GitHub 推出 ReviewBench，作為 AI 程式碼審查開放基準
GitHub 推出 ReviewBench，作為評測 AI 程式碼審查智能體的離線基準，研究預覽版已可透過網站使用。
推薦理由：ReviewBench以219個跨19種語言的公開PR建立評測集，並公開多來源標註與評分方法；資深工程師判斷與基準的一致率為96.6%。
10月6日 · 周二
精選
最新精選
GitHub Blog · AI & ML精選AI 評分6363
AWS Machine Learning Blog精選AI 評分6161 Claude Platform on AWS 多環境存取實作指南
AWS Machine Learning Blog 提供 Claude Platform on AWS 多環境存取指南，示範為 AWS 工作負載、開發者筆電及外部環境配置推理存取。
推薦理由：文章按 AWS 工作負載、開發者筆電與外部環境，示範 cross-account SigV4、workspace-scoped API key 和 OIDC federation 如何配置，並維持 workspace 隔離。
AWS Machine Learning Blog精選AI 評分6969 使用 Amazon Quick 與 Adjudicated Query 模式，對數萬份租約進行合規掃描
AWS 介紹並部署 Adjudicated Query 模式，讓 Amazon Quick 的自然語言合規查詢透過固定 MCP 操作交由確定性規則引擎判定，而非由模型作出決策。
推薦理由：文章把自然語言查詢與合規判定分開，並以完整性收據和逐筆證據鏈展示如何核對大量檢查結果。
Google Research精選AI 評分6464 Google Research 介紹採用 TEE 的新一代聯邦學習系統
Google Research 公佈採用可信執行環境（TEE）的新一代聯邦學習系統，讓伺服器端的數據匿名化處理可供驗證和審計。設備上傳的訓練數據只會交由符合預先授權存取政策的 TEE 工作負載解密處理，相關政策亦發布於 Rekor 公開透明日誌。Gboard 已採用新系統推出英文及日文下一詞預測模型，模型私隱保障更強、準確度更高，計算時間亦較舊系統大幅縮短。
推薦理由：文章比較舊式聯邦學習與 TEE 架構在服務端可驗證性上的差異，並交代存取政策公開記錄機制及 Gboard 部署後在私隱、準確度和訓練速度上的變化。
AWS Machine Learning Blog精選AI 評分6666 如何用 Amazon Bedrock AgentCore 構建環境式智能體，串聯事件觸發與人在迴路工作流
Amazon Bedrock AgentCore 的參考實作把 Amazon S3 上傳或排程事件轉成智能體工作，並讓智能體在需要澄清、審批或覆核時暫停等待人員回應。
推薦理由：文章把事件來源、AgentCore 執行與人在迴路處理串成參考架構，並清楚區分樣本內建能力與需自行擴展的訊號來源。
Google DeepMind精選AI 評分7777 Google DeepMind 發佈 Gemini 4 Argon，面向複雜長流程任務
Google DeepMind 發佈前沿模型 Gemini 4 Argon，面向軟件工程、企業知識工作及網絡安全等複雜長流程任務。其輸出 token 上限由 64K 提至 1M，在 DeepSWE v1.1 得分 77.9%，並在 LVBench 得分 91.7%。
推薦理由：Gemini 4 Argon 將輸出上限由 64K 提至 1M tokens，文章把這項擴容與處理更長、更複雜工作流程的能力相連。
Google DeepMind精選AI 評分7171 Google DeepMind 推出 SynthID Bio，為 AI 設計蛋白質加入可檢測水印
Google DeepMind 推出 SynthID Bio，將可檢測水印嵌入蛋白質序列和預測結構，以辨識 AI 生成的生物設計。
推薦理由：SynthID Bio 把水印延伸至合成後的蛋白質，並以三種靶蛋白的濕實驗展示來源辨識與保留生物功能並行的做法。
NVIDIA Blog精選AI 評分6565 NVIDIA 與 CoreWeave 打通智能體 AI 從訓練到生產的閉環
CoreWeave 宣佈在 CoreWeave Cloud 提供 NVIDIA Vera Rubin NVL72，並推出 CoreWeave Forge，推進智能體 AI 從訓練到生產的部署。
推薦理由：文章披露 Cognition 對 Vera Rubin NVL72 與 GB200 NVL72 的 SWE-2 推理測試，列出最高 4.8x 的總 token 吞吐提升，讓兩種平台在智能體編碼工作負載下可作量化比較。
Hugging Face Blog精選AI 評分6565 Open TTS Leaderboard 為多語言文字轉語音與聲音複製提供可擴展評估
Hugging Face 建立 Open TTS Leaderboard，以客觀指標評估開源、多語言 TTS 模型及聲音複製能力。評估涵蓋 WER/CER、批次推理速度（RTFx）、首段音訊延遲（TTFA）及説話者相似度（SIM），可把單個模型的評估時間由數週縮短至數小時。排行榜不取代人工偏好評選，並設有 Listen 頁籤供用户比較生成音訊及投票；其指標不直接衡量自然度、表現力或聽者偏好。
推薦理由：排行榜以客觀指標並列呈現語音清晰度、説話者相似度與速度表現，並保留聆聽投票，方便比較多語言及聲音複製模型。
AWS Machine Learning Blog精選AI 評分6767 GPT-6.1 Sol 在 Amazon Bedrock 正式開放使用，面向智能體編碼與專業工作負載
GPT-6.1 Sol 已在 Amazon Bedrock 正式開放使用，面向智能體編碼、電腦操作及專業工作負載。OpenAI 表示，GPT-6.1 Sol 在 DeepSWE v1.1 上匹配 GPT-6 Astra，單項任務成本約為 GPT-6 Astra 的五分之一；其分數亦比 GPT-6 Sol 的最佳結果高 6.4 個百分點，且所用推理力度較低。
推薦理由：文章列出 GPT-6.1 Sol 在 DeepSWE v1.1 上與 GPT-6 Astra 的任務成本對照，並比較其對 GPT-6 Sol 的分數提升。
Hugging Face Blog精選AI 評分6565 NVIDIA Kumo Tabular 為表格預測樹立準確率與效率的新前沿
NVIDIA 發佈開放式表格基礎模型 Kumo Tabular，用於表格分類與回歸，可根據帶標籤的上下文列，在單次前向傳播中預測新列標籤，無需訓練、調參或特徵工程。
推薦理由：文章列出四項基準的結果，並以梯度提升樹、AutoGluon 等方法作對照，為表格預測模型的效能評估提供具體比較參照。
Microsoft Research精選AI 評分6161 Microsoft Research 介紹 Quine 生物學 AI 研究系統並開放 Fellows 計劃申請
Microsoft Research 介紹 Quine，一個結合生物學多模態世界模型與互動式研究流程的 AI 研究系統，並開放首屆 Quine Fellows 計劃申請。
推薦理由：Quine 將跨生物模態的世界模型接入文獻、科研工具與實驗迴圈，並以胰臟癌細胞狀態轉換案例展示預測如何進入濕實驗驗證。
OpenAI News精選AI 評分6868 OpenAI 發佈 GPT-6.1 Sol，稱其智能接近 Astra，API 輸入及輸出 token 價格為 Astra 標準價五分之一
OpenAI 發佈 GPT-6.1 Sol，稱其面向編碼、電腦操作及專業工作，智能水平接近 Astra。其 API 輸入及輸出 token 價格均為 Astra 標準 API 對應價格的五分之一。
推薦理由：公告把 GPT-6.1 Sol 的工作場景定位與 Astra 標準 API 輸入、輸出 token 價格作比較，便於瞭解其能力主張與定價定位。
Hugging Face Blog精選AI 評分7070 Holo4 發佈通用電腦操作智能體模型系列
H Company 發佈 Holo4 通用電腦操作智能體模型系列，提供 27B dense 與 35B-A3B Mixture of Experts，並推出更新版 Holotron4 Nano。
推薦理由：文章提供 Holo4 在 OSWorld 2.0 的規格分數、Opus 5.5 對照和成本估算口徑，並指出各模型的測試框架與任務子集不盡相同，便於理解比較條件。
GitHub Blog · AI & ML精選AI 評分6666 GitHub Copilot app 初學者指南：如何用 canvases 建立自訂工作流程
GitHub Copilot app 的 canvases 可按用户描述生成自訂介面，讓用户與智能體在共享畫布中同步查看和更新工作內容。用户在 Agent 工作階段輸入 /create-canvas，描述所需工作流程、介面操作和智能體可執行的事項，毋須手動編寫程式或設計。畫布建立後會保存為擴展，可留在專案中供團隊共用，也可保存為個人擴展重用。
推薦理由：文章從描述工作流程、介面操作與智能體職責開始，示範如何建立、反覆調整並保存可重用的畫布擴展，呈現把日常流程轉成協作介面的具體步驟。
Microsoft Research精選AI 評分6363 Microsoft 為 Physical AI Toolchain 加入機械人推理卸載功能
Microsoft 宣佈 Physical AI Toolchain 新增機械人推理卸載功能，支援透過 Kubernetes 工具把 AI 工作負載分配至機械人、邊緣 GPU 和雲端。
推薦理由：文章將實機工作負載的效能、電池續航與算力配置放在同一脈絡比較，並介紹以 Kubernetes 分配推理的工具，呈現卸載方案的收益與代價。
Google DeepMind精選AI 評分7272 Google DeepMind 推出 Gemini 3.8 Flash TTS 與 Gemini 3.8 Flash-Lite TTS
Google DeepMind 推出 Gemini 3.8 Flash TTS 與 Gemini 3.8 Flash-Lite TTS，支援自訂聲線、逐句控制表演及雙人對話生成。
推薦理由：兩款 TTS 模型涵蓋逐句演繹與長篇生成，Flash TTS 另可自訂聲線；聲音複製設有同意驗證，生成音訊加入 SynthID 水印，呈現創作控制與防護安排。
NVIDIA Blog精選AI 評分6262 NVIDIA 發佈 Isaac ROS 5.0，加入智能體工作流並支援 ROS Lyrical
NVIDIA 發佈 Isaac ROS 5.0，加入讓開發者與 AI 智能體協作構建機械人的工作流，並支援 ROS Lyrical 和 Ubuntu 24.04。
推薦理由：Isaac ROS 5.0 把智能體工作流、可重用技能和平台支援納入開源機械人開發，呈現開發工具銜接 Jetson 部署的實作路徑。
Hugging Face Blog精選AI 評分7373 Hugging Face Transformers 新增 GGUF 量化模型本機推理支援
Hugging Face 為 Transformers 加入 GGUF 支援，讓用户可透過熟悉的 Transformers API 在本機載入量化檢查點並生成內容。
推薦理由：文章示範透過 Transformers API 從 Hub 載入 GGUF 量化檢查點，並以 Q4_K_M 等選項説明檔案大小與精度的取捨。
Google DeepMind精選AI 評分7575 Google DeepMind 發佈 Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking
Google DeepMind 發佈 Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking，前者面向規模化與成本效率，後者針對高複雜度任務。
推薦理由：文章區分兩款模型在規模化成本效率與高複雜度任務上的定位，並列出語音代理基準成績，方便比較其應用取向。