iFeeling Daily

每天精选值得关注的 AI 动态

每天精选值得关注的 AI 动态

效率工具

Gray Swan 两位联合创始人详解为什么 AI Agent 的安全和传统网络安全完全不同。他们展示了自己训练的 AI 系统已经能比人类更高效地破解 GPT-4 和 Claude，并提出“致命三要素”来判断你的 Agent 是否已经敞开了数据大门。

很多AI教程只教你怎么写单次prompt，但这篇文章告诉你当任务要跑几小时甚至几天时该怎么维持上下文不断裂。它把Codex当工作台用，核心是拆解出可验证的小步骤、设检查点、并明确什么时候该让人来判断。很务实的一套协作手册，适合每个被长任务搞崩溃的人。

深度研究Agent在查询外部网络时会通过碎片化查询泄露私有信息，马赛克效应防不胜防。作者用情境奖励和隐私奖励训练，把泄漏从34%压到9.9%，任务性能几乎不变——隐私不是prompt能解决的，得靠训练。

大多数评测只看最终答案，但 Hugging Face 的这篇博客告诉你，结果相同、代价天差地别。一个注重过程的评测框架如何发现加速大模型的同时伤到小模型的“反常”现象。

Radical AI 用自我驾驶实验室 6 个月造出 1200 种合金，比 DARPA 最佳项目快 10 倍。创始人 Joseph Krause 为何坚持实验比模型更重要，为什么材料科学不会有 AlphaFold 时刻，以及中美在材料上的竞争真相。

MCP 服务器不必再跑在本地，容器化后部署到 GKE 上，团队共享、自动扩缩、SSL 加密一步到位。通篇是具体可实操的步骤，适合手上有 API 想快速变成 AI Agent 工具的人。

机器人开发最头疼的是工具链割裂——录数据、训练、仿真、部署各用一套工具。Strands Robots把LeRobot包装成单个Agent，仿真和真机用同一份代码和数据格式，改一个参数就能从模拟切到实体机器人。还内置了多机mesh网络和人工审批门控。看完想立刻上手试试那个笔记本。

GLM-5.2把1M上下文窗口真正做成了可工程化使用的稳定基座，而不是营销噱头。通过在架构上用IndexShare将计算量降2.9倍，在训练里加入反作弊模块防奖励欺骗，它在长程编程基准上成绩仅次于Claude Opus 4.8，是开源模型里最强的。