编辑精选

GLM-5.2：为长程任务打造的百万上下文模型

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。

西门子联合 Google Cloud 搞了个 Knowledge Fabric 系统，用 Spanner 知识图谱结合多智能体拆解任务，成功改造了上亿行陈旧工业代码。核心思路是把代码当结构画成图，而不是当文本喂给大模型，结果很扎实——改造旧系统的效率翻了几倍。

Yahoo广告平台用双图架构解决Agent自动化中的信任和审计难题：一张知识图让Agent基于确定的业务事实做决策，另一张上下文图让每步操作都可回溯和解释。对于需要监管合规的企业AI落地，这是非常实用的参考范式。

AI应用的黄金时代，拼的不是模型大小，而是如何用有限的预算榨出最多智能。

Google 揭露了一起针对北美医学和军事机构的长期渗透，黑客利用科研软件 REDCap 的版本兼容漏洞切入，植入能通过软件升级“永生”的恶意软件，最后竟然用企业邮件系统的合规规则来悄悄外传情报。整个过程花了超过一年，手法极其隐蔽。

美国政府以发现一个狭窄越狱漏洞为由，直接下令Anthropic停用已上线的Fable 5和Mythos 5，连内部外籍员工也不能用。Anthropic一边照办，一边公开反驳：这个攻击甚至不如其他模型的日常能力，并质问——如果所有模型都因发现一个非通用漏洞就停发，行业会怎样？

ShinyHunters 利用 Oracle PeopleSoft 零日漏洞对高校发起定向攻击，68% 受害者是教育机构。这篇文章扒光了攻击者的完整操作链：从伪装 Azure 服务的 MeshCentral 到利用 .bash_history 记录窃取的 SSH 爆破脚本。

别再盲目信任 torch.compile 了。这篇通过实际 PyTorch profiler trace 分析，精准指出单层 Linear 下编译器几无作用，而 MLP 中编译器的融合才是真功夫。核心思考方法是：看 trace 前先做预测，任何不匹配都是最有价值的发现。

AI对齐团队发布综述，表明未来AI系统可能突破当前安全假设，需发展更复杂保障措施，工作包括评估、压力测试，并列出近期多项对齐研究如宪法分类器、Bloom等。