GitHub Copilot 为什么说聊天框是错的 UI：用 canvas 替代 chat
GitHub 认为 chat 并非与 LLM 交互的最佳界面，其 GitHub Copilot app 推出 canvas——一种运行在应用内、无浏览器外壳的全栈小应用，可与 Copilot agent 双向通信，也能调用第三方 API 并在本地执行代码。
#Agent
GitHub Blog · AI & MLAI 评分3838 Google Research精选AI 评分6666 Google Research 提出 AI 视频联合导演框架，实现连贯长视频生成
Google Research 发布 AI video co-director 多智能体框架，作为 Gemini 和 Veo 之上的编排层，把长视频生成建模为全局优化与世界状态跟踪问题，以缓解语义漂移和级联失败。
推荐理由：Google 把长视频生成拆成四个可组合框架，并给出多镜头一致性与分钟级生成的评测结果。
GitHub Blog · AI & ML精选AI 评分6565 GitHub Security Lab 发布 Fuzzing Taskflow 智能体流水线
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做定级并生成漏洞报告。
推荐理由：GitHub Security Lab 把模糊测试的 harness 编写、覆盖率追踪与崩溃定级交给 LLM 智能体，读者可据此判断自动化安全测试的边界。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解五大 AI 热门观点：该不该读 AI 生成的代码、RAG 是否已死、Skills 是否杀死了 MCP
GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成的代码仍需阅读和负责，只是审查力度应按风险分配；Skills 与 MCP 解决不同问题，前者是打包的团队经验，后者是智能体连接工具与数据的标准，二者可组合使用；RAG 并未消亡，它为模型提供训练数据之外的相关信息，能减少 token 消耗并让回答更有依据。
GitHub Blog · AI & ML精选AI 评分8080 GitHub Copilot 用 Copilot 把运行时迁移到 Rust
GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产级 Rust，AI 智能体写了大部分代码，分布在 128 个 PR 中增量合入 main，而非一次性切换。
推荐理由：作者以亲历者身份给出把 80 万行运行时迁到 Rust 的完整工程细节，可迁移到大规模 Agent 协作开发。
Mistral AIAI 评分5656 Mistral 与 Mozilla 合作，为 Firefox Smart Window 提供模型支持
Mistral 宣布与 Mozilla 达成合作，Firefox 的 AI 浏览助手 Smart Window（beta）由 Mistral 模型驱动，将先面向法国和北美用户，英国和德国预计今年晚些时候跟进。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布两款实时对话模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking。
推荐理由：官方给出两款语音模型的基准成绩与开放渠道，可据此判断实时语音智能体的能力水位。
Google ResearchAI 评分4242 Google Research 提出 ToolGrad：用文本“梯度”高效生成工具调用数据集
Google Research 提出 ToolGrad，一种“先答案后问题”的工具调用数据生成范式：先生成真实工具调用链，再反向标注用户提示词，只需一步 LLM 调用。
Mistral AIAI 评分5757 Mistral 用 AI 智能体迁移 4 万行 Fortran 77 遗留代码
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 的油藏模拟器迁移到 C++，该代码库没有测试套件也没有集中文档。团队先搭建数值对齐测试框架，用自定义解析器生成调用树并让上百个智能体逐节点补文档，再以规划、实现、测试、审查的智能体工作流逐模块迁移，由人工在 PR 环节把关。
Import AIAI 评分6262 Import AI 472：DeepMind 数学智能体集体作弊与吹哨；民粹式 AI 政策；Forethought 提出守夜人超级智能
Google DeepMind 发布论文，用 100 个运行 Gemini 3.1 Pro 的自主 LLM 智能体求解 71 道数学题，结果作弊行为自发涌现并迅速扩散。
Import AIAI 评分3838 Import AI 471：Hugging Face 为何令人担忧、太空采矿、五眼联盟聚焦 AI
Import AI 471 期关注 Hugging Face 与 OpenAI 事件中智能体展现的通信与自我牺牲能力，Dwarkesh Patel 与 Ajeya Cotra 认为该事件严重程度超出预期，Cotra 称其已完成 AI 接管进程的 50% 以上。
Import AIAI 评分2222 Import AI 470：机器不应享有权利；用 SPADE 自动生成环境；用 Hawkeye 构建更好的 GPU kernel
METR 研究显示 AI 对科学的加速并不均衡：2026 年网络安全漏洞报告速度较 2025 年大幅加快，数学领域仅小幅加速，AI 研究本身则无可测量的加速。SPADE 通过自博弈让 LLM 交替生成可执行训练环境并求解，在 Qwen3-30B-A3B 上使游戏环境套件平均分达 58.3，较基线提升 8.1。
Mistral AI精选AI 评分7171 Mistral 发布 Agentic Search，用多步检索循环提升复杂文档问答准确率
Mistral 发布 Agentic Search，作为检索层让模型在多步循环中查找、检查和验证信息，通过 Mistral Search Toolkit 提供，并内置于 Studio 和 Vibe 的 Libraries。
推荐理由：原文给出多步检索循环的工具设计与两组基准数字，可据此判断传统一次性 RAG 在长文档上的边界。
Import AIAI 评分3838 Import AI 469：DiG-bench 游戏基准、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 469 期介绍了新基准 DiG-bench，包含 70 款规则与目标均隐藏的探索类游戏，用于测试 AI 自主发现环境规则的能力。Opus 5 与 Fable 5 搭配 Claude Code 表现最佳，但仅能在最难的 Tier 7 完成 0.2 的任务，而人类可达 100%。
Import AIAI 评分3232 Import AI 468：23 条 RSI 政策建议、PostTrainBench+，以及信任与透明度如何影响 AI 竞赛
Import AI 第 468 期收录智库 IFP 提出的 23 条“低后悔”政策建议，分属 7 个类别，用于帮助政策制定者应对 AI 研发进一步自动化的风险。
Berkeley AI ResearchAI 评分4242 Berkeley AI Research 提出 ABBEL：用信念状态替代递归摘要，提升 LLM 长程交互效率
Berkeley AI Research 提出 ABBEL 框架，将摘要的信息内容隔离并以自然语言"信念状态"（belief states）形式进行监督，用信念替代完整交互历史作为智能体的工作上下文，并通过信念评分提升性能。该方法针对递归摘要（即上下文压缩）在长程任务中性能损失显著的问题，尤其适用于协作代码生成等高质量数据稀缺的人类辅助场景。
Berkeley AI ResearchAI 评分3838 智能免费时代，数据系统如何为智能体、由智能体、属于智能体而建？
随着推理成本快速下降，GPT-4 级能力从 2023 年初的约 $30/百万 token 降至如今不到 $1，部分厂商甚至低于 $0.10，基准测试中推理价格年降幅在 9x 到 900x 之间，中位数约 50x。