Nvidia 希望用芯片内置看门狗严格约束 AI 智能体
Nvidia希望用芯片内置看门狗Sentry收紧对AI智能体的约束。方案结合3月推出的开源软件OpenShell沙箱与BlueField-4的Sentry参考设计,后者独立于主计算机、对智能体不可见,并应在数毫秒内隔离逃逸。兼容系统只需软件更新,公告未给出单独的全面可用日期,也无逃逸检测可靠性数据。
Nvidia希望用芯片内置看门狗Sentry收紧对AI智能体的约束。方案结合3月推出的开源软件OpenShell沙箱与BlueField-4的Sentry参考设计,后者独立于主计算机、对智能体不可见,并应在数毫秒内隔离逃逸。兼容系统只需软件更新,公告未给出单独的全面可用日期,也无逃逸检测可靠性数据。
Nvidia 发布 Open Agent Safety Platform,称可在毫秒内隔离试图越界的 AI 智能体。平台使用开源软件 OpenShell,运行在 Vera AI CPU 上,用户可设定智能体能访问的信息,OpenShell 在任务前和任务中检查限制,独立芯片上的 Sentry 则持续监控并执行边界。
Nvidia 首席执行官 Jensen Huang 周一发布 Nvidia Open Agent Safety Platform,用独立的软件与硬件安全层把 AI 智能体限制在测试环境内。
Mistral在慕尼黑开设德国中心,组建Physics AI与工业AI团队并直接服务企业。2026年5月收购Emmi AI后逾30人加入,与BMW做碰撞仿真、与Siemens Energy做工业AI,并与慕尼黑工业大学合作汽车空气动力学数字孪生。到2030年建1 GW欧洲算力,开放权重在客户基础设施运行且数据不出组织。
H 公司发布智能体模型系列 Holo4,提供 27B 稠密与 35B-A3B Mixture of Experts 两个尺寸,并推出 Holotron4 Nano。
推荐理由:同一模型同时覆盖屏幕操作、代码执行和工具调用,公开轨迹则让桌面长流程上的成本与得分可以直接对照。
Simon Willison 在圣何塞 WeAreDevelopers World Congress North America 做闭幕主题演讲,按时间线回顾 2026 年迄今的大语言模型变化,并公开带注释的幻灯片和笔记。
Alex Atallah 回顾 OpenRouter 从开源模型早期走到加入 Stripe,平台现为超过 10 million 开发者提供中立模型路由。对谈指出模型实验室即使投入 billions 美元训练 checkpoint,仍难把模型交到开发者手中,OpenRouter 则选择专注路由,而不是扩展到微调、记忆等相邻产品。
Latent Space 预告将合并 AINews 与 Discord 的职能,探索迁往 Beehiiv 和新主页,并重新开放赞助与新闻线索。
GitHub Security Lab 的 Fuzzing Taskflow 是面向 C/C++ 的自主模糊测试流水线,指向 GitHub 仓库后会识别入口、编写 harness、运行 AFL++、改进覆盖率,并为每个独立缺陷写出漏洞报告。
Liquid AI 发布 LFM2.5-VL-3B 的实验性 DSpark 草稿模型,用投机解码加速推理且输出质量不变。设备端解码最高 3.13x、H100 最高 2.66x,端到端最高 2.62x 与 2.27x,参数多 280M(8.9%)。首日支持 llama.cpp、MLX-VLM、SGLang,提供开放权重。
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构,通过 AlphaFold Database 公开超过 2800 种病毒蛋白复合物的预测三维结构,供各地科学家为未来疫情提前积累结构知识。
NVIDIA与合作伙伴在AI Day Singapore展示东南亚AI进展。泰国iApp Technology用NeMo微调Nemotron 3 Nano并开源,法律助手Thanoy已服务约43,000名用户。越南Viettel AI广泛微调Nemotron 3 Super,该模型在VMLU与内部产品基准中排名最高。
Hugging Face transformers 现可在 main 分支高效运行 GGUF,用户用 from_pretrained 加载 Hub 检查点后即可在本机生成。
推荐理由:GGUF 现在能直接进 transformers 做检查和自定义生成,Apple Silicon 上速度接近 llama.cpp。
RetroChimera 融合 R-SMILES 2 与 NeuralLoc,用学习排序整合互补预测,提出优于任一子模型的小分子合成路线。盲测中博士级化学家更偏好其单步反应预测,而非先前模型与文献记录反应;10 个高难度目标成功 9 个,高于从头模型 5 个、编辑模型 4 个和 NeuralSym 2 个。
Google Research 推出 C++ 实例生成器 MilleMiglia,为中程配送问题生成真实、保护隐私的基准数据。中程物流被建模为时空图上的多商品流,不同于首末程的车辆路径问题。源代码与文档已在 GitHub 公开,用以弥补该领域缺少高质量公开数据的不足。
GitHub Podcast最新一集认为,开发者仍须阅读并负责AI生成代码,RAG并未消亡,Skills也没有杀死MCP。MCP给智能体提供连接工具和数据的标准方式,Skills常以Markdown说明流程与约定,RAG检索训练数据之外的信息。审查应直到能解释并承担结果,不必对每行生成代码投入同等注意力。
Mistral 与 Mozilla 合作,Firefox Smart Window(beta)现由 Mistral 模型驱动。该功能先覆盖法国与北美用户,英国和德国预计今年晚些时候跟进。对话默认不保存在 Mozilla 服务器,Mistral 承诺零数据留存,并针对地区语言、方言和文化语境微调模型。
Mistral 宣布完成 €3 billion Series D 融资,投后估值超过 €21 billion,并称这是欧洲科技公司完成过的最大股权融资。Samsung Electronics 领投,由 EQT 管理的 Scaleup Europe Fund 与既有投资人 PSG Equity 联合领投,资金将扩大前沿研究、训练算力、基础设施以及商业增长和国际布局。
推荐理由:这笔融资将显著扩大 Mistral 的前沿研究、训练算力与基础设施投入,并加快开源权重主权全栈的商业增长与国际布局。
Google 的 MAPL-EMIT 用深度学习处理 EMIT 高光谱数据,自动检测并定位全球甲烷点源。专家标注羽流召回率达84%,信噪比高于匹配滤波增强方法,训练数据为3.6 million条合成羽流。全球羽流数据库已放上Earth Engine,训练模型与合成羽流在Kaggle,推理库在Github。
Google Research 推出时间序列基础模型 TimesFM-3,参数量为 330 million,预训练数据超过 1 万亿个时间点,可在单次前向中零样本联合预测多条序列。
Mistral 推进三项 AI 主权举措:区域内推理、开放模型与欧洲长期算力。Regional Endpoints 已全面可用,可选欧洲或美国;Priority Tier 公开预览,提供 uptime SLA。平台将先接入 Z.ai 的 GLM-5.2,并以 European Compute Units 承接多年承诺。
微软研究院发布开源框架 Orchard,用 Kubernetes 环境服务 Orchard Env 在 Codex、OpenClaw、ZeroClaw 等真实框架中训练软件工程、网页与助手智能体。
推荐理由:微软研究院的 Orchard 用可复用环境让智能体在真实部署框架中训练,约 3B 激活参数的开放模型因而在 SWE-bench Verified 上达到 69.7% 并在价值模型重排后升至 73.0%。
多伦多大学等机构用可装入单块80GB A100的开源权重LLM,做出自我复制的AI蠕虫原型,完整攻击成功率约37%。约1337名来自OpenAI、Anthropic、Google DeepMind、Meta等机构的人士请求美国政府支持国际努力,开发有意放缓自动化AI研发前沿所需的技术与治理工具。