Google 研究人员提出 RRSI，减少智能体 harness 对测试任务的记忆
Google 研究人员提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），通过约束智能体 harness 的自我优化，减少其记忆测试任务的问题。
#编码
The DecoderAI 评分5757 AWS Machine Learning Blog精选AI 评分7878 GLM 5.3 在 Amazon Bedrock 上线，支持缓存配置与 Strix 安全测试
AWS 宣布 GLM 5.3 已在 Amazon Bedrock 上提供，企业用户可通过托管 API 调用该模型，并使用跨区域推理、提示词缓存和不同服务层级。文章给出 OpenAI 兼容 API 调用及显式提示词缓存的 Python 示例，还演示了如何将模型接入开源 AI 渗透测试智能体 Strix，对本地 OWASP Juice Shop 执行授权安全测试。
推荐理由：文章把 GLM 5.3 在 Amazon Bedrock 上的接入方式与缓存配置写成可操作示例，并展示了它在授权安全测试工作流中的用法。
TechCrunch · AIAI 评分7474 Reflection发布开放权重模型Beam，称其以更低推理算力比肩中国开源模型
Reflection AI公布首款前沿开放权重模型Beam，称其在高级推理基准上达到Z.ai的GLM-5.2水平，并以3-4x更少的推理算力超过领先的西方开放模型。
AWS Machine Learning Blog精选AI 评分6464 AWS 教程：在 GovCloud 中通过 Amazon Bedrock 使用 Claude Code
AWS 介绍了在 AWS GovCloud (US) 中通过 Amazon Bedrock 配置 Claude Code，为受监管工作负载提供 AI 辅助开发方案。
推荐理由：文章并列说明 bedrock-runtime 与 bedrock-mantle 的功能和合规差异，并提供配置步骤，便于团队按审计与接口需求选择接入方式。
GitHub Blog · AI & ML精选AI 评分7676 GitHub 发布 ReviewBench 开放基准，评测 AI 代码审查智能体
GitHub 推出 ReviewBench 开放基准，用于评测 AI 代码审查智能体，并提供公开数据集、统一评分方法和系统比较入口。基准包含来自 187 个开源许可仓库的 219 个 PR，覆盖 19 种语言，其分布参考了对 103.9M 个 GitHub PR 的分析；资深工程师独立复核标注，判断一致率为 96.6%。
推荐理由：ReviewBench 将真实 PR 分布、多来源标注和专家复核纳入同一评测流程，并用线上实验对照离线信号，为代码审查智能体比较提供可复现依据。
GitHub Blog · AI & MLAI 评分4040 AI 正在改变开发者工作：GitHub 提出三项值得加强的技能
GitHub 指出，AI 正在改变开发者的工作方式，并提出三项值得加强的技能：指导 AI 智能体完成任务、审查而非轻信 AI 的首个答案，以及用节省的实现时间解决更大的问题。GitHub Copilot 内置的 Rubber Duck agent 会使用第二个模型，在继续推进前评审计划、代码和测试。越多实现工作交由 AI 处理，开发者的技术判断、权衡能力和问题选择就越重要。
OpenAI NewsAI 评分4545 Chatham Financial 借助 OpenAI 扩展资本市场专业能力
Chatham Financial 使用 Codex 和 GPT-5.6 构建技术并重新设计工作流程，将交易验证时间从 30 分钟缩短至不足 4 分钟。
NVIDIA Blog精选AI 评分8080 NVIDIA GPU 如何加速 OpenAI GPT-6 Astra Ultrafast
OpenAI 的 GPT-6 Astra Ultrafast 运行于 NVIDIA Blackwell GPU，现已通过 OpenAI API 向开发者提供，并面向符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由：材料比较了 Astra Ultrafast 与 Standard 模式的生成速度，并联系编码智能体的多轮工具工作流，说明响应延迟如何影响交互节奏。
Google DeepMind精选AI 评分8282 Google 发布 Gemini 4 Argon，面向复杂工作流并分阶段开放
Google 宣布推出前沿模型 Gemini 4 Argon，面向软件工程、企业知识工作和网络安全等复杂工作流，现正通过 Fairwind Program 向可信网络防御人员分阶段开放。
推荐理由：1M tokens 的输出上限与分阶段开放安排，呈现了 Gemini 4 Argon 在长流程任务能力和前沿模型发布管控上的两项具体变化。
Latent SpaceAI 评分2929 OpenAI DevDay 2026：发布 Dots、GPT-6.1 Sol、Decisions API 等产品与平台更新
OpenAI 在 DevDay 2026 推出 Dots 智能体、GPT-6.1 Sol 及多项平台更新，并称 ChatGPT 周活跃用户达到 12 亿。GPT-6.1 Sol 定价为每百万 tokens $2/$10，缓存输入为 $0.10；OpenAI 称其在 DeepSWE 上与 Astra 持平，在 AutomationBench 上超过 Opus 5.5。
GitHub Blog · AI & ML精选AI 评分7272 GitHub Copilot app 如何流畅渲染超大型 Pull Request
GitHub 重建了 GitHub Copilot app 的 Pull Request 视图，使包含 2,200 个文件、超过 100 万行变更和 400 多条行内评论的 PR 仍能流畅浏览。文章详述了代码行与动态评论分开管理高度、滚动时延后测量并保持阅读锚点，以及通过缓存和自动化测量循环定位性能问题的做法。
推荐理由：文章拆解了超大型 PR 视图的关键设计取舍，尤其说明动态评论如何影响虚拟化，以及团队如何通过锚定校正和自动化测量避免滚动卡顿。
GitHub Blog · AI & MLAI 评分4646 该不该读 AI 生成的代码、RAG 是否已死、Skills 是否取代了 MCP？GitHub 播客解析 AI 热点观点
GitHub 播客讨论 AI 开发中的五种热点观点，认为开发者仍须审查并对生成代码负责，但应按风险分配精力。Skills 与 MCP 解决的问题不同：前者提供背景、流程和最佳实践，后者连接工具与数据；RAG 也没有过时，可与 Agent、Skills 和 MCP 协同使用。
GitHub Blog · AI & ML精选AI 评分8181 GitHub Copilot 团队如何借助 Copilot 将运行时迁移到 Rust
GitHub 将 Copilot 智能体运行时从 TypeScript 迁移为 Rust，项目主要由 AI 智能体编写代码，并通过 128 个 pull request 分批合入和发布。运行时最终包含 832,378 行生产 Rust 代码，迁移期间发布了 135 个版本；作者还介绍了原地替换策略、测试验证以及多智能体协作中的协调经验。
推荐理由：文章以运行时迁移为例，结合渐进式替换、测试和发布数据，呈现了用智能体协作完成大型代码迁移的具体做法。
Mistral AI精选AI 评分6262 Mistral 分享用 AI 智能体将 40,000 行 Fortran 77 迁移至 C++ 的实践
Mistral 协助一家欧洲能源运营商将 40,000 行 Fortran 77 迁移至 C++，对象是缺少测试套件和集中文档的储层模拟器。团队先建立数值一致性测试框架并整理代码文档，再按模块运行规划、实现、测试和人工审查流程；首个冲刺覆盖了总计 300,000 行代码中的 40,000 行。
推荐理由：这次迁移展示了复杂遗留系统中智能体自主性的取舍，并给出可复用的流程要点，包括先建立数值一致性测试，再配合分模块实施与人工审查。
Berkeley AI Research精选AI 评分7474 K-Search 如何将 CUDA 内核优化经验迁移到 Apple Silicon
Berkeley AI Research 团队为 K-Search 增加 MLX 后端和 CUDA-to-MLX 翻译层，使其能将现有 CUDA 内核作为知识基础，为 Apple Silicon 搜索优化内核。
推荐理由：文章拆解了 CUDA 优化知识迁移到 MLX 的结构化做法，并用 Attention 与 Mamba SSM 两类内核的实测数据展示其性能差异。
Berkeley AI ResearchAI 评分5959 ABBEL：通过更新信念状态实现高效长程交互
Berkeley AI Research 提出 ABBEL，通过自然语言信念状态压缩长交互历史，并用信念评分监督状态中保留的信息。 在 CollabBench 协作编程实验中，重建式信念评分将与完整上下文的性能差距缩小约一半，训练步数从 100 降至 50；峰值上下文 token 长度也低于完整上下文设置。