头条精讲
走进 Uber 的 AI 工程基础设施（在新标签页打开）
推荐理由编程智能体怎样在数千人工程组织里交付代码？Uber 的完整访谈把模型与工具网关、上下文图、云端工作区和测试反馈放在同一条链路中。研发负责人可据此检查自己的平台缺口，理解既有工程资产如何被智能体复用，以及为什么验证与发布能力会决定代码生成的实际收益。
Uber 工程负责人说明多年开发者平台建设如何支撑模型与工具网关、共享技能、上下文图谱、云端编程智能体和自动验证。
CASTLE：在第一次真实查询之前训练自然语言搜索（在新标签页打开）
推荐理由新搜索还没有真实查询，怎样先获得可信训练数据？Airbnb 从脱敏预订行为构造房源正负对，同时生成查询和相关性标签，再用种子查询校准表达分布。做搜索、推荐与企业检索的团队，可学习把真实业务选择转成监督信号，并分别检验语言分布与标签质量。
CASTLE 是一个用于生成高质量自然语言搜索训练数据的框架，它使用预订会话中的对比列表对，确保查询与真实用户行为匹配，并且相关性标签在构造上是准确的。
Meta 的生成式广告模型（GEM）：为前沿广告 AI 扩展中央模型与计算引擎（在新标签页打开）
推荐理由大型推荐基础模型怎样服务低延迟业务？Meta GEM 把跨应用信号汇入中央模型，通过结构化表征、历史记忆和提前计算，把能力传递给实时广告模型。推荐与基础设施团队可从中理解统一训练、长序列建模和服务成本如何相互制约，判断哪些能力应离线计算、哪些必须保持新鲜。
GEM 2026 将 Meta 的广告预测统一到一个模型中，覆盖所有界面和目标，并利用 LLM 规模的计算和后训练技术，实现了显著的性能提升，同时保持低延迟。
今日精华
开放模型能跟上 OpenAI 和 Anthropic 吗？Nathan Lambert 谈算力、数据与 Trillium（在新标签页打开）
推荐理由关注开放模型的人可借 Lambert 的一手访谈，把榜单竞争拆成算力、数据与研究环境，判断开放权重之外还缺哪些持续创新条件。
Nathan Lambert 分析算力、数据和人才如何影响开放模型竞争，并解释 Trillium 为什么投入开放训练环境、后训练基础设施和公共研究。
问题不在 AI，而在基础设施：Jiachen Jiang 谈智能体安全（在新标签页打开）
推荐理由负责智能体上线的团队可把安全问题落实到运行隔离、身份和短期凭据，检查工具调用真正获得了哪些权限。
Jiachen Jiang 借三起智能体事故说明，隔离环境、收窄权限、短期凭证、模型代理与独立日志，比仅靠提示词更能限制实际损害。
淘宝 TaoMate-H3 开源：三步生成「分钟级」音视频连续创作（在新标签页打开）
推荐理由音视频开发者可从分块生成、少步推理和连续续写理解流式体验，结合开放代码与硬件条件选择可验证的试用任务。
TaoMate-H3 是由阿里巴巴 TaoLive AIGC 团队基于 MiniMax H3 研发的音视频联合流式生成模型，通过三步 LoRA 推理与自回归生成，支持分钟级连续创作，并已正式开放推理代码和权重。
Dyna-2：具备小时级自主能力的通用物理智能体——Jason Ma，Dyna Robotics（在新标签页打开）
推荐理由机器人从演示走向客户现场还差什么？Jason Ma 的训练与部署经验，帮助读者同时考察长时执行、数据来源和故障恢复。
Dyna Robotics 推出 Dyna-2，一个基于百万小时人类视频训练而成的世界-行动模型，使机器人能够预测未来状态并可靠、自适应地执行复杂物理任务。
如何使用 AI 代理将 Apache Spark UDF 重写为 GPU 加速版本（在新标签页打开）
推荐理由数据工程团队可复用识别 CPU 回退、GPU 等价重写、测试和基准验证的闭环，把智能体用于有明确验收条件的性能优化。
本文介绍了一种使用 AI 代理将 Apache Spark UDF 重写为 GPU 加速实现的工作流程，通过消除代价高昂的 CPU 回退操作，实现了显著的性能提升。
HiRO-ACEv2：以极低成本实现 3 公里分辨率的极端天气模拟（在新标签页打开）
推荐理由关注 AI 科学的人可理解气候降尺度如何降低模拟成本，并通过极端事件检验判断模型适合支持哪些研究。
HiRO-ACEv2 是 Allen AI 气候模拟器的最新更新，通过改进的多场下调参和极端事件预测，以仅 1/300 的成本即可实现与全分辨率全局模拟相当的 3 公里分辨率极端天气模拟。
对话出海一叮易宛尧：品牌出海的每一个环节，都值得用 AI 重做一遍（在新标签页打开）
推荐理由做出海业务与垂直智能体的人，可从广告和网红协作案例判断自动化切口，把交付目标从工具使用转到客户 ROI。
出海一叮创始人易宛尧分享了公司从传统服务向 AI 驱动转型的历程，强调 AI 不仅用于内部提效，更将重构整个出海业务流程，并探讨了在 AI 时代如何建立新的组织和人才竞争力。
补充阅读
你的 GPU 邻居可以听到你的模型 —— Branislav Brzak，Stealthium（在新标签页打开）
推荐理由部署共享 GPU 的团队可了解时序侧信道如何暴露模型特征，重新检查硬件隔离之外的威胁模型与租户安排。
Branislav Brzak 解释了在共享 GPU 硬件上的边信道攻击如何让攻击者识别出 LLM 的架构、深度和工作负载，而无需直接访问数据或模型。
Natura-1 发布：从百万小时人类经验中学会零样本泛化与灵巧操作（在新标签页打开）
推荐理由关注物理 AI 的读者可对照人类视频预训练与机器人后训练的分工，判断零样本演示背后需要哪些数据与评测。
自然意志发布 50B 参数 MoE 模型 Natura-1，在 100 万小时人类视频上预训练，实现灵巧手零样本指令遵循，在 12 项基准测试中得分 53.4～59.1，远超现有模型，并展示出长程任务稳定性和意外的恢复能力。
为 AI 规模的提交量重建 CI：Gautam Korlam 谈合并队列与审计证据（在新标签页打开）
推荐理由研发平台团队可学习合并组合测试和提交证据留存，检查智能体带来的提交增长是否超过现有 CI 的承载能力。
Gautam Korlam 指出，智能体大量提交代码后，CI、评审与合并队列会成为新瓶颈；应结合增量检查、风险分级审批和持久审计记录。
Agentic Verification（在新标签页打开）
推荐理由使用编程智能体的开发者可从快速测试和差分检查建立反馈闭环，把人工注意力留给成功标准与关键设计判断。
To achieve high-quality output from AI agents, it is essential to equip them with robust verification mechanisms, such as end-to-end tests and property-based checks, rather than relying on slow, manual code reviews.
SSR-Merge：把 LoRA 合并从'参数算术'变成'信号路由' | ICML 2026（在新标签页打开）
推荐理由研究 LoRA 组合的人可了解子空间信号路由与参数相加的差别，判断免训练合并适合哪些任务与实验设置。
SSR-Merge 通过在信号空间进行路由，而非在参数空间进行算术，解决了多 LoRA 合并时的干扰问题，实现了高保真度的任务组合。
GitHub - RayenMlayeh/jevcrawl：专为 AI 代理打造的网站抓取解决方案——比 Crawl4AI 更高效，比 Claude 抓取便宜 10 倍。（在新标签页打开）
推荐理由构建网页研究智能体的人可理解选择页面与提取段落如何影响成本，并据自己的任务集复验小样本抓取结果。
jevcrawl 是一款专门针对 AI 代理的网页抓取器，它利用决策模型来选择性获取和分析页面，从而显著提高在线信息搜索的效率和成本效益。
怎样真正节省 Token 成本：Alvin Pane 的智能体评估与优化方法（在新标签页打开）
推荐理由负责模型成本的人可先测现有系统自身的波动，再比较缓存、提示词和模型替换，避免把分歧直接当成质量退化。
Alvin Pane 提出以评估驱动的智能体降本流程：记录任务链路、测量生产系统自身波动、优化提示词、选用合适模型，再通过成对人工复核决定能否发布。
Third Moment Research 如何运行 10,000 个代理 36+ 小时（在新标签页打开）
推荐理由需要长程研究的团队可借外层监督与环境优化案例定位瓶颈，区分任务运行效率和研究结果本身的价值。
Third Moment Research 借助 OpenAI 的 GPT-6 模型和 Codex，开展大规模的自主研究会话，从而大幅提升了回测速度和代理效率。
手把手带工程同学从零实现一个完整的 LLM（CS336）——Transformer 篇（在新标签页打开）
推荐理由想补齐模型基础的工程师可沿可运行代码理解注意力、前馈网络与训练，建立诊断 LLM 行为的结构化知识。
本文详细介绍了如何从零构建一个基于 Transformer 的语言模型，涵盖了从数据预处理、模型架构设计到训练优化的全过程，并提供了可执行的 Python 代码示例。
宣布 Apigee hybrid 支持 MCP：可在自有集群中运行的智能体工具（在新标签页打开）
推荐理由企业平台团队可判断自有集群 MCP 数据面怎样继承 API 治理，在数据驻留、工具开放与运维成本之间做选择。
Apigee hybrid 1.17.0 引入了对 Model Context Protocol 的支持，使 AI 智能体能够从 Kubernetes 集群中直接发现和调用 API，而不会将数据暴露于公有云。
