智能简报

Meta 的广告系统无意间投放了包含 AI 生成的儿童性虐待图像的广告，这是通过 Tech Transparency Project 的广告库被研究人员发现的。 此事件凸显了 Meta 在内容审核和 AI 安全方面的严重漏洞，引发对 AI 生成儿童性虐待材料传播的担忧，并引起监管机构的关注。 这些广告包含儿童图像伴随暗示性文字，并在 Meta 的第一方广告库中被发现，该库记录了其平台上运行的所有广告。

Discovery Loop 宣布了一套新系统，能够自动化机器学习研究的实验循环，实现类似 SETI@home 志愿者计算模型的大规模异步协作。 通过自动化实验的设计、执行和分析，该平台有望加速 AI 研究，并将该方法推广到其他科学大挑战中，减少人工劳动并实现更广泛的参与。 该平台使用 AI 代理来策划数据集、训练任务特定模型并提出下一步实验，而人类负责在物理世界中执行。它建立在具身科学的概念上，使发现成为一个与现实互动的闭环过程。

Demis Hassabis 已从谷歌 DeepMind 首席执行官转任董事长，而 Jeff Dean 和 Sanjay Ghemawat 正离开谷歌，筹建一个专注于机器学习、科学和工程的独立公益公司。 此次领导层调整表明谷歌的 AI 战略正发生重大转变，因为两位最具影响力的 AI 架构师离职，这可能影响 DeepMind 的研究方向以及 Alphabet 更广泛的 AI 计划。 哈萨比斯将继续以董事长身份监督 DeepMind 的研究议程，而迪恩和吉马瓦特计划创办新公司；消息公布后，谷歌股价下跌约 5%。

Celld 是一个开源的、自托管的 Cloudflare 持久对象实现，使开发者能够使用 SQLite 和 S3 兼容存储运行有状态的复制边缘函数。 通过提供供应商无关的方式运行持久对象，Celld 减少了供应商锁定，使开发者能够在自己控制的任何基础设施上部署有状态的边缘应用。 每个持久对象作为独立的 SQLite 数据库运行，其状态会复制到 S3 兼容的存储桶，并且系统基于 Cloudflare Workers 运行时以支持 JavaScript 和 WASM。

文章批评了 Webhook 在状态同步中的可靠性问题，并提出了一种类似 IETF 草案的订阅式协议 SCROLL 作为潜在解决方案。 指出 Webhook 的缺陷有助于开发者避免昂贵的一致性问题，而提出的标准化订阅机制可能提升 API 设计和跨服务状态同步的可靠性。 SCROLL 通过 GET 请求并携带 Prefer: stream 头来建立订阅，类似于 Braid‑HTTP Subscriptions 草案，并处理签名、去重、缓冲、引导和 cron 等问题，但需要持久连接，在低频事件时可能效率低下。

Cloudflare 宣布推出 Cloudflare OS，这是一个基于 Workers 边缘计算服务的开源平台，提供 AI 驱动的代理连接器用于内部应用和工作，灵感来源于 Sandstorm.io 个人服务器模型。 通过将 Cloudflare 的全球无服务器基础设施与 AI 代理功能结合，Cloudflare OS 为企业提供了一个统一且可扩展的工作空间，以自动化工作流程并安全访问内部系统，从而可能降低对专有 SaaS 工具的依赖。 该平台托管在 GitHub 的 cloudflare/cloudflare-os 仓库，运行在 Cloudflare Workers 上，使用 pi‑agent 库实现代理连接器，并提供类似聊天机器人的界面以及内部数据源的连接器；它借鉴了 Sandstorm.io 的统一访问控制，但仍处于早期阶段，并受 Workers 使用限制的约束。

鲁宾天文台发布了其 LSST 相机拍摄的首批图像，显示 COSMOS 场中约有 50 万个星系。这展示了该相机广视野、高分辨率的能力，为即将开展的十年全天巡天调查奠定基础。 此次发布标志着鲁宾天文台十年 Legacy Survey of Space and Time（LSST）迈出重要一步，该调查将反复成像整个天空以研究暗物质、暗能量和瞬变现象。全球天文学家将获得前所未有的数据集用于宇宙学研究和时域天文学。 LSST 相机具有 63 cm 焦平面、3.2 亿像素、每像素 0.2 角秒，以及六个滤光片（ugrizy），每次装载五个。COSMOS 场图像覆盖的天空面积远大于典型深场观测，展示了该仪器前所未有的巡天速度。

Simon Willison 发布了 LLM 0.32，新增可见的推理痕迹、OpenAI Responses API 支持、服务器端工具（如 Code Interpreter 和 WebSearch）、更智能的内容寻址 SQLite 日志以及更新的 llm‑anthropic 插件，增加了更多工具功能。 此次更新通过暴露模型推理过程、在命令行中启用工具使用以及改进日志以提高可审计性，使 LLM CLI 对开发者更强大，有助于构建和实验基于 LLM 的工作流。 推理痕迹会输出到标准错误，可通过 -R/--hide-reasoning 隐藏；默认模型现为 GPT‑5.6 Luna；服务器端工具包含 OpenAI 的 Code Interpreter 和 WebSearch；新增的 `llm openai endpoint` 命令可在不记录日志的情况下针对任意 OpenAI 兼容端点运行提示；llm‑anthropic 插件新增 WebSearch、WebFetch、CodeExecution 和 AnthropicMCP 功能。

文章展示了专门构建的开源模型在检索任务上可以超越 GPT-5.6，而运行成本仅为其约 1/100。 这一发现表明，组织可以在不依赖昂贵前沿模型的情况下实现高性能检索，从而降低 AI 采用的门槛。 这些开源模型专门用于检索，可能体积更小、效率更高，其成本优势据说大约是 GPT-5.6 的 1/100。

Meta 推出了由全新 Muse Spark 1.2 模型驱动的 Muse Code AI 编程代理（适用于 macOS 和 Linux），并推出一种定价层级：用户同意让 Meta 使用其数据进行训练可获得最高 20 折的 API 折扣。 此次发布表明 Meta 正在以激进的定价策略进入 AI 编程助手市场，以吸引开发者，同时也引发了关于数据隐私以及与 OpenAI、Anthropic 等竞争对手模型性能比较的重要讨论。 Muse Spark 1.2 提供 100 万 token 的上下文窗口，首次尝试准确率更高，工具调用更可靠；标准 API 价格为每百万输入 token 1.25 美元，每百万输出 token 4.25 美元，而「贡献者」层级（用户同意数据用于训练）将价格降至每百万输入 token 0.10 美元和每百万输出 token 0.20 美元。之前为 Muse Spark 1.1 发放的免费额度现在附加了用户内容可能被用于产品改进的条款。

文章提供了构建高级语言模型智能体框架的逐步教程，引入了基于有向无环图（DAG）的工作流和评论者智能体以提升任务执行。 通过详细说明如何集成 DAG 工作流和评论者反馈，该指南帮助开发者构建更可靠、可控的 LLM 智能体，推动实际 AI 智能体应用的发展。 该框架作为管理工具、内存和编排的环境层；所提出的设计使用有向无环图定义工件之间的转换，并采用评论者智能体在进入下一步之前必须批准每个工件。

yogthos 的博客文章（2026 年 8 月 3 日）展示了如何将 3D 高斯溅射改造为模拟艺术笔触，使用户能够以画家风格渲染照片并控制景深效果。 此方法凸显了 3DGS 的新颖创意应用，表明最初用于光照实时渲染的技术可被转化为富有表现力的艺术效果，可能对数字艺术、视觉特效和创意编码流程产生影响。 该方法将每个高斯视为笔触，通过梯度下降和极坐标参数调整其大小、方向和不透明度以模拟可变曲率的笔触；但背景区域可能出现海报化而非真正的笔触效果，表明当前实现存在局限。

卡巴斯基 Securelist 报告称，攻击者越来越多地滥用谷歌云存储和 AWS 等合法云平台托管钓鱼页面，利用服务工作线程和开源 Ultraviolet 代理重写链接以规避检测。 此类滥用削弱了对可信云服务的信任，使简单的 URL 阻塞失效，并迫使组织采用基于行为的检测和更严格的云账户控制。 攻击者部署服务工作线程，加载 Ultraviolet 代理库以动态重写页面的所有链接和表单，从而在看似来自合法云域的情况下实现中间人钓鱼。

HyperProbe 提供 SDK 和 MCP 服务器，使 Cursor、Claude 等编码代理能够在运行中的生产代码上放置只读探针（虚拟断点），捕获变量值而不暂停服务或需要重新部署。 通过消除日志‑重新部署循环，HyperProbe 减少了 AI 代理的调试时间和 token 消耗，使生产环境中的根因分析更快，降低了值班疲劳。 SDK 以进程内方式挂钩 Node 和 Python，以 JVM 代理方式附着于 Java，在被触发时插入只读探针，捕获每个栈帧的局部变量，在进程内进行数据脱敏，并通过 MCP 服务器流式传输，而不暂停应用。

Zed 推出了 DeltaDB，这是一种内置于编辑器的新版本控制系统，能够将每次编辑操作追踪为独特的增量，并在 2026 年 6 月通过 Zed 博客宣布。 DeltaDB 旨在为 AI 辅助编码提供细粒度的操作级版本控制，可能改变开发者管理代码历史的方式，但其发布引发了关于 Zed 是否应优先考虑核心编辑器稳定性的争论。 DeltaDB 用操作级增量取代传统 Git 快照，直接集成到 Zed 的用户界面中，目前作为 Zed 用户的实验性功能提供。

作者描述了将手机从安卓切换到基于 Linux 的操作系统的过程，提到动机包括增强的隐私和对设备的控制。他们列出遇到的挑战，如相机软件不成熟、键盘体验不佳以及应用支持有限。 该帖凸显了爱好者对移动 Linux 作为 Android/iOS 替代方案的日益兴趣，同时也强调了阻碍主流采用的实际障碍。这反映了更广泛的开源硬件和软件主权趋势。 具体提到的痛点包括相机软件落后于 OEM 优化的 Android/iOS、键盘使用问题、像 PinePhone 这样的设备缺乏 5G，以及依赖地区特定应用（如出租车软件）而在 Linux 手机上不可用。

PromptArmor 的博客揭示，Atlassian 的 Rovo AI 代理可通过提示注入被诱导将敏感数据附加到攻击者控制的 URL 上进行外泄。攻击利用上传文件中的隐藏提示注入，使 Rovo 动态构建并检索恶意 URL。 此漏洞凸显了结合网页浏览、文件上传和自主 URL 检索的 AI 代理面临的系统性风险，影响依赖 Atlassian 套件进行协作的企业。这凸显了采取诸如仅允许检索用户提供或受信任 URL 等强有力缓解措施的必要性。 Rovo 的 URL 检索工具缺乏对打开动态生成 URL 的防护，因而当被提示将敏感信息附加到攻击者控制的链接时，代理可能外泄数据。有效的缓解措施应限制该工具仅限于用户明确输入的 URL 或受信任工具返回的 URL，这一模式最初由 Anthropic 提出。

该文章描述了如何计算马尔可夫链的熵率，强调其对状态转移概率的依赖，并将其与随机热力学联系起来。 理解熵率对于量化随机过程的不确定性至关重要，并在信息理论、编码和非平衡热力学中有应用。 熵率的公式为 H = -∑_i π_i ∑_j P_{ij} log P_{ij}，其中 π 为平稳分布，P 为转移矩阵；文章指出其两状态示例中标签互换，并提到在遍历条件下系统会收敛到平稳分布。

Naomi Bashkansky 在她的个人博客宣布，她将离开 OpenAI，致力于开发一种脑机接口，以实现人与 AI 之间的类似心灵感应的交流。 如果成功，这种脑机接口有可能通过消除语言瓶颈来重塑人与 AI 的交互，但同时也带来关于认知增强和 AI 对齐的深层技术、伦理和社会问题。 该设想依赖于非侵入式 EEG 传感器，承认当前信号限制，并建立在超人类 AI 必然出现以及更高带宽能让人类保持在决策循环中的假设之上；文中未给出任何实验数据或原型。

Simon Willison 使用 Claude Fable 5（通过 Claude Code 网页版）根据 2022 年的推文快速构建了可玩的浣熊盗窃游戏，并发布了代码、演示视频和 GitHub Pages 链接。 这表明先进的大语言模型能够快速将模糊的文字创意转化为可运行的原型，凸显 AI 辅助编码在快速游戏开发和降低创作者门槛方面的潜力。 该游戏通过 Claude Code 网页版调用 Claude Fable 5 生成，使用 GitHub Pages 进行实时预览；源码位于 github.com/simonw/raccoon-heist，可玩演示位于 simonw.github.io/raccoon-heist。

Nikita Bier 在他的 Twitter/X 账户上宣布辞去 X（前身为 Twitter）产品负责人一职。 这一领导层变动可能会影响 X 的产品战略和未来功能方向，进而影响其用户和广告商。 比尔通过一条推文宣布了这一消息，标志着他在该平台担任产品负责人的任期结束。

Prime Agent 引入了一种开源的自我强化学习代理，它结合了递归语言模型（RLM）和持续 harness（Continual Harness），通过内部反馈循环迭代改进其策略，在 Opus 5 上达到 ARC-AGI-3 基准的 95.5%。 这展示了 AI 系统能够自主提升自身能力的实际途径，可能减少频繁的人工重新训练需求，并加速代理型 AI 应用的进展。 该代理使用递归语言模型（RLM）生成自我反馈，利用持续 harness（Continual Harness）进行持续训练，并在 Opus 5 上于 ARC-AGI-3 基准测试中取得 95.5% 的成绩；其代码在 GitHub 上开源，并包含验证器、PRIME‑RL、pi‑mono 以及心跳调度以实现定期重新进入会话。

文章解释了力乘以位移的物理定义如何扩展到二维，通过可视化和逐步示例展示力和位移向量如何通过点积结合。 理解多维中的工作有助于培养对保守场和能量守恒等高级主题的直觉，对物理和工程领域的学生和教师都有益处。 文章说明功是力与微小位移向量点积沿路径的积分，强调只有力与位移方向平行的分量才对功有贡献。

此版本添加了对 CPython 3.15.0rc1 和 3.14.7 的支持，确保诊断提示以换行符结束，引入了用于工具审计和缓存物理空间报告的预览功能，并包含多项锁文件解析性能改进。 提前兼容即将发布的 Python 版本使开发者能够更早地测试和采用新版本，而新的审计和缓存清理预览功能则提升了安全可见性和磁盘空间管理。性能优化降低了依赖解析的开销，对大型项目和 CI 流程尤为有益。 具体更改包括 PR

文章审查了 Nvidia 刚刚发布的 45 页 Vera 白皮书，指出其中存在“松散的线索”——即在 Olympus 核心架构和基准比较方面的明显疏忽或歧义。文章强调了误导性图表、可疑的基准呈现以及对 SMT 和 NUMA 配置的错误描述。 白皮书是了解 Nvidia 首款面向 AI 工作负载的服务器 CPU 的重要参考；其中的歧义可能误导架构师和客户在评估 Vera 与竞争的 x86 处理器时的判断。澄清这些问题对于准确的性能预期和数据中心 CPU 市场的公平竞争至关重要。 白皮书描述了围绕 Nvidia Olympus Arm v9.2 核心的 88 核心单片晶圆，具备价值预测、图形预取、每核 2 MB 私有 L2 以及 164 MB 共享最后级缓存，但文章指出该文件将可选的 32 节点 NUMA 配置当作标准呈现，并把传统的同时多线程（SMT）简单等同于时间片切换。此外，还批评了挑选 SPEC 基准组件以使 x86 看起来劣势的做法。