Addy Osmani 等谈 Claude Code 团队的代码审查方式
Addy Osmani、Morgan Westlee Lunt 和 Qing Wang 认为，"人有没有读代码"只是判断变更风险的粗略替代指标，更该问哪项检查能抓住问题。Claude Code 团队的审查已从 PR 末尾的关卡变成持续进行，多数变更在人工查看前已由 Claude 至少审查并修复过一次。
全部 AI 动态
Simon WillisonAI 评分4040 MIT Technology Review · AIAI 评分4747 MIT科技评论圆桌：对话 AI 设计病毒的创造者 Samuel King
MIT Technology Review 圆桌对话斯坦福博士生 Samuel King，讨论他用生成式 AI 模型提出微型病毒基因蓝图的工作。2025 年他借助 AI 设计病毒并奏效，这还不是 AI 生成生命，但可能是下一步。King 因此入选 MIT Technology Review 的 Innovators Under 35。
The Verge · AIAI 评分2020 2026 年科技批判潮涌入院线：扎克伯格、马斯克、Altman、Holmes 成银幕反派
2026 年多部影视作品集中以批判视角审视硅谷科技领袖，包括聚焦扎克伯格与 Facebook 内部决策的《The Social Reckoning》、记录 Elizabeth Holmes 的《You Can See Everything》、审视 Elon Musk 的 Gibney 纪录片，以及将 Sam Altman 塑造成操纵者的《Artificial》。
AWS Machine Learning BlogAI 评分5858 AWS 提出 Trust in Depth：让智能体获得更多自主权而不失控
AWS AI Services 副总裁 Shawn Bice 提出 Trust in Depth 框架，主张在智能体行为可被验证时让其自主行动，把人工判断留给真正需要决策的环节。
Simon WillisonAI 评分5858 AI 正在大规模反编译游戏，既令人兴奋也令人担忧
Simon Willison 引述独立游戏开发者 Popcar 的观点，讨论近期 AI 反编译现有游戏的热潮。Popcar 认为，AI 能反编译游戏和软件意味着任何人都可以反编译他人软件并随意使用，企业可借此窃取竞争对手成果，付费游戏或应用也可能违背意愿被开源；同时这对游戏保存是大利好，老游戏可被移植、修改、增强，并在浏览器中通过 WebAssembly 运行。
Latent SpaceAI 评分7373 Dyna Robotics 联合创始人 Jason Ma 谈 Dyna-2 世界动作模型与机器人落地
Latent Space 播客访谈中，Dyna Robotics 联合创始人兼首席科学家 Jason Ma 介绍了上月发布的 Dyna-2 世界动作模型，该模型在超过一百万小时人类视频上预训练，可先预测未来视频再输出机器人动作。
MIT Technology Review · AIAI 评分3838 开放模型利与弊：Anthropic 称 GLM-5.3 存重大网络攻击风险，开放权重之争何去何从
Anthropic 发布报告称，Z.ai 于 8 月推出的开放权重模型 GLM-5.3 可被任何人自由下载和修改，构成重大网络攻击风险。目前 Artificial Analysis 榜单前八名均为闭源模型，但开源模型在能力上仅落后数月，且成本更低、可本地运行和微调。争论核心在于安全与权力分散之间的取舍。
MIT Technology Review · AIAI 评分4040 我们是否过度相信 AI 说“不”的能力
MIT Technology Review 发文质疑 AI 安全过度依赖“拒绝”机制：模型经训练可拒绝大量有害提示词，但拒绝是概率性的，仍会失败，且模型本身保留暴力与网络攻击等能力。文章指出，拒绝边界由 AI 公司秘密划定，政府也将介入，可能被用于压制合法言论。
MIT Technology Review · AIAI 评分3838 MIT Technology Review：机器人领域的 AI 突破短期内不会改变你的生活
MIT Technology Review 与 Aventine 合作的文章指出，尽管马斯克称 Tesla Optimus 每人成本可低至 2 万美元、或于 2027 年底前开售，但许多机器人研究者认为，靠语言和图像训练的 AI 难以应对物理世界的无限变化。Yann LeCun 直言，做人形机器人的公司“没有一家”知道如何让机器人足够聪明、真正有用。
MIT Technology Review · AIAI 评分1818 AVEVA 首席技术官谈如何为自主工业 AI 构建更安全的落地路径
AVEVA 首席技术官 Arti Garg 在 Business Lab 访谈中讨论工业 AI 进入基础模型、physical AI 与 agentic AI 新阶段后的安全落地问题。
Microsoft ResearchAI 评分2626 微软研究院播客：AI 评估中的“意外失败”能教会我们什么
微软研究院播客中，partner research manager Jennifer Neville 与首席应用科学家 Chad Atalla 对谈，讨论评估如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的曲折经历，分享使用当前 AI 系统的实用建议，并强调结果偏离预期时应仔细检查数据。
MIT Technology Review · AIAI 评分1818 将预测分析带入智能体 AI 时代
企业 AI 的竞争焦点已从预测模型能否超越统计预测，转向如何让预测系统依据自身结论自主行动而不偏离业务意图。深度学习与生成式 AI 驱动的智能分析支持实时训练，数据范围也扩展到非结构化交互来源，推动企业从被动回顾转向务实前瞻。Everest Group 合伙人 Vishal Gupta 认为，"分析"一词正让位于 AI。
GitHub Blog · AI & MLAI 评分5050 GitHub Copilot 用 canvas 替代聊天框：当聊天不是合适的 UI
GitHub Copilot 应用推出 canvas，一种在应用内运行、无浏览器外壳的全栈小应用，可与 Copilot 智能体双向通信。官方演示用 canvas 做 Connect 4 对战、Winget 包管理和 SQLite 操作，并称让智能体造工具比反复用聊天消耗 token 更划算。canvas 可调用第三方 API 并本地执行代码，复杂工作流示例约需一天调好。
Berkeley AI ResearchAI 评分4747 智能免费之后：为智能体、由智能体、属智能体的数据系统
UC Berkeley 团队提出，推理成本已从 GPT-4 级约 $30/百万 token 降至不足 $1，部分厂商低于 $0.10，正进入"智能近乎免费"时代。文章据此提出三类数据系统挑战：为智能体重设计（多智能体重复子查询占 80-90%，可复用结果或返回近似答案）、支撑智能体群体长期任务的状态管理与共识、以及让智能体自行合成可信数据系统。
Berkeley AI ResearchAI 评分3838 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队综述了并行推理领域的最新进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化子任务、开启多少并发线程以及如何协调。现有方法如 self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild! Inference 的并行结构多由外部设定，而非模型自主选择。