搜索“搜索”

作。对于特定缺陷修复等对象与工作已确定的情况，也可以不创建Projects，直接从仓库或文件夹开始会话。 Projects可从侧边栏“Projects”旁的“＋”创建。也可以不使用开始画面的选项，直接在底部输入栏中写下目标或最初的请求来开始。还可以通过输入栏的“＋”传入本地文件夹。文件夹或仓库的指定并非必需，使用GitHub上的仓库时，可通过所有者名或仓库名搜索并添加。 图1 在GitHub Copilot应用中打开新项目的画面。按下侧边栏“Projects”旁的“＋”后会添加“New project”，中央显示开始画面。“Start with one or more repositories”是添加GitHub上的仓库的入口，“Work on parallel tasks”是并行执行与Issue或PR相关工作的入口，“Triage recent issues”是确认、整理近期Issue的入口，“Automate routine work”是定期执行重复工作的入口，“Research and work with docs and messages”是利用文件、聊天、会议信息进行调查的入

匹配字段正文

致反向 shell 和主机详细信息 POST 均无法使用。该公司表示，其调查结果仅涉及已识别的该包，没有证据表明该扩展的其他版本或官方分发版本受到影响。 修复步骤与指标 Cursor 建议任何在暴露窗口期间从其 Marketplace 安装或更新到 Anthropic.claude-code 2.1.313 的人员运行其影响检查，在端点、网络和扩展安装遥测中搜索已公布的指标，隔离显示有载荷执行或后门安装证据的主机，并使用其修复脚本移除未经授权的 SSH 密钥、持久化机制和正在运行的隧道进程，同时评估是否应重建该主机。受影响用户应在可信系统上轮换可从受影响主机访问的凭据和会话。 该公司警告称，卸载该扩展可能并不足够，因为载荷会释放持续运行的独立持久化脚本，并表示有限的环境变量收集并不能排除日后通过后门访问凭据的可能性。 影响检查会查找附加到 SSH authorized keys 文件中的攻击者公钥（标记为 svc-telemetry）：在 macOS 上使用 grep 命令，在 Windows 上使用 PowerShell 检查，覆盖用户的 authorized keys 文件以及 C

匹配字段正文

sual Arts诉Goldsmith案中的裁决为方法基础，主张在开发和运营聊天机器人的各阶段，对复制作品的每一种不同使用都需要各自进行四要素合理使用分析。意见书援引2025年Bartz诉Anthropic案的裁决，认为该案对于评估同一复制品在不同阶段的分开使用具有指导意义，而非将其混为单一分析。 意见书将检索增强生成（RAG）描述为这样一种过程：聊天机器人搜索网络或其他数据库，然后识别、复制、排序相关的内容片段，并将其与用户查询一起粘贴到模型的上下文窗口中。意见书主张，由于此类系统将作品用于其告知读者的原有目的、取用了这些作品中最重要的部分，并与来源争夺人类浏览量，这种使用很可能无法通过四要素检验。 基金会坚持认为，RAG及类似的接地技术不应被视为合理使用，提供此类技术的公司应尊重每个平台或出版方的许可条款。就维基百科而言，即知识共享CC BY-SA 4.0许可，该许可要求署名原作者，并要求改编作品保持在同一许可之下。 意见书的结论请求法院裁定：ChatGPT通用大语言模型的预训练属于合理使用，而OpenAI在ChatGPT检索增强生成功能中对复制品的使用不构成合理使用，必须遵守诸如

匹配字段正文

gnizant表示，工程师会审查每一项重大决策，这得益于其为超过500家客户现代化大型机系统的经验。在客户运营方面，该团队将把OpenAI模型应用于销售、服务和支持，并借鉴Cognizant在自身业务中使用这些模型的经验。 Cognizant报告称，其已在为客户交付成果。在一家全球生物制药公司，Cognizant共同设计了一款由OpenAI驱动的企业助手，将搜索、内容创作、翻译和审批整合于一处。该公司表示，该助手已处理超过500万次对话，并将内容创作时间缩短了60%。 前沿人才管道 该团队的工作预计将依托Cognizant的Frontier人才模式，根据该模式，公司正在培养由前沿模型公司直接认证的Frontier认证工程师和Frontier业务运营人员。在2026年7月9日的公告中，Cognizant承诺将该人才队伍扩大至5000名Frontier认证工程师和10000名Frontier业务运营人员，并表示其首批人员将在2026年第四季度同时完成Frontier评估并具备部署就绪能力。 7月的公告称，该人才队伍在设计上不依赖特定模型和云平台，其团队会将组织的背景信息融入客户所选择的任何

匹配字段正文

潜在合作伙伴关系、研究方向和商业机会做出战略决策。 科学突破创造了新的商业机会，但确定在何处以及如何应用它们仍然是一项重大挑战。相关信息分散在出版物、专利、研究机构、公司数据库和行业新闻中，使企业难以跟踪新兴技术和市场动态。寻找合适的客户或合作伙伴往往需要大量人工调研，从而拖慢了战略决策和商业增长。 Lupa是一个AI平台，将科学和产业信息汇集在一起，使其可搜索、可执行。其AI代理分析相互关联的来源，根据技术契合度识别并排序相关市场、公司、研究人员和潜在合作伙伴。通过提供有可验证来源支撑的可追溯洞察，Lupa帮助企业做出明智决策，并发现传统市场研究可能忽视的机会。 这家初创公司已获得首批30家付费客户。这笔资金将帮助公司在深科技市场扩张，并引入个人用户。 团队由首席执行官Elisabeth Blyumin、首席技术官Timen van Gelderen、首席AI官Gonçalo Hora de Carvalho和首席营收官Peter Kempin组成，汇聚了AI、技术和业务发展方面的专业知识。 “VentureKick让我们感到兴奋，挑战了我们，并推动我们进入公司发展的下一阶段。尤其是

匹配字段正文

会话。例如，它们不会将聊天会话用于训练数据。商业账户获得额外隐私功能，在我看来，这无异于承认个人账户并不私密。 一些公司，如 OpenAI，允许用户选择不让自己的聊天被纳入训练数据。但 OpenAI 的帮助文档称，关闭训练并不会删除聊天记录本身。 其次是分享。一些聊天机器人提供分享功能，这些功能可能有意或无意地将聊天内容公开发布到全世界。一旦这些会话被发布，搜索引擎很可能会将其抓取并使其可被搜索。2025 年，福布斯报道称，在用户点击“分享”后，谷歌的搜索结果中出现了超过 37 万条 Grok 对话，而共享的 ChatGPT 聊天记录也曾出现在搜索结果中，直到 OpenAI 取消了该选项。 第三是聊天会话被吸收进训练数据。 让我们举一个简单的例子：电子邮件地址。人们经常粘贴邮件内容，让聊天机器人撰写回复。这些邮件通常在邮件头、签名或两者中都包含姓名、电子邮件地址和其他信息。 我经常思考的问题是：如果发给某个人的邮件被粘贴到聊天中数百次，陌生人能否向聊天机器人索要那个人的地址，并真的得到它？ 在 2022 年的一项研究中，仅给定一个人姓名的 GPT-Neo 模型找回正确电子邮件地址的比例

匹配字段正文

团领投，英伟达、沙特阿美旗下Prosperity7 Ventures等老股东继续参投，加拿大政府等首次参投。去年9月，该公司估值约为98亿加元（约合人民币466亿元）。若其达到募资目标，Cohere估值将达357亿加元（约合人民币1702亿元），一年内增长至原来的3.6倍。 Cohere成立于2019年，主要为企业和政府提供可私有化部署的大模型、AI智能体及搜索工具。 其三位联合创始人均为多伦多大学校友。其中，联合创始人兼首席执行官Aidan Gomez是Transformer奠基论文Attention Is All You Need的八位作者之一。另一位联合创始人Nick Frosst则曾师从“深度学习教父”、2024年诺贝尔物理学奖得主Geoffrey Hinton。 此前，Cohere已完成多轮大额融资：2023年完成约3.8亿加元C轮融资，2024年完成约7亿加元D轮融资，2025年再融资约8.4亿加元，英伟达、甲骨文、Salesforce Ventures等曾参投。 据Cohere披露，截至今年第三季度末，其ARR同比增长165%。全球客户数量在过去一年增长至原来的20倍，达

匹配字段正文

们无法在此全部容纳。 请相信我，我非常认真地对待如何公正呈现 2026 年，而且这并不容易（例如，我们还没能确定一位 Muse Code 演讲者）。在 X 上查看帖子 ↗ 2026/10/28-2026/10/29 的 AI 新闻。我们检查了 12 个 subreddit、544 个 Twitter 账号，没有更多 Discord。AINews 的网站可让你搜索所有过往期刊。提醒一下，AINews 现在是 Latent Space 的一个栏目。你可以选择加入/退出不同频率的邮件！ AI Twitter 回顾 发布：Mistral 发布了其旗舰模型的更新开放权重，面向智能体编码和网络安全，并可通过 Mistral Forge 进行定制（公告、权重/博客）。 规格：据 Artificial Analysis（AA）称，总参数 1.05T、激活参数 52B，100 万上下文，支持文本+图像输入。Vals 补充称最大输出为 256K（Vals）。 定价与许可：每 100 万输入/输出 token 收费 $0.70/$2.10（缓存 $0.07），比 Preview 低约 50%。MEOW 许可

匹配字段正文

们在投入极大的研发资源，去把模型可能规避安全规则的各种路径逐一排查并修复。 在各类不良倾向中，近期业内讨论较多的是“迎合与谄媚”。在我看来，这种顺着用户偏见说话的倾向，比模型偶尔出现事实性错误要隐蔽得多，也更难根除。 我们在早期曾提出过模型行为准则的核心三要素，也就是要求模型做到诚实、无害、有帮助。诚实指的是知道就据实回答，不知道就坦承自己缺乏信息，或者调用搜索工具去查证；无害指的是严禁输出攻击性或诱导他人自残、违法的危险内容；有帮助指的是高效解答核心疑问，不东拉西扯。 但这三点在工程测试中相对容易被捕捉：模型事实说错了，人类一眼就能核实纠错；模型给出了有害的指令，安全策略拦截起来也相对明确；模型不中用，用户体验会立刻下降。 然而“迎合人类”则微妙得多。模型会有意无意地迎合用户的预设立场。比如你在现实中和朋友吵了一架，跑来向AI倒苦水询问“到底是他有问题还是我有问题”，AI究竟是在客观梳理逻辑，还是在为了让你心情舒畅而无原则地吹捧你“你做得完全正确，错的全在对方”？ 在消除这种过度讨好倾向上，Anthropic之所以有希望把迎合率做到全行业最低，关键在于我们的商业模式选择：部分竞品正在

匹配字段正文

GEO 的本质，是 AI 时代商家的信任入口。当用户习惯直接向 AI 提问 “选哪家”，大模型推荐的底层逻辑，是判断信息是否真实、可信、匹配需求。很多服务商把 GEO 当成新流量玩法，重占位指标、轻真实性；移领本身长期服务实体商户，深谙实体生意长期经营、口碑优先的原则，所有 GEO 内容均基于商家真实资质、门店服务、经营案例构建，坚持事实优先，规避虚假宣传，兼顾长期品牌口碑与 AI 曝光效果。 杭州是国内数字营销、AI 产业高地，GEO 赛道竞争日趋激烈，同质化的内容优化很快会陷入内卷。移领 GEO 的差异化，本质是 “经营视角” 对 “营销视角” 的补充：别的服务商先研究大模型怎么说，移领先研究商家生意怎么做。把多年沉淀的数字化经营能力、商户数据洞察、实体商业认知注入 GEO 服务，让 AI 推荐不止是品牌名字的露出。 AI 搜索浪潮刚刚到来，GEO 行业还在持续进化。对于大量本地实体商家而言，他们需要的从来不是一套花哨的 AI 占位方案，而是能看懂门店生意、适配经营节奏、真正带来意向客户的数字化营销工具。依托线下数字化经营沉淀另辟蹊径的移领 GEO，尝试为这个行业提供一条新的思路。

匹配字段正文

近日，字节跳动商业化GenAI研发负责人文石磊，被曝已于近期完成全部离职手续，下一站是具身智能公司章鱼动力，以合伙人身份加入。 文石磊的技术底色，是在百度十年间打下的。 他本硕均毕业于华中科技大学，2011年通过校园招聘加入百度，从搜索研发工程师起步，逐步成长为百度视觉技术体系的骨干人物。在百度期间，他历任视觉技术部图像与视频技术负责人、百度视频理解技术委员会主席、智慧城市事业部主任架构师，职级达到T9，这是百度技术序列的最高职级之一。 他带领团队拿下20余项国际图像与视频识别赛事冠军，在CVPR、ICCV、ECCV及IEEE TPAMI等顶会顶刊发表论文超过30篇，并两度获得百度最高奖。在视觉AI从实验室走向工业级应用的阶段，文石磊是百度内部少数同时具备前沿研究判断与大规模工程落地经验的技术负责人。 2021年转投字节后，文石磊的职责轨迹与字节AI战略的几度转向高度重合。 他最初担任智能创作XR技术负责人，主导数字人、AR/VR等技术在抖音、PICO、火山引擎等业务中的规模化落地。随着字节将商业化场景的AI能力整合为独立研发单元，文石磊转任该GenAI团队的研发负责人，向商业化业务线

匹配字段正文

管服务提供商合作将恶意服务器下线，通过阻断与该服务器的连接来中断攻击。 您应该做什么 如果您在 2026 年 10 月 29 日太平洋时间凌晨 2:27 至下午 1:35 之间从 Cursor VS Code 扩展市场安装或更新到了 Anthropic.claude-code 2.1.313： 运行以下检查以确认您是否受到影响。 在端点、网络和扩展安装遥测中搜索以下指标。 隔离显示有载荷执行或后门安装证据的主机。 使用以下修复脚本移除未经授权的 SSH 密钥、持久化机制和正在运行的隧道进程，并评估是否需要重建主机。仅卸载扩展可能不够——载荷会释放独立的持久化脚本并持续运行。 从受信任的系统轮换可从受影响主机访问的凭据和会话。有限的环境变量收集并不能排除之后通过后门访问凭据的可能性。 检查您是否受到影响 该恶意扩展会将攻击者的公钥（标记为 svc-telemetry,）追加到您的 SSH 授权密钥中。要检查是否存在： 在 macOS 上，运行： grep -qs svc-telemetry /.ssh/authorized keys && echo "svc-telemetry key

匹配字段正文

Google 发布了 EmbeddingGemma 2 论文。 这是一个用于端侧多模态 AI 的嵌入模型，采用 Apache 2.0 许可。 它在手机上把文本、代码、图像、音频和视频放入同一个可搜索空间。为手机补上了缺失的一环：一种无需把数据发送到服务器，就能理解和搜索你自己内容的方式。 它表明，一个 744M 参数的开源模型可以嵌入文本、图像、音频和视频，并击败许多规模大 2 到 12 倍的模型。 在 Pixel 11 Pro 上，量化后的文本权重占用约 191MB 活跃内存，完整多模态模型占用约 567MB。 上下文窗口扩大 4 倍至 8K tokens，足以在单次输入中容纳约 5.5 分钟音频、29 张图像或 58 帧视频。 他们在 Gemma 4 上构建了 EmbeddingGemma 2，训练它模仿更大的 Gemini Embedding 2，然后用对比训练进行调优。所有媒体类型共享同一个向量空间，完整模型以 4-bit 权重在 Pixel 11 Pro 上仅占 567 MB。 直接嵌入语音优于先转写再检索，在 MSEB 口语查询检索基准上得分为 69.54 对 57.59。

匹配字段正文

预防问题。实验包括：上下文失效模式、拆解一个客服 Agent、动手塑造其上下文。Drew Breunig 第一段客座约 7 分钟。 模块 2｜Agentic Search 以编码 Agent 为例。覆盖词法、语义、混合与结构化检索；写好工具描述、用 tool registry 按需加载工具；用切块、代码解析、元数据改进检索，并用精确率 / 召回率衡量。含搭建搜索系统、工具注册表等实验；Drew 第二段客座约 5 分钟。 模块 3｜Context Management 以研究类 Agent 为例。先看清上下文窗口里有什么，再练 pruning（去重、抽取、截断等 hooks）、compaction（把长历史压成结构化摘要）、scratchpads（把全文与任务状态挪到窗口外）。对比「开 / 关」各操作前后的跑次差异，并做上下文管理评估。Drew 第三段客座约 4 分钟。 模块 4｜Agentic Memory 以邮件 Agent 为例。区分事实、规则、产物等可跨会话的记忆记录；决定每条新信息是新增、更新还是跳过；评估记忆是否真的让用户少重复交代。读写记忆各有实验；Drew 第四段客座较长

匹配字段正文

项） · 任意 Agent 可用的 Shop skill / shop.md（工具在 https://t.co/4imrNdCD7i）。 · Shop Pay 进入 Claude Duet、Grok Bot、Instinct、Muse 等；宣称可在 Shopify 内外品牌结账，卡组织含 Mastercard、Visa，Amex「即将」。 · Google 搜索（含 AI Mode）与 Gemini App 内可卖，结账由 Shopify 驱动，订单回 Admin。 · 在 Agent 里预览建店、用数字文件生成商品、用 Shopify Collective 进货；连 Grok / Muse / Copilot 管店；ChatGPT 侧边栏钉 Shopify 看销售与商品。 · 可审核将给各 AI 渠道公开的店铺事实（政策、FAQ 等）。 Sidekick 与建站（约 12 + Online 等） 更会做复杂工作流、一次上多处改动、能算、能写代码、能上网搜；结合 SimGym 先测再让你决定是否应用；浮动对话铺开到改版 Admin；可用 Markdown 教它主题结构与设计偏好。Can

匹配字段正文

思。他提高了周围每个人的强度标准，人们纷纷涌向他。通过面对面交流，我们早在 Profound 的“想法”存在之前就能识别出他的吸引力。 甚至在产品完全建成之前，他就已经接触到世界最大品牌的 CMO，并在仍在迭代不同想法时赢得了他们的支持。客户、投资者和早期员工都找到了围绕他和 Dylan Babbs 的理由。 2024年我们首次投资时，很少有营销人员思考AI搜索将如何改变发现方式。过去两年里，James将客户吸引到Profound，使其成为营销的综合平台。 芯片、机器人、能源 Density | 2024 | 深度 Ganesh Venkat、Bill Chang和他们的联合创始人打造了特斯拉的Dojo项目，这是世界上最雄心勃勃的AI训练系统之一。Bill加入SPC，作为我们驻留项目的成员探索AI硬件的未来，当时他还不知道Density会变成什么样子。 依托他们从硅片到互连再到电力的深厚积累，Ganesh和团队做出了一系列艰难且非显而易见的硬件押注，这是大多数团队做不到的。随着对算力的需求远远超过GPU所能提供的水平，我们相信计算领域的下一个重大进展将来自下一代架构。 Gradient

匹配字段正文

系统的理解不断加深，他们会更新问题陈述。 从这个意义上说，工程学不仅是一套技术知识体系，也是一种关于项目的严谨思维方式。 人类判断很重要 即使假设薄弱，AI也能给出令人信服的答案。它可以生成在一个测试中有效、在另一个测试中失败的代码。它可以总结研究，却不理解哪些证据最强，或者为错误的目标优化设计。这些局限使人类专业知识更加重要，而非更不重要。 在速度、规模、搜索、模式识别和数据生成重要的地方，机器很有用。在背景、价值观、责任和判断重要的地方，人不可或缺。挑战在于决定各自应处于什么位置。 例如，一个AI系统可能为医疗传感器生成多种设计，并预测每种设计的表现。工程师可以检验这些预测，并否决违反技术要求的方案。临床医生可以判断该传感器能否在实际中应用。患者和从业者可能揭示工程师和开发者都未曾考虑的问题。最终解决方案来自综合各方视角。 工程师仍然是建设者和专家，但也日益成为知识的协调者。 工程师的价值不在于无所不知。而在于知道如何界定问题、如何提出正确的问题、如何检验答案，以及何时应由另一位专家来主导项目。 IEEE的关键作用 更广泛的工程形态为IEEE赋予了重要角色。其协会已经汇聚了各种技术

匹配字段正文

CP合同。公司预计，超过55%的积压订单将在未来24个月确认为收入。 这一数字意味着，谷歌云已经积累了规模庞大的未来合同需求，但积压订单并不等同于已实现收入，实际确认节奏仍取决于合同执行、客户使用情况和交付能力。 由于供给紧张，公司已在第三季度末开始使用第三方计算资源，并预计第四季度扩大使用规模。这些额外资源短期内可能对云业务利润率形成压力。 第三季度，谷歌搜索及其他业务营收为633.50亿美元（约合人民币4222.97亿元），同比增长12%。皮查伊称，搜索查询量同比增长率达到过去5年来的最高水平，AI投资正在推动整体查询量增长，包括商业相关查询。 在产品层面，谷歌正在整合AI Overviews、AI Mode和传统搜索体验。皮查伊称，AI Mode中的查询平均长度约为传统搜索的3倍，全球约1/5的AI Mode查询使用语音、图片或文档等多模态输入；谷歌每月视觉搜索量已经超过500亿次。 这些变化意味着，用户正在通过更长、更复杂的提问完成信息检索和决策。但对于依赖广告收入的搜索业务而言，查询方式变化也带来了新的变现问题。 在财报会上，谷歌首席商务官菲利普·辛德勒（Philipp Sc

匹配字段正文

在第三季度使用更多外部产能，同时公司正在建设自己的基础设施。 Google第二季度云收入为250亿美元，落后于亚马逊云科技的420亿美元和微软Azure的290亿美元。 但Google增长最快。 “几乎可以说，蛋糕越大，他们加速切入的速度就越快，”巴拉德说。截至6月30日，他的公司持有约2.36亿美元的Alphabet股票。立即观看视频1:1401:14随着搜索业务放缓，华尔街预计Google Cloud增长将超过90%Closing Bell ‘优化整个技术栈’ 虽然库里安旨在通过转向外部合作伙伴将更多TPU推向市场，但他必须在建立客户群带来的好处与公司自身的技术需求之间取得平衡。 在9月的高盛会议上，库里安表示，Google的AI服务器不到两年就能收回成本，而运行自家芯片的服务器回本时间大约只有前者的一半。 “这是因为我们能够优化整个技术栈，”库里安说。 行业研究公司SemiAnalysis估计，Google最新的Ironwood TPU的拥有和运营成本比英伟达GB200服务器低约44%。 对外销售TPU还会带来利润率下降。TD Cowen估计TPU销售的营业利润率约为20%，而上

匹配字段正文

缀的分支；或 迁移（美国镜像可 Detach，也可用 entire-migrate 插件，或本地 fetch 再 push）。 Continuous Memory：把理解也写进仓库 Entire 团队把 CI / CD 对代码的汇合与发布，类比到「理解」也要持续往前传：仓库应成为 Agent 真正需要的记忆。CLI 里两个开源、本地优先的插件配合工作： · entire-graph：用 tree-sitter 在本地解析，给出仓库的预计算地图（排序搜索、定义、调用方、类型、路由、改动影响，并带 文件:行号），文中称测试里可省最多约 71% token；不联网、不调模型、不查 API Key。 · entire-brain：在 graph 之上索引过去的 Agent 会话（经 Entire CLI 记进 Git 历史），把「为什么这么改」绑到「改了什么」上。也可接到 Entire 后端，让团队记忆共享；每条 Trail 会展示 Agent 留下的记忆，方便评审看见当时决策。举例：修计费舍入 bug 时，graph 追调用链和测试，brain 则提供当初意图、已上线修复及上次改动踩过的坑。

匹配字段正文