GitHub Copilot会话可在VS Code中继续
GitHub发布教程,介绍如何把GitHub Copilot应用中的会话直接打开到VS Code,保留任务、计划、对话、代码差异和worktree,继续审阅、手动修改、本地测试并推送到同一PR。前提是已安装并登录Copilot应用和VS Code,且对仓库有推送权限。
GitHub发布教程,介绍如何把GitHub Copilot应用中的会话直接打开到VS Code,保留任务、计划、对话、代码差异和worktree,继续审阅、手动修改、本地测试并推送到同一PR。前提是已安装并登录Copilot应用和VS Code,且对仓库有推送权限。
Google Research 介绍三项研究,用 VERID 框架把 AI 智能体接入湿实验室的物理现实。VERID 基于开源 PyLabRobot 构建实验室工作单元的语义数字孪生,提供实时 3D 状态跟踪、秒级虚拟干跑、硬件安全检查与视频动作日志同步,智能体在触碰试剂前先经仿真验证。在适配体闭环实验中,智能体经 3 轮设计-测试迭代,把肌红蛋白和 α-凝血酶的确证在靶命中率分别提升到 33.5% 和 42.1%,α-凝血酶特异性达 98.5%。在 FAP 从头结合体设计中,仅数轮实验即获得个位数纳摩尔亲和力,局部结合口袋折叠让每轮提速超 8 倍,人机协作在同等算力下把 in-silico 命中率提高近一倍。
微软研究院发布零知识虚拟机Magnetar,可直接证明Rust、Go、C程序执行,速度比同类最快系统平均快10至39倍,证明验证约12毫秒,安全性仅依赖SHA-256等标准哈希函数,无需椭圆曲线或可信设置。
苹果联合CMU等提出选择式结构化推理SSR,将每步推理改为从预设候选句中按似然选择,支持并行打分。在2B/4B模型、七个多模态搜索基准上,任务表现与同规模领先智能体相当,单轮推理延迟降低超90%,单题总推理延迟降低28–54%。
Apple发布新版MLX,借助M5 Ultra的统一内存与雷雳5 RDMA,可在单台或四台Mac Studio上本地运行Muse Spark Open等前沿模型;四机张量并行下解码速度超36 tokens/秒,首字延迟较上代最高快4.6倍。
Google Research 发布地理空间推理智能体技术报告,在四个基准上评估 Gemini 3.8 Flash 与 Gemini 3.1 Pro 的四种配置,并开源 GeoKTools 和 GeoExpertQueries 两个新基准的开发集。报告称接入 Earth AI 专用工具后,GeoExpertQueries、GeoKTools 和 CBGB 得分明显提升,而开放式任务还需前置规划阶段;UnivEARTH 上单靠 LLM 即得 93.6%。同时 Google 扩大 Ask Google Earth 深度分析与 Agent-to-Agent API 的早期访问,WHO 非洲区办在刚果(金)埃博拉疫情中用它数分钟内定位 48 个高风险定居点、逾 4.55 万人。
Lightseek公布TokenSpeed在Qwen3.8-Flash-Next上的推理优化结果:在4块NVIDIA GB300、NVFP4配置下,每用户输出速度达685 tokens/s,并公开内核与服务优化细节及GitHub仓库。Qwen官方转发祝贺,称期待社区进一步释放Qwen推理潜力。
GitHub公布新的密钥检测流水线:正则召回候选,微调ModernBERT结合文件路径与上下文分类,替代此前远程LLM调用。官方称仓库主加权接受率提升11.5%,推送后扫描中位耗时降86%,服务成本降超98%,并借此把通用密钥检测扩展到推送保护。
GitHub博客面向初学者介绍定制Copilot项目上下文的四种方式:仓库级与路径级自定义指令、封装可复用流程的Agent技能、面向复杂任务的定制Agent,以及通过MCP服务器连接外部工具与数据源,并建议从一条常被重复解释的约定开始小步尝试。
AWS团队提出Priming方法,复用预训练Transformer权重初始化混合状态空间模型,将混合架构预训练成本降低99%以上。实验显示GKA优于GDN和Mamba-2,32B混合模型推理速度最高提升约2倍且质量接近原模型,并开源模型库、训练代码与vLLM插件。
Qwen在X上介绍QwenGyre,称其针对长程智能体强化学习(XLong-horizon agentic RL)的两项挑战。帖子未展开具体方法、实验数据或开放时间,信息有限。
Qwen推出QwenGyre,用弹性调度器在rollout与训练间动态分配GPU,并以轨迹处理器把分支执行整理为前缀共享的轨迹树。在Qwen3.8-2.4T-A95B上,NL2RepoBench从52.5%升至58.5%,端到端训练时间较Async减少约44%。
Qwen发布Qwen-Image-2.1-Turbo,基于7B视觉生成架构,仅需8步去噪即可文生2K图像并支持自然语言编辑,权重已在ModelScope与Hugging Face开放,Pro与Turbo API同步上线。
GitHub发布与微软应用科学团队合作的ModernBERT分类器,可在2毫秒内基于上下文识别非结构化密钥,预计使可拦截密钥数量翻倍。该功能目前私密预览,本月晚些时候向Enterprise Cloud和Teams的Secret Protection用户开放并消耗AI积分;今日起AI密钥检测组织自动升级,后置扫描告警不额外收费。
GitHub推出ReviewBench,一个面向AI代码审查智能体的离线基准,基于1.039亿个真实PR的分布构建,包含19种语言的219个PR,采用多源黄金集与统一评分标准,支持按严重度和类别切片及Fβ偏好调整,并提供排行榜与自助提交。GitHub称其离线信号已能预示Copilot代码审查线上实验方向。
亚马逊科学发文梳理网络图智能从拓扑建模、语义知识图谱、告警关联到依赖图与GNN的演进,并介绍将级联图算法与智能体编排结合的根因分析方法:先分解、再聚类、后按告警集重算中心性排序,由智能体按故障特征选择算法组合。文中称今年MWC与NTT DOCOMO在商用网络演示分钟级根因定位。
GitHub博客介绍Copilot应用的画布功能:在智能体会话中输入/create-canvas并用自然语言描述工作流,即可生成看板、清单或仪表盘等双向界面,人与智能体可实时同步修改;画布可保存为扩展供团队共享,社区已有现成模板。
Amazon Neuron Science团队与Reactor合作,以Rolling Forcing为代理,通过NKI自定义内核、混合序列与张量并行及模型结构改造,在Trainium上实现16fps以上实时自回归扩散视频生成,3D-RoPE内核从5秒降至1.8毫秒。
Berkeley AI Research介绍为K-Search演化式内核搜索框架新增MLX后端与结构化CUDA-to-MLX翻译层,让CUDA优化知识自动适配Apple Silicon。Attention内核达原生MLX的0.97倍速度,Mamba SSM内核prefill较社区mlx-lm最高约20倍,代码已开源可复现。
伯克利AI研究团队提出ABBEL框架,将智能体的交互摘要建模为自然语言“信念状态”,并通过信念评分(如重建最新观测)监督其内容。在协作编码基准CollabBench上,该方法把与全上下文模型的差距缩小约50%,训练步数减半,峰值上下文token也明显更低;在Combination Lock和多目标问答任务中同样验证了效果。
伯克利EPIC数据实验室观点文指出推理成本一年下降9至900倍,提出智能体将成数据系统主要负载,需重设计以支持智能体推测式查询、多智能体共享记忆与协调,并让智能体自行合成定制数据系统。
伯克利AI研究博客发布综述,梳理并行推理从固定fork-and-join、树搜索到自适应并行推理(APR)的演进。APR让模型通过特殊token自行决定何时分解并行、开多少线程及如何协调,避免冗余计算并可按问题复杂度选择不并行。文章还比较Multiverse改引擎复用KV cache与ThreadWeaver客户端二次prefill两条推理路线,讨论训练奖励设计与关键路径效率,并列出准确率提升是否稳定等开放问题。
Berkeley AI Research博客介绍SPEX与ProxySPEX算法,利用稀疏性、低阶性和层次性,将特征、数据与模型组件归因中的交互发现扩展到数千组件规模;ProxySPEX约少10倍消融即可匹配SPEX,代码已并入SHAP-IQ仓库。
伯克利AI研究团队在NeurIPS 2025论文中提出基于互信息的成像系统评估框架,仅用带噪测量和噪声模型即可量化信息量,并在彩色摄影、射电天文、无透镜成像和显微成像四个领域验证其能预测下游重建性能;配套IDEAL方法通过梯度上升优化成像参数,无需解码器反向传播,在滤色片设计上达到端到端优化水平,代码已开源。