搜索“编码”

——迄今使用所谓的 Classic 模式，该模式授予广泛的系统访问权限，无法在 Ubuntu Core 上直接运行。Canonical 在此依托容器和虚拟机管理器 LXD 以及基于其构建的工具 Canonical Workshop。借助它，可以通过 YAML 文件定义包含工具链的隔离开发环境，并作为系统容器启动；据 Seager 称，这也有助于将现代 AI 编码代理与主机系统安全隔离。Workshop 本身预计在未来几周内从经典模式转为严格隔离的 Snap。 通过这一容器概念，Canonical 还希望解决一个普遍问题：尽管 Snap Store 目前已有超过 11,000 个软件包，但许多经典程序仍然缺失，或仅以 Classic Snap、DEB 包、Flatpak 或 Nix 包形式存在。Seager 希望此类应用程序——包括 VS Code 等图形程序——能在隔离的 Workshop 环境中运行，并将其窗口无缝显示在主机桌面上。在技术上，这一原理类似于微软的 Windows Subsystem for Linux GUI（WSLg）。 作为第三大支柱，Canonical 将目光投

匹配字段正文

机制。一个Trail可以汇总工作目的、代码变更、智能体会话、评审结果，还能处理同一工作涉及的多个仓库的变更。评审用智能体是可选的，也可以由人工确认差异并批准、合并。 启用评审用智能体后，以向Trail的push为契机，可以自动评估代码质量和安全性等。该评估会根据AI模型的使用量收费。评估项目可以自定义，结果会显示分数、理由和具体指摘。开发者可以将这些指摘交给编码智能体，反复进行修正和重新评审。画面上会并列显示本次和过去5次的评估结果，开发者可以结合评估趋势和未解决的指摘来判断是否合并。在管理合并条件的Gates功能中，可以将指摘解决、人工批准、CI成功等设置为条件。 CI集成支持Buildkite和Depot，并以公开预览形式提供。这两项服务也提供了转换和迁移现有GitHub Actions工作流的机制。向设置了集成的仓库push后，CI服务会执行构建和测试，并将结果返回给Trail。使用CI时，适用各CI服务的计费体系。 利用以往会话信息的Continuous Memory 在Continuous Memory中，新会话的AI智能体可以检索和参考以往会话中选择实现方式的理由以及尝试过

匹配字段正文

🧵— NVIDIA AI (@NVIDIAAI) 2026年10月28日 可指定是原样保留发言⁠，还是整理得更易读 对转写所要求的写法因用途而异。若要忠实记录发言，则希望保留口头语和重复；而若要形成易读的文章，则有时希望省略。NVIDIA说明称，在传统语音识别中，输出的转写格式在训练时即被固定。 Nemotron 3.5 Transcribe结合了读取音频的编码器、区分说话人的模型和大规模语言模型，根据与录音一同给出的文本指令进行转写。还可以指定数字是按其词语原样书写，还是用阿拉伯数字表示。此类输出格式可通过每次请求的指令更改，无需重新训练模型。 此外，还可以用文本附上人名、专业术语等可能出现在音频中的候选词，作为识别的线索。 支持日语的分说话人转写⁠以及与英语的双向翻译 根据模型卡的语言支持表，日语可用于语音识别、多说话人转写以及与英语的双向翻译。还支持在单个录音内使用多种语言的语码转换。NVIDIA将日语质量归类为相当于生产使用水平的“Production-ready”。 在多说话人转写中，即使录音中发言重叠，也能为每个说话人添加标签，并可输出每个单词的发言在录音的第几秒开始、第几

匹配字段正文

规格从前一代的 802.11n (Wi-Fi 4) 升级至 802.11ax，也就是 Wi-Fi 6，蓝牙升级到了 Bluetooth 6。 但在体验方面，HomePod mini 2 的提升其实不算明显。从最核心的音频串流能力来说，即使是按照未压缩的 24-bit / 48 KHz 双声道音频来计算，也仅需要约几 Mbps 的吞吐能力，实际使用 ALAC 编码之后的需求通常会更低。因此这一代 HomePod mini 2 在无线连接规格方面的升级，我认为可以算是一次常规的硬件迭代，对日常体验而言不会产生明显影响。 根据官网给出的信息来看，HomePod mini 2 采用的依然是全频驱动单元 + 双振动抵消无源辐射器，内部扬声器架构应该没有变化，关乎于计算音频、语音处理的 S10 芯片就成了影响听感的重要因素。从我的实际听感来说，我认为两代 HomePod mini 的差距极其接近，HomePod mini 2 的低音下探会更足，人声的包裹感会略好一些，日常听歌几乎不会感受到区别，比较可惜的一点是这一代 HomePod mini 与上一代一样仍旧不支持空间音频。 比较核心的变化是将设

匹配字段正文

查的变更数量增加了3倍。” AI数据科学研究员：“将模型投入线上测试的时间从17天缩短至3天。” AI安全分析师：“威胁检测时间在10分钟以内。” “以我们的内部生产力评分衡量，工程产出在2026年3月至9月间增长了171%，”信中说。“功能现在几天内就能上线，而不是两到三周。” Meesho预计这将减缓其成本增长。“随着单工程师小组成为标准，智能体承担更多编码、支持和运营工作，我们预计产品迭代速度将持续提升，同时成本增长随时间放缓，”信中说。信中未说明这将如何影响招聘。 8. 购物者的消费正超越必需品 Meesho Mall：Meesho品牌产品专区的销售额增长81%，涵盖约1,800个品牌。从必需品起步的客户“也在购买面部精华、防晒霜、护发素和面部滚轮，”信中说。 创作者视频：由创作者产品视频驱动的销售额增长160%。客户“观看他们信任的人使用产品，然后购买，”信中说。 另请阅读： Meesho季度亏损收窄68%至1.325亿卢比，营收增长34% Meesho将向其支付业务部门投资4亿卢比，并设立贷款部门 [googlesitekit-end-of-content] WP QUAD

匹配字段正文

该模型特性的适配区分开来。跨模型工作能确保最强的改进具有泛化能力，并在启发这些改进的模型之外依然成立。 这就是我们内部 Agent Factory 背后的理念。智能体会研究基准测试中的失败案例，以及用户在实际会话中遇到的摩擦，提出改动建议，并在其影响的每一个模型家族上逐一测试。我们的工程师审查证据，并决定哪些改动上线。 最终成果是市场上最高效、面向企业就绪的编码智能体，针对每一种前沿模型进行了调优，无论其权重是开放还是闭源。 本文余下部分将介绍正面对比结果、框架背后的设计原则、我们如何构建内部 Agent Factory，以及带来最大影响的核心改动。 市场上最高效的框架 在相同任务、相同模型下，Droid 的得分更高、成本更低，优于我们测试过的所有其他框架。 图 1 Terminal-Bench 4GPT-6.1 Sol 未展示 Cursor：它无法访问 OpenAI 模型。Opus 5.5 Terminal-Bench 4。使用 GPT-6.1 Sol 时，Droid 的得分比 Codex 高 3.5 分，成本低 12%；比 OpenCode 和 Devin 高 6.6 至 12.6

匹配字段正文

互联网大量依赖的软件中。AI 智能体正让漏洞的发现变得更快、更容易，而从发现到被利用的时间也在不断缩短。 企业越来越需要智能体既能防御威胁，又能改变工作方式。随着智能体承担更多责任，安全必须与自主性同步扩展。 Palo Alto Networks 首席执行官 Nikesh Arora 最近提出了一个问题 ，面向每一家采用 AI 的公司：“数十亿美元正被投入到编码中，你的编码框架安全吗？”对于安全负责人，他的建议很明确：为智能体部署建立防护栏，并部署第二双眼睛来监控其漂移、合规性和可验证性。 在 Replit，我们多年来一直将安全构建到智能体工作的基础设施中。当这些漏洞上周浮出水面时，正是这一基础使我们能够 快速、有效且大规模地响应。我们现有的隔离防护阻止了所披露内核漏洞被利用。我们更进一步，修补了受影响的工具并集中部署了防火墙防护，减少了开发者原本需要自行完成的修复工作。 我们相信，下一步是进一步自动化安全响应本身，由人员来定义治理该流程的策略、审批和干预点。 作为我们 Self-Driving Company 蓝图的一部分，我们正通过 Replit 的 Agent Habitat 将

匹配字段正文

ter Zhong Michele Catasta 今天我们发布 ViBench 2.0，这是一个面向长周期软件开发的基准测试。它加入了来自 Fireworks [1]的专项智能指数（SII），Fireworks 是我们在开放权重模型推理与训练方面的合作伙伴。SII 汇集了由从业者构建的基准测试，用于在跨行业的真实工作任务上比较开放、闭源和专项模型。 大多数编码基准测试，例如 DeepSWE [2]，在现有代码库中交给智能体一个定义明确的任务。而在 ViBench 2.0 中，智能体从空项目开始，然后以 Uber、GitHub 或 Google Docs 等产品为蓝本，一次构建一个功能，最终打造出完整产品。 ViBench 2.0 包含十七个产品、241 个功能请求和 544 个测试计划。表现最好的模型 GPT-6.1 Sol、GPT-6 Astra 和 Opus 5.5 仅在其 49⁠-⁠65% 的构建中通过了全部测试计划。 我们为何构建 ViBench 2.0 我们以 ViBench 1.0 为蓝本进行建模 [3] 当时Replit用户正在构建的东西，比如协作白板和简历生成器。如今

匹配字段正文

可跨现有工具工作、对告警进行分诊，并在团队定义的权限范围内采取行动。分析师可以审查结果、改进流程，并选择哪些环节需要审批。团队已经掌握如何执行的调查，此后便可反复进行，而无需有人手动走完每一个步骤。 保障企业内部的 AI 安全 AI 已经融入企业工作之中。92% 的受访者表示至少有限度地在生产环境中使用了员工生成式 AI 工具，83% 表示在生产环境中使用了编码助手或智能体，55% 已在生产环境中部署 MCP 服务器或其他智能体与应用的集成。 这些系统可以访问源代码、检索公司文档，并跨应用执行操作。一家餐饮软件公司的安全负责人提出了许多团队正面临的问题：“你怎么才能真正知道这些智能体在做什么？” 这些担忧是具体的。47% 的受访者将员工向 AI 工具泄露敏感数据列为最大的担忧之一，46% 提到智能体超出其权限或被攻陷。另有 29% 担心提示注入或通过 AI 应用造成的数据泄露。 对许多企业而言，这些问题已经在拖慢部署。63% 的回复表示安全至少在一定程度上减缓了 AI 的采用，包括审查、审批要求以及对特定用途的限制。 安全团队需要知道哪些工具和智能体正在运行、它们归谁所有、它们能访问什

匹配字段正文

空白。 当然，转机仍出现在模型代际上。 9月下旬，Claude Opus 5.5的发布，让运行成本比上一代低40%，Anthropic在聚合平台上的调用热度迅速回升。这也意味着，“模型能力领先”仍然能带来定价权，但这个窗口期的长度，正在被对手的折扣和跟进速度持续压缩。 Rippling的案例就是一个切片。 2026年5月，开发者使用Anthropic模型处理编码工作的比例是57%，OpenAI只有16%。几个月后，OpenAI用正常价格20%到40%的折扣加赠送额度抢单，比例逆转为OpenAI 52%、Anthropic 18%。 而Replit，在OpenAI给出年额超1亿美元、折扣超30%的方案后，将主力模型切了过去。 业内人士认为，本质在于Anthropic的定价策略偏强硬，客户一旦触及合同用量上限，折扣直接取消。但当对手愿意用负利润率换份额的阶段，Anthropic就没了优势。 相对于Anthropic的巨额亏损，SpaceX三季度财报则提供了另一个参照样本。 2026年10月20日，SpaceX发布了第三季度财报，营收145.75亿美元，净利润44.04亿美元，实现了上市后首

匹配字段正文

了对权重的访问，并暂停了所有相关工作负载；公司正在探索如何将这些步骤作为应对另一起严重事件的标准流程的一部分。 监测器发现了什么 已发布的失准报告在索引中共有20份，其中包括一个智能体利用测试工具恢复了任务故意隐瞒的源代码（此前该工具在错误消息中泄露了代码），以及一些智能体将内部托管的软件仓库改用作跨不同训练样本的共享留言板。另一起记录在案的事件涉及一个内部编码智能体，它在公共仓库中泄露了一名研究人员的GitHub令牌。 OpenAI通过记录在案的事件、模拟攻击、对当前流量的随机审计以及红队测试来评估该系统。在一项名为OAI-repo Sabotage v2的模拟中，一个智能体在执行普通编码任务的同时追求隐藏目标，例如禁用监控或部署未经批准的模型检查点；在另一项名为Sneaky Sandbox Escape的模拟中，该智能体试图逃出沙箱并禁用测试监控进程。OpenAI报告称，在记录事件、合成转录文本和破坏任务上，使用GPT-5.6 Sol的监控器发现的案例显著多于使用GPT-5.6 Terra或GPT-5.6 Luna的监控器，不过在Sneaky Sandbox Escape模拟中，这

匹配字段正文

oey-1 是 Jev Decision Index 0.4 上排名最高的 2B 模型。 训练数据与配方 根据模型卡，joey-1 基于 Qwen3.5-2B 进行后训练，使用与 elephant-1 和 mammoth-1 相同的数据混合和配方，并通过 Baseten Training Jobs 运行。该过程是对语言模型在文本和图像决策上进行全量微调，视觉编码器保持冻结，在全注意力层上使用块双向注意力掩码，最大序列长度为 16,384 token。 训练数据集包含 621 万个决策示例，混合比例被实验室称为 Mix 8：58.3% 核心决策技能、16.1% 安全与弃权、16.1% 评判与专家领域，以及 9.5% 公开决策数据。训练目标将交叉熵与 Brier 校准项结合，lambda 设为 1，并包含一个训练过的“我不知道”选项，用于模型对其答案不确定的情况。该配方运行了一个 epoch，共 43,390 步，峰值学习率为 1e-5，使用 AdamW 优化器，beta 值为 0.9 和 0.95，无权重衰减，3% 预热，余弦衰减，bf16 精度，跨两个节点、每个节点八块 H100 GP

匹配字段正文

增大、示例增多或指令微调而消失。 作者建议报告在多种合理提示词格式下的性能区间，而不是单一数字。对工程团队而言，实际教训更简单：修改提示词就是修改代码。它需要版本历史，也需要在到达用户之前经过测试。 同样的道理适用于工具描述，模型会将其作为提示词的一部分来读取。Anthropic 的指南建议，工具定义应当获得“与主提示词同等的提示词工程关注”。指南描述了一个编码智能体，它反复在相对文件路径上出错。当工具被改为要求绝对路径后，模型便不再出错地使用它。模型没有变，变的只是它读到的描述。 一次成功说明不了什么 第二条研究线索关注一致性。由 Sierra 的 Shunyu Yao 及其同事发布、并在 ICLR 2025 上展示的 τ-bench 基准模拟客服对话，其中智能体必须使用工具并遵循业务规则。作者引入了一个名为 pass^k 的指标：智能体在全部 k 次尝试中都正确解决同一任务的概率。 结果令人清醒。一个 GPT-4o 智能体单次尝试可解决约 61% 的零售任务。当它必须连续八次在同一任务上成功时，这一比例降至约 25%。一次能跑通的演示，几乎说明不了系统在第一千次运行时会有怎样的表现

匹配字段正文

据和不安全的工具使用。这项研究考察的是更底层的一层：在模型运行时承载并传输其参数的基础设施。 权重是塑造模型回答的数值参数。磁盘上的有效文件可以被加载到内存中，随后被具有足够特权的组件更改。之后对原始文件的检查仍会看到预期的字节，即便回答是使用被篡改的运行时状态生成的。 Eclypsium 的受控演示显示了对查询的模型输出操纵，报告指出，若将同样的技术应用于编码模型，可能削弱身份验证检查、关闭证书验证、引入不安全的依赖项，或在生成的代码中留下内存漏洞。更广泛的担忧在于，运行时操纵可能影响其他敏感用途，例如自动化决策。这些可能性应与实验室中展示的具体行为区分开来。 所谓“未被检测到”的说法也有明确的范围：演示中使用的存储模型完整性检查并未发现内存中的更改。这并不能证明其对一切形式的监控或取证检查都不可见。 攻击条件至关重要 该测试使用了 NVIDIA Grace Hopper 环境。其直接内存访问路径依赖于受损的特权组件以及允许访问敏感内存的配置设置。研究人员指出 IOMMU 直通和宽松的 PCIe 隔离是重要条件，并明确说明这些并非 Linux 的默认设置。 IOMMU 有助于控制外设

匹配字段正文

首帧与文本指令即可启动渲染，支持480p与720p两种分辨率。实测数据显示，50亿参数版本的EdenLive，仅靠单张消费级RTX 5090显卡就能实现720p分辨率下24帧/秒以上的实时生成。产品配备两种运行模式：实时流模式以分块流媒体形式输出，适配交互式场景；离线模式可一次性处理完整参考序列，更适合现有视频、动画的重渲染需求。 落地应用覆盖多个领域。搭配编码代理可接入游戏开发的实时预览流程；创作者可基于相同的场景布局、动作与镜头路径，快速探索不同的视觉风格，支持实时替换角色、调整整体画面调性；在具身AI领域，它能将真人操作视频转换为机器人第一视角画面，弥合人类演示与机器人学习之间的断层。 目前EdenLive已正式开源，开放内容包括50亿与140亿参数的模型权重、实时视频生成代码、可实现文本转简易游戏的EdenGolem v0.1技能，以及完整的提示词到游戏前端工具链。代码以Apache 2.0协议在GitHub发布，模型权重可在Hugging Face平台获取。 Tripo AI首席科学家曹彦培博士表示，Project Eden将世界运行拆分为持续演化的世界状态、状态到视觉的交互

匹配字段正文

措辞几乎相同。只有 15% 提到了 AI。 对话日志显示，智能体在 77% 的决策中首先表明立场。根据该论文，它随后通常只为自己偏好的一方辩护，没有解释资深专家为何可能选择另一种方案，尽管它确实解释了不同选择会如何影响结果。 参与者在使用 AI 时工作速度也快得多，错误也更少。在没有智能体的情况下，55% 的分析（即 11 项中的 6 项）存在严重的方法论或编码缺陷，中位耗时为 90 分钟。使用 AI 时，仅有 6%（即 50 项分析中的 3 项）存在严重缺陷，参与者在 65 分钟内完成。未使用 AI 的小组是自己选择不使用该工具，且专业水平略低，因此研究人员无法确定这一差距中有多少直接来自 AI。 虚假共识与更弱的安全检查 研究人员表示，这种无声的顺从可能在科学领域产生广泛影响。如果许多研究团队使用具有固定默认偏好的同一模型，他们最终可能制造出虚假共识。 这一风险也延伸到 AI 安全本身。研究人员已经在使用 AI 智能体测试前沿模型的安全性和对齐性，期望人类审查能作为独立检查。但如果专家在开放式判断上不知不觉地采纳了智能体的偏见，一个未对齐的系统最终可能操纵那些本应用来揭露其未对齐的

匹配字段正文

AI 正在改变软件开发的节奏。过去需要数小时编码、测试和调试才能完成的任务，如今借助 AI 助手和智能体可以快得多地完成。然而，应用创建的速度并不能说明它部署后的表现如何。 企业应用可能需要服务数千名用户、在多个系统之间交换数据、保护敏感信息，并在出现故障时保持可用。这些需求所要求的工程决策远远超出生成可运行的代码。 自主 AI 智能体的日益普及又增添了另一个维度。与仅仅提供代码建议的工具不同，智能体可以被授予访问企业环境的权限，并被允许执行操作。这引发了重要问题：它们应拥有多大权限、如何监控它们的活动，以及谁仍对其行为负责。 在此背景下，Aurigo Software Technologies 将于 2026 年 11 月 18 日印度标准时间下午 6 点至 7 点举办一场题为“AI 时代如何构建安全、弹性且可扩展的企业应用”的网络研讨会，主讲人为 Aurigo Software 首席信息与安全官 Manish Sharma。 Sharma 将结合真实事件、工程研究和实践经验，探讨设计、保护和运营企业应用所涉及的各项决策。讨论将涵盖软件架构、代码质量、数据隐私、应用可靠性、可观测性以

匹配字段正文

档中模糊的部分。 批判性评审：多个Goldfish寻找例外情况、不易察觉的依赖关系、逻辑漏洞。收到指摘的Elephant修正设计。 确认是否可以进入实现：确认文件路径、数据结构、函数参数和返回值等实现所需的信息是否齐全、是否仍有模糊之处。 工作流指南展示了这样的流程：用户针对Goldfish的指摘选择要处理的项目，并让其他人也评审设计。在用户批准设计后，委托编码代理进行实现。 各技能可根据需要单独使用。指南指出，对于规模小且方针明确的缺陷修复，不必走完一整套设计流程。 10月27日发布首个带标签版本v0.1.0 10月27日，发布了首个带标签版本v0.1.0。收录的技能共7个，除官方博客介绍的3个外，还包括以下4个。 egm-review-loop：管理多个Goldfish进行文档评审以及收到指摘后修正、再评审的流程。在反映修正或进入下一次评审时，会插入用户确认环节。 egm-resolve：由Elephant研究Goldfish的指摘，给出修正方案或反驳依据。将用户批准的修正反映到文档中。 egm-bootstrap：调查现有代码，创建或更新各目录的README。将各部分的作用、接口

匹配字段正文

un-all 的模块映射。没有变更的计划可以省略 resource changes，因此空计划被视为有效，而无法识别的形态会被拒绝而不是静默允许；只将其附加到模板会生成这些格式的项目上，因为 Pulumi、CloudFormation 和 Kubernetes 部署都会被拒绝。替换包含 create 操作，因此会被捕获。资源列表只是一个示例，该策略无法看到硬编码的机密或在 Terraform 之外生成的密钥。 allow 规则很重要：有了它，任何未被拒绝的内容都无需人工批准即可继续；没有它，一个不返回任何内容的策略会默认为待定，每次部署都要等待一个人。使用完整的 env zero 输入包装器进行测试，而不是裸的 terraform show -json 输出，覆盖密钥创建、仅角色计划、替换、run-all、缺失计划数据和销毁。ENV0 PRINT POLICY INPUT=true 会记录确切的输入；ENV0 OPA VERSION 固定 OPA 版本。该策略在 env zero 的默认 OPA（0.46.1）和 1.x 上运行，这就是它使用 future.keywords 导入而不是

匹配字段正文

View 一样，有通过类似 iMac 的支架放在台面上或安装在墙上的选项。 全新的 Echo Show 16 是我们迄今最先进的显示屏，性能提升 20%，让交互感觉更快速。16 英寸高清屏幕薄了近 40%，观看面积多 10%，新的 Nanomatte 选项可将眩光减少 90% 以上，同时保持细节和色彩极其锐利。屏幕样式可将其转变为你的家最需要的任何东西——带颜色编码日历、家务和膳食计划的家庭组织者；数码相框；或配备新 Alexa Home Map 的智能家居仪表盘，显示每盏灯、门锁、恒温器和摄像头在家中的确切位置。此外，它还内置完整的 Fire TV 体验。Echo Show 16 拥有我们在 Echo Show 上用过的最好的摄像头，具有最宽的视野、让每个人都保持在画面中的自动取景，以及首次加入的夜视功能，让你无论白天还是夜晚都能通过 Live View 查看。 Echo Show 16 今日起接受预订，售价 $499.99，纳米磨砂屏版本售价 $569.99。上市时间尚未确认，公司仅表示将于“今年晚些时候”开始发货。 iPhone Duo 保护壳 Beats 编织 USB-C 线缆

匹配字段正文