←搜索结果

搜索“GitHub”

按匹配度 · 共 1629 条结果 清除搜索

星期六

  1. SiliconANGLE

    智能体 AI 时代正迫使安全与韧性融合为单一学科

    Veeam 在 VeeamON Global Launch 上发布 Veeam Intelligent ResOps（iResOps），首个正式可用工作负载为 Microsoft 365，无需数据迁移。其 DataAI Command Graph 可发现 Copilot 等智能体、标记敏感数据与 ROT，并支持逐文件撤销智能体改动。Veeam 报告显示 88% 组织正在使用或试点 AI 智能体，但仅 7% 真正具备 AI 就绪能力，逾 82% 环境中存在未知智能体。

    ghts,” but it’s also true that silos of data lead to fragmented insights, which causes inconsistent insights. IResOps for Veeam Data Platform and Okta are in private preview, with GitHub, Azure DevOps and Google IAM previews planned for the fourth quarter. Okta is a smart early target because, as Veeam notes, it lacks native point-in-time restore. Developer tools are too. As Jalil put it, “One force push can rewrite main’s history.” What customers are finding Veeam said preview customers found t

    匹配字段正文

    #hot-signal#行业动态#Agent#安全/对齐
  2. NVIDIA Developer · Generative AI

    NVIDIA 发布 RTX Spark，单机完成编码、测试与部署

    NVIDIA 发布 RTX Spark，将 GB10 系统级芯片与最高 128GB 统一内存结合，让开发者在单台 PC 上运行本地编码智能体、测试并部署。官方称相比 Intel Panther Lake 12Xe，其编码智能体性能提升 4.6 倍、微调提升 2.7 倍、代码编译提升 1.8 倍。同时推出面向本地智能体的 Nemotron 3.5 Bolt 74B-A9B 24GB 模型，采用 2-bit 量化的 MoE 架构，可在 llama.cpp、vLLM、Ollama、Unsloth 和 LM Studio 上运行。

    Bar chart comparing RTX Spark N1X with Intel Core Ultra X9 388H, normalized to 1x. RTX Spark reaches 4.6x performance for coding agents, 2.7x for fine-tuning, and 1.8x for code compilation. The graphic also lists 1 petaflop of NVFP4 compute and up to 128GB of unified memory.

    rks, and CUDA-X libraries Local coding agents come to RTX Spark RTX Spark devices are ideal for local coding agents. NVIDIA has collaborated closely with the top agents, including GitHub Copilot, Pi, Hermes, and OpenClaw, to improve them and make them easier to use. The improvements include: Seamless deployment of local models with optimized recipes Enhanced security with NVIDIA OpenShell and/or Microsoft Execution Containers, delivering OS-level sandboxing Hybrid prompt routers between local an

    匹配字段正文

    #lab#产品更新#端侧#部署/工程
  3. PyTorch Blog

    PyTorch 为 TorchTitan 引入 Zephon 弹性确定性数据加载

    PyTorch 博客介绍 Zephon，为 TorchTitan 带来弹性确定性数据加载：在 16 GPU 上训练 1B 参数模型至 step 150 后，改用 8、32、64 GPU 恢复训练，Zephon 的 loss 曲线完全重合，每个 global batch 的 SHA-256 与基线一致。标准数据加载器下，同一 1B 模型在 8 至 64 GPU 上训练 20B tokens，DCLM Core v1 分数波动达 0.82 分、FineWeb 达 0.64 分，而 Zephon 仅 0.05 和 0.011 分。Zephon 在训练任务内即时完成 tokenize、pack、shuffle 和混合，无需预处理语料副本。

    GPU 数量下将完全一致，损失也会非常接近，但可能并不完全相同，因为训练循环中的浮点归约顺序仍然取决于有多少块 GPU 分担工作。 展望未来 我们尤其感到兴奋的有几个方向。第一个是无 GIL 的 Python：Zephon 允许用户选择一个 运行器，即如何并行化算子。我们实现的一个运行器是基于线程的运行器。在 Python 3.14t 上，它获取视觉语言样本的速度比 Zephon 的进程运行器在标准 Python 上快约 3.7 倍。我们认为数据加载的发展方向就在于此，而 Zephon 已经为此做好了准备。第二个是动态课程：由于课程与处理流水线保持分离，一个 WorkSource 可以在运行过程中更改混合权重，而无需改动任何下游环节。我们正在开发一个可配置的课程组件，它正是做这件事的，同时保持我们上文所述的确定性保证。 除此之外，我们很想听听你希望把数据流水线的哪些部分迁移到训练任务中，以及我们能如何提供帮助；非常欢迎提交 issue 和 PR！ 了解更多： 发布文章 · 论文 · Zephon · GitHub 上的 Zephon · TorchTitan 集成 /row /row

    匹配字段正文

    #engineering#开源/仓库#数据/训练#部署/工程

星期五

  1. SiliconANGLE

    Band 推出开发者桌面应用，统一管理多个 AI 编程智能体

    Band（Thenovi AI Ltd.）发布 Band for Developers 桌面应用，让开发者以鸟瞰视图同时管理多个 AI 编程智能体，查看项目、归属、阻塞、提问与进度，并可在需要时跳转到单个智能体介入，无需手动传递会话上下文。该应用与现有命令行界面互补，并集成开发者已使用的开发环境中的 AI 智能体。JetBrains 2026 开发者生态调查显示，90% 的专业开发者每周至少使用一个 AI 编程智能体，68% 每天使用。

    agents are working together on projects, individual agents often remain isolated from one another and are only aware of each other from the codebase – or via repositories such as GitHub and tickets posted to trackers such as Jira. This often means developers must pass session context between agents and coordinate handoffs so agents don’t collide or overlap. “Developers are going from working with one coding agent to leading teams of them, but the tools around those agents haven’t evolved to sup

    匹配字段正文

    #hot-signal#产品更新#Agent#部署/工程
  2. Databricks Blog

    Databricks 用领域知识注入提升 LLM 对 npm 二进制恶意包的检测能力

    Databricks 自 2025 年 11 月起收集 npm 恶意样本，在扫描并核实的 11,413 个 package-version 中，96.2% 将载荷藏在源码或外部服务器，仅 3.8%（432 个）捆绑二进制，但这类包无法得出明确恶意结论的比例是纯源码包的两倍以上（14.4% vs 6.2%）。团队评估了 9 个模型（含 Claude Haiku 4.5、Gemini 3.5 Flash、GPT-5.4-nano、Qwen3-Next 80B 等），并在推理阶段注入预计算的静态证据作为能力画像，以提升预算级与前沿模型的检测质量。

    image1.png

    组织”。2026 年。https://aws.amazon.com/blogs/security/amazon-identifies-north-korean-hacker-group-behind-open-source-supply-chain-attacks/ [5] OpenSourceMalware。“PolinRider：朝鲜威胁行为者在数百个 GitHub 仓库中植入恶意软件”。2026 年。https://github.com/OpenSourceMalware/PolinRider [6] Zscaler。“追踪 Shai-Hulud：深入解析 ChainDrop NPM 蠕虫”。2026 年。https://www.zscaler.com/blogs/security-research/tracking-shai-hulud-inside-chaindrop-npm-worm [7] CISA。“影响 npm 生态系统的广泛供应链入侵”。2025 年。https://www.cisa.gov/news-events/alerts/2025/09/23/widespr

    匹配字段正文

    #company#安全/对齐#Agent#数据/训练
  3. AWS Machine Learning精选

    Reflection AI 开源智能体编码模型 Beam，并在 AWS 上提供部署方案

    Reflection AI 推出开源权重模型 Beam，面向智能体编码和长周期任务，如维护代码、调用工具、解读结果并完成多步工作流。Beam 是稀疏 MoE 模型，总参数 5010 亿、激活参数 230 亿，Reflection 称有效上下文长度为 100 万 token，权重以 Apache 2.0 许可在 Hugging Face 发布，提供 BF16、FP8 和 NVFP4 三种 checkpoint。发布时 Beam 已在 Amazon SageMaker JumpStart 上线，覆盖美国东部（弗吉尼亚北部）和（俄亥俄）区域，也可通过 SageMaker HyperPod Inference 搭配 JumpStart、SGLang 或 vLLM 部署。

    Architecture diagram showing Beam sourced from SageMaker JumpStart, Hugging Face Hub, or an optional Amazon S3 mirror into Amazon SageMaker HyperPod Inference, with the Inference Operator managing local model and image caching and the Inference Gateway and Endpoint Picker routing requests to distributed JumpStart, SGLang, or vLLM workers monitored by Amazon CloudWatch.

    spect the reflection-beam-jumpstart.yaml manifest template before configuring the deployment. Clone the sample repository, and enter the HyperPod Beam directory. git clone https://github.com/aws-samples/sagemaker-genai-hosting-examples.git cd sagemaker-genai-hosting-examples/SageMakerHyperpod/reflection-beam/ Create the local configuration files described in the README. cp config/deployment.env.example config/deployment.env cp config/release.env.example config/release.env Validate the JumpStart

    匹配字段正文

    #lab#模型发布#开源生态#Agent
  4. Unite.AI精选

    Reflection 以 Apache 2.0 开源 501B 参数 MoE 模型 Beam

    Reflection 于 10 月 16 日在 Hugging Face 以 Apache 2.0 许可发布其首个开放权重模型 Beam，Baseten 同日通过 Model APIs 和 Dedicated Inference 提供 day-0 支持。Beam 为 501B 总参数、每 token 激活 23B 的 MoE 自回归 Transformer，上下文窗口最高 100 万 token，预训练使用 23.8 万亿 token，并以 BF16、FP8、NVFP4 精度发布权重。Reflection 给出的评测结果为 GPQA Diamond 90.5%、SWE-bench Verified 80.9%、AIME 2026 97.8%、Terminal-Bench 2.1 80.1%、MCP Atlas 78.7%，同时开源了终端智能体工具 Mirror CLI。

    Python extensions. Reflection said it initially built Mirror for internal engineering use, with isolated workspaces, background sessions, and integrations into Slack, Linear, and GitHub, before evolving it into a tool it could open source. Beam has been tested with Pi from Earendil, OpenCode from Anomaly, and Hermes from Nous Research across coding and knowledge-work tasks, including reading repositories, editing files, and running commands. For customization, Reflection partnered with NVIDIA o

    匹配字段正文

    #hot-signal#模型发布#开源生态#Agent
  5. 36氪 · AI

    这波个人Agent集体转向，说明行业的底座换了？

    腾讯研究院梳理今年Agent产品从Claude Code、OpenClaw、Hermes到Grok Bot、Meta Muse、OpenAI dots的演进，认为这一波转向的核心不是服务个人，而是把主动、权限、记忆三件事做成常驻在线的底座。文章以Grok Bot的架构为例，说明按事件唤醒、持久化工作流、独立虚拟机、模型审命令和分层记忆如何把人从逐步审批中解放出来，并指出个人Agent与工作Agent只是上下文特化不同，未来可能合流。作者最后提醒，人退到签字栏后，既不再自己判断，也越来越难替Agent兜底。

    它常驻在你的电脑上，在 WhatsApp、Telegram 里跟你聊天，靠 Heartbeat 定时醒来看看有没有事，用 USER.md 和 MEMORY.md 记住你是谁。 但养它是真累。部署要自己来，技能要自己装，记忆它只在上下文快撑爆时才顺手存一下档。 后来社区热度往下走，说白了就是维护太费劲。 再往右一格是 Hermes。2 月底首发，连续几周霸榜 GitHub Trending。拿功能清单一项项对，它和 OpenClaw 几乎没有区别，但这些功能有谁去控制变得不太一样了。 每当一次任务调了 5 次以上工具或者被用户纠正过，Hermes 就会默默把这套流程存成技能。每聊 15 轮左右，系统会硬塞给 Agent 一条反思指令，让它回头看看有什么值得记。 这条“替你做决定”的路线很快成了共识。4 月，OpenClaw 连着补了两课，先上了离线整理记忆的 Dreaming，又上了回复前专门调取记忆的 Active Memory。 但 Hermes 并没有消灭这些决策，它只是把决策写成了死规则。比如 5 次工具调用、15 轮对话、85% 的压缩阈值、危险命令的黑名单，全是开发团队提前替

    匹配字段正文

    #hot-signal#现象/趋势#Agent#OpenAI
  6. Claude Blog

    Anthropic 日本 BDR 如何用一队 Claude 智能体处理日常工作

    Anthropic 日本业务拓展代表用 Claude Managed Agents（beta）搭建了一支名为 Nakama 的智能体团队，把线索分流、资格判定、邮件草拟、Salesforce 更新和会后跟进交给 6 个按计划运行的智能体，每天开工前完成大部分工作。他先在 Claude 中用技能、定时任务和共享文件夹做原型，迁移后技能变成系统提示词、共享文件夹变成记忆存储，改动统一在 Slack 频道提出并由协调智能体每约 15 分钟同步一次。

    品新闻和最佳实践。 构建高效的智能体自动化 一份关于定时 Claude Managed Agents 自动化的参考实现演练，包含配置文件和避免常见失败模式的六条规则。 用 Claude 自动化评估设计与爬山优化 设计评估并针对它们进行爬山优化而不自欺欺人的原则，以及 claude-api 技能的 build-eval 和 hillclimb 命令如何将它们付诸实践。 云端的 Claude Code：云会话实战指南 当 Claude Code 运行在自己的机器上时会发生什么变化、哪些工作流能从中获益，以及如何一次成功连接 GitHub。 Cresta 如何在 Claude Agent SDK 上把 CX 专业知识转化为智能体构建器 了解 Cresta 如何在 Claude Agent SDK 上构建 Conductor——一个能构建其他智能体的智能体，以及团队如何在每个新的 Claude 模型上评估它。 用 Claude 变革你的组织运作方式 产品更新、操作指南、社区聚焦等。每月发送到你的收件箱。 负责任披露政策 数据处理协议：美国 K-12 负责任披露政策 数据处理协议：美国 K-12

    匹配字段正文

    #lab#教程/实践#Agent#MCP/工具调用
  7. Reflection Blog精选

    Reflection 发布首个开源权重模型 Beam，501B 参数稀疏 MoE

    Reflection 发布首个开源权重模型 Beam，权重已在 Hugging Face 以 Apache 2.0 许可开放。Beam 是稀疏 MoE 模型，总参数 501B、激活 23B，面向编码、推理和长程智能体任务，同时提供 BF16、FP8、NVFP4 精度格式和投机解码草稿模型。Reflection 还联合 40 多家合作伙伴构建其称为智能体开放操作系统的生态，覆盖 vLLM、SGLang、Unsloth、Axolotl 等推理与微调框架，并开源了配套的 Mirror CLI 智能体工具。

    Reflection.ai dotted artwork

    e initially built Mirror for internal use at Reflection to help our engineers move faster – with isolated workspaces, background sessions, and integrations into Slack, Linear, and GitHub. Agents could keep working after we closed our laptops, and we saw substantial productivity gains, especially in tasks like code review. Those experiences helped us train Beam to work better with different coding harnesses. We then evolved Mirror into a tool we could open source to bring these benefits to develo

    匹配字段正文

    #company#模型发布#开源生态#Agent
  8. Cursor Blog

    Navan 用 Cursor Cloud Agents 将一个月迁移缩短到一周，且不冻结代码库

    Navan 借助 Cursor 的 Cloud Agents 将 Spring Boot 4 迁移压缩到约一周，涉及 8 个应用和 15 个库并行升级，且未冻结开发；两年前同类迁移耗时一个多月，还曾因一次错误合并锁住 master 分支一天。Cloud Agents 运行在 Navan 自托管机器上，可调用内部 MCP 并启动浏览器验证改动，目前约 200 名 Navan 员工在用，较 2026 年 4 月增长 10 倍。

    e of parallel work he says wouldn't have been possible even a few months earlier. Cloud Agents run the real workload Rahul moved almost all of his work onto Cursor's Cloud Agents. GitHub work runs on Cursor-managed infrastructure. Internal MCPs for Snowflake and Slack run on Navan's own self-hosted machines, where agents can also spin up a browser to verify their own changes. Automations, Skills, and Memories run on top of that setup, so eval loops and migrations continue asynchronously without

    匹配字段正文

    #company#教程/实践#Agent#编码
  9. Testing Catalog

    AI 日报：Meta 开源 816B MoE 模型 Muse Spark Open

    Meta 在 Hugging Face 发布开源权重模型 Muse Spark Open，总参数 816B、激活 42B，采用 MoE 架构，支持 1M token 上下文窗口，并针对 Mac Studio 本地运行做了优化。同日 NVIDIA 发布面向长时运行 AI 智能体的开源多模态模型 Nemotron 3.5 Super VL（120B 总参数、12B 激活），以及可装入 24GB 显存的 Nemotron 3.5 Bolt 24GB。OpenAI 向 ChatGPT、Codex 和 dots 全量推送 GPT-Live-1.1 语音功能，新增六种语言语音。

    mpute to sharply reduce "Selected model is at capacity" errors. MICROSOFT 🔥: - Microsoft finished pre-training MAI-Base-2 and is already preparing the MAI-Base-3 training cycle. - GitHub made agentic autofix for code scanning alerts generally available. ANTHROPIC 🔥: - Anthropic gave a team from METR employee-like access to assess its safety practices. CURSOR 🔥: - Cursor added Muse Wonder at $4/$20 per million input/output tokens, scoring 46.1% on CursorBench. BLACK FOREST LABS 🔥: - Black Forest

    匹配字段正文

    #hot-signal#行业动态#开源生态#多模态
  10. 集微网

    物理AI走向边端，爱芯元智AX8860补上国产大算力芯片哪块拼图？

    爱芯元智在2026中国国际工业博览会上发布大算力边端AI SoC系列AX8860，含AX8860、AX8860P两款芯片，采用6nm制程，峰值算力256TOPS，内存带宽273GB/s，单芯片原生支持128GB LPDDR5X内存，四芯级联最高512GB，可运行DeepSeek V4 Flash等千亿参数以上大模型。该系列同步推出核心模组、PCIe推理卡、智能体盒子和边缘推理服务器，工具链兼容vLLM、SGLang、PyTorch与OpenAI API，已完成260多个模型适配。

    需一行代码即可切换后端，大幅降低模型迁移成本。 在全流程工具上，爱芯元智提供量化、编译、性能分析、调试等完整开发工具链，且工具链已经过千万级量产项目的打磨与验证，成熟度较高。 快速适配是工具链的核心优势之一。爱芯元智介绍，对于可获取的开源模型，快则1～2天即可完成平台适配，难度较高的模型也仅需 1～2周；目前公司已完成260多个模型的部署适配，相关代码全部在GitHub开源。客户基于这些架构做后训练或微调后的模型，同样能够实现快速部署。“我们要做客户长期稳定的算力底座，让企业聚焦业务创新，不用为算力迁移分心。”仇肖莘表示。 目前AX8860已经回片，基础Bring‑Up调试工作亦已完成。仇肖莘表示，在回片到实现量产的期间内，公司还将持续优化软件栈，把新产品的性能打磨至最优水平。 从一颗芯片到一组算力，全谱系矩阵覆盖千TOPS 除了新品发布之外，爱芯元智还展示了完整的边缘AI芯片产品矩阵。目前爱芯元智已建成覆盖小算力到超大算力的全谱系布局，算力从几十TOPS一直延伸到近1000TOPS，包含AX8910、AX8850、AX8860、AX8950、AX8970等全系列产品，可匹配不同场景、

    匹配字段正文

    #hot-signal#产品更新#端侧#部署/工程
  11. 36氪 · AI精选

    DeepMind AlphaProof Nexus 登《Science》：自主解出 9 道 Erdős 问题

    Google DeepMind 的自动数学证明系统 AlphaProof Nexus 登上 10 月 8 日的《Science》，在 353 道悬而未决的 Erdős 问题中自主解出 9 道，其中两道自 1970 年悬置至今。系统由 Gemini 3.1 Pro 用 Lean 起草证明、编译器逐行校验并反馈迭代，每道题推理开销为几百美元。论文的消融结果显示，去掉子代理锦标赛等复杂结构、只保留大模型加 Lean 反馈的简版系统同样能解出这 9 道题，只是最难的几道更烧钱。

    on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经职场bonus36碳后浪研究所暗涌Waves硬氪氪睿研究院媒体品牌 企业号企服点评36Kr研究院36Kr创新咨询企业服务 核心服务城市之窗政府服务 创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务 最近，AI 数学圈的戏很足。10 月 6 日，OpenAI 往 GitHub 上一次性倾倒了 722 篇 AI 生成的数学手稿，数学界当场炸锅，陶哲轩牵头的人类数学协会（AHM）发声明呼吁抵制。 就在同一个星期，Google DeepMind 的一篇论文登上了 10 月 8 日的《Science》，走完了正经的同行评审。 据媒体报道，这篇论文的主角叫 AlphaProof Nexus，一个自动寻找数学证明的系统。成绩是：353 道悬而未决的 Erdős 问题，它自主解出了 9 道，其中两道从 1970 年摆到现在，有 56 年。 Erdős 问题是以匈牙利数学家保罗·埃尔德什命名的一批开放问题，主要散布在组合数学和数论里，他生前还喜欢给难题明码标价挂悬赏。这批问题如今是检验 AI 数学能力的试金

    匹配字段正文

    #hot-signal#论文/研究#推理#DeepMind
  12. Unite.AI

    Google DeepMind 详解用 Antigravity 智能体发现抗菌肽

    Google DeepMind 发布技术演示，生物学家使用其智能体开发平台 Antigravity，在肺炎链球菌中识别出一个新型抗菌肽候选物，该候选物正接受湿实验验证。演示中研究者负责科学策略，智能体负责跨数据库检索、结构分析与文献综合，界面显示使用 Gemini 3.8 Flash 模型。候选物为 Lactococcin 972 家族的 97 个氨基酸肽段，经 BLAST 比对未发现人工审阅蛋白中的同源序列，AlphaFold 结构比对与基因簇上下文均支持其预测。DeepMind 同时推出嵌入 Antigravity 的 Biomolecular Structure Viewer，并称向 1 万名科学家免费开放 Gemini 4 Argon 最高使用档位。

    ublication-ready 3D PyMOL structural renderings, reproducible analysis scripts, and verifiable scientific artifacts. The page points to an open-source customizations repository on GitHub, lists desktop availability on macOS, Windows, Linux, and Googlebook, and states that Google is giving 10,000 scientists free access to Gemini 4 Argon in Antigravity at its highest usage tier. DeepMind describes Antigravity as an agentic science workbench that compresses what used to be a fragmented search acros

    匹配字段正文

    #hot-signal#论文/研究#Agent#多模态
  13. Unite.AI

    Perplexity 开源智能体沙箱平台 SPACE

    Perplexity 于 10 月 15 日宣布以 Apache License 2.0 开源其智能体沙箱平台 SPACE，即 Computer 个人智能体背后的沙箱系统，并公开代码仓库与托管文档。SPACE 自 7 月起支撑全部 Computer 会话，每天处理数百万次沙箱创建，同一生产流量下创建速度比此前商用沙箱供应商快 3 至 5 倍。平台基于 Firecracker microVM 提供隔离、状态恢复与凭证和网络控制，官方安全评估中 108 次越界尝试均未从虚拟机逃逸到宿主机；CoreWeave、Akamai 已在其云平台测试并上线 SPACE，Crusoe 也在合作引入。

    isky software packages, extensions, and AI tool configurations. Repository and Cloud Availability SPACE, short for Sandboxed Platform for Agentic Code Execution, is published in a GitHub repository under the Apache License 2.0. The repository describes a platform that runs code in isolated Firecracker microVMs, with an HTTP API used to create Linux environments, execute commands, collect output, and manage sandbox lifecycles. A template supplies the starting environment, and a sandbox is an inst

    匹配字段正文

    #hot-signal#开源/仓库#Agent#部署/工程
  14. The New Stack

    Vercel 推出常驻后台 Worker 服务 Daemons，Python 支持与 Drives 存储正式可用

    Vercel 在 Ship 大会上推出常驻后台 Worker 服务 Daemons（公测），支持按区域指定实例数并自动重启，目前面向从队列或数据库拉取任务的 pull 型负载。同时 Vercel 将 Python 支持（FastAPI、Flask、Django）和面向 AI 智能体的持久化存储 Drives 转为正式可用。Drives 将智能体文件与执行沙箱分离，写入落在本地 NVMe 并异步同步至对象存储。

    to make a deployment, we don’t do that deployment in that process that handles your request, because we can’t actually do an infinite number of concurrent deployments,” Ubl says. GitHub rate limits are one reason to back off, and Vercel’s existing compute primitives didn’t give developers “good control over the amount of concurrency” for that kind of worker. With Daemons, “they come up, they start saying, here I am, give me work, and then they just process as it goes,” he says. The company’s ex

    匹配字段正文

    #hot-signal#产品更新#部署/工程#Agent
  15. 36氪 · AI

    投毒字节AI被开除后，田柯宇的公司估值2亿美元

    10月12日，因干扰字节同事训练任务被开除两年后，田柯宇公开讲述事件经过，承认干扰过同事训练任务，将动机解释为不成熟的朴素的正义。他已是NeurIPS最佳论文第一作者，其AI实验室获五源资本、IDG资本近3000万美元投资，投后估值2亿美元，方向是能预测未来的多模态基础模型。随后一份以受影响人员名义发布的长文反驳其讲述，将干扰起点提前到2024年3月并涉及LlamaGen、Goku等项目，并向其合作方和投资机构提出核查请求。一审判赔约50万元，字节已上诉。

    业确实有帮助。他随后强调，自己更看重的是从事件中获得的成长。 一句“不成熟”，抹不了一切 2026年10月12日，播客“elsewhere别处发生”发布田柯宇的访谈文字节选，随后音视频上线。节目实际录制于7月。 当时，一审判赔约50万元，字节已上诉。 田柯宇表示，愿意向字节支付法院判定的赔偿，也承认自己的行为浪费了团队时间。 访谈文字版发布后，一份反驳长文在GitHub网站上流传。发布者自称依据受影响人员的经历、内部记录和代码整理材料，将干扰的起点提前到了2024年3月，涉及LlamaGen、Goku等多个项目。 发布者在GitHub Pages刊出的陈述。 长文列出的五位确认人，都是田柯宇当年实习时的同组同事。 这些人讲述的，远没有他的「朴素正义」轻巧。团队起初将训练异常当作技术故障，北京、上海、西雅图的同事轮流排查。有时好不容易找到异常机器，重新运行，故障却又消失了。 他们还指称，田柯宇一直留在沟通群中、参加排查会议，根据排查进度调整干扰代码。他看得见同事怎样排查，也看得见大家为故障付出的时间，却仍在利用这些信息继续干扰。 7月30日，同事发现训练环境中的代码异常，次日又在他的个人

    匹配字段正文

    #hot-signal#行业动态#数据/训练#开源生态

星期四

  1. heise online

    CLC 2026 大会：聚焦 Agentic AI、平台工程与软件交付

    由 iX 和 dpunkt.verlag 组织的 CLC 2026 将于 11 月 11 日至 12 日在曼海姆举行，聚焦开发者体验、平台工程与软件交付，重点探讨 Agentic AI 如何改变高级软件开发者、软件架构师、DevOps 和平台工程师的工作。大会首日主题演讲为 Paul Stack 的“Why SREs and AI Agents Are a Perfect Match”，并设有 AI 软件交付专题讨论；SAP 将分享“Vibe Coding im Konzern”实践，另有数字主权与开源相关议题。

    m digitale Souveränität. David Sterz argumentiert in seinem Vortrag, warum Europas Cloud-Markt souverän und dezentralisiert sein sollte. Stefan Nachtrab (adorsys) liefert mit „Von GitHub nach Codeberg“ einen Erfahrungsbericht zum Plattformwechsel. Sandra Parsick hinterfragt unter „Open Source gibt es doch gratis! Warum dafür zahlen?“ verbreitete Annahmen zur Finanzierung freier Software. Ergänzend ist eine Paneldiskussion zur digitalen Souveränität angesetzt. Maren Afflerbach (Sixt) widmet sich

    匹配字段正文

    #hot-signal#行业动态#Agent#部署/工程
  2. heise online

    Apple Watch 连 Android？开源应用 Apple Watch Companion 迈出第一步

    开发者 Md Ismail Šojal 发布开源软件 Apple Watch Companion 首个版本，借助 AI 逆向工程复现 Apple Watch 与 iPhone 的连接流程，让 Apple Watch 可与 Android 手机配对并完成初步设置，还能在手表上切换表盘。该版本仅在 OnePlus 13 与 watchOS 26.2 的 Apple Watch Ultra 2 上测试过，Android 端需 Root 并安装 Magisk，心率、EKG、睡眠追踪等功能尚缺失。

    droid entpacken und Code direkt auf dem Gerät ausführen. Zudem lässt der Apple Watch Companion noch zahlreiche Features wie Pulsmessung, EKG und Schlaf-Tracking vermissen. Auf der GitHub-Seite des Projekts führt Šojal aber eine lange Liste mit den Features, an denen er gerade arbeitet. Besonders spannend: Das Tool lässt sich schon jetzt auch einsetzen, um die Apple Watch über Windows oder Linux zu koppeln. Auch hier gibt es noch zahlreiche Einschränkungen, doch wäre so theoretisch künftig gar ke

    匹配字段正文

    #hot-signal#开源/仓库#端侧#GitHub