，9 个前沿 AI Agent 从发布当天至 11 月 3 日选举日竞猜 2026 美国中期选举结果。

    引用Thoughtful@thoughtfullab

    Can AI forecast elections better than experts and prediction markets? We built BallotBench to find out: a live benchmark where 9 frontier AI agents compete to predict the 2026 US midterms, from today through Election Day, Nov 3. Follow along → http://ballotbench.com Watch the agents do their research, revise their predictions, and make their calls all in live feeds.

  21. Josh Woodward71

    Google 发布 Gemini 4 Carbon，距 Gemini 4 Argon 发布仅两周。Carbon 在 Artificial Analysis Index v5.0 以 59 分排名第一，网络安全评测 SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%，长程任务较 Argon 明显提升并加强了前沿安全防护。模型将先向部分可信网络防御者开放，通过 Fairwind Program 扩展到更多合作伙伴，随后更广泛可用。

    引用Sundar Pichai@sundarpichai

    我确实说过我们会定期发布我们的模型……隆重推出 Gemini 4 Carbon，我们的下一代前沿模型。 继两周前 Argon 发布之后，Carbon 展现了我们推进前沿的速度，它在最近更新的 @ArtificialAnlys 智能指数 v5.0 中排名第一，得分为 59。它还在关键网络安全评估中领先，在用于发现漏洞的 SEC-bench Pro 上得分 88.2%，在用于漏洞利用的 ExploitGym 上得分 54.8%，在用于修补的 CWE-bench 上得分 71.0%。 即使与 Argon 相比，我们也在长周期任务上看到了显著改进，并且我们加强了前沿安全保障。 正如我们对 Argon 所做的那样，我们将逐步且负责任地推出它。一些受信任的网络防御者将从本周开始获得访问权限。我们将通过我们的 Fairwind Program 将其扩展到更多合作伙伴，随后很快会更广泛地提供，所以请耐心等待！

    同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Carbon 前沿模型》

  27. Google DeepMind：Blog68

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型

    Google DeepMind 发布 Gemini 4 Carbon，定位为最强前沿模型，主打网络安全与长程智能体能力，在 SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0% 取得领先，并以 59 分登顶 Artificial Analysis Intelligence Index v5.0。

    推荐理由：官方公布 Gemini 4 Carbon 的安全编码与长程任务成绩和定价，可据此外推其在网络安全防御场景的实际定位。

  29. Microsoft：Official Blog64

    Microsoft 通过 Foundry 开放 Copilot harness，支持多模型 Agent 开发

    Microsoft 宣布将 GitHub 团队打造的 Copilot harness 通过 Microsoft Foundry 向开发者和企业开放，该 harness 已驱动 Copilot Code、Copilot Studio、GitHub Copilot app 和 CLI 等产品。

    推荐理由：微软官方说明 Copilot harness 的能力和开放方式，开发者可据此评估是否用它托管多模型 Agent 运行时。

  30. The Decoder：AI News42

    Anthropic 为 Claude for Legal 新增自动核验来源的 artifacts

    Anthropic 为 Claude for Legal 推出可自动核验引用来源的 artifacts，模型先完成初步核查并把每条陈述链接到原始出处，再由律师复核。该功能还支持跨国法律比较、案件文件管理、立法追踪和按内部规范检查合同，法律目录内超过 60 个集成（含 Bloomberg Law）可直连用户自有数据库。