资讯列表
告别旧Siri!曝苹果2026年两次AI大爆发:iOS26.4将迎来“超级 Siri”
彭博社知名记者 马克・古尔曼（Mark Gurman） 于11月2日发文指出，苹果正计划对 Apple Intelligence 进行重大升级，并有望在 2026年 推出两次重量级更新，分别聚焦于 “超级 Siri” 和 更广泛的 AI 战略 调整。 2026年初迎“超级 Siri”:交互体验彻底革新据古尔曼透露，首次重磅升级预计将随 iOS26.4 系统版本推出。 这次更新的核心是推出 “超级 Siri”，它不仅将包含最初为 iOS18承诺的多项功能，还将带来更多全新特性，旨在彻底改变 Siri 的交互体验和能力上限。
OpenAI 与亚马逊 AWS 达成 380 亿美元合作，拓展 AI 云基础设施
近日，OpenAI 宣布与亚马逊 AWS 达成了一项价值380亿美元的长期合作协议，这标志着 OpenAI 在 AI 云基础设施方面的重大进展。 此前，OpenAI 主要依赖微软 Azure 提供的云服务，但随着其对算力需求的不断增长，OpenAI 选择了与 AWS 合作。 图源备注：图片由AI生成根据新协议，OpenAI 将在未来七年内使用 AWS 的基础设施，尤其是其 Amazon EC2UltraServers，这将为 OpenAI 提供数千块高性能的 NVIDIA GB200及 GB300GPU。
日本版权协会要求 OpenAI 停止使用其作品进行 AI 训练
根据最新报道，日本的一家版权协会最近向 OpenAI 发出了一封信，呼吁这家人工智能公司停止在未获得授权的情况下，使用其成员的版权作品进行模型训练。 这封信的发起者包括著名的动画制作公司吉卜力工作室，该工作室因 OpenAI 的生成性 AI 产品受到的影响尤为显著。 自从 OpenAI 于3月推出了其图像生成器后，用户们频繁利用该工具生成模仿吉卜力风格的个人照片和宠物图片，甚至 OpenAI 的首席执行官山姆・阿尔特曼也在社交平台上更换了他的头像为 “吉卜力风格” 的图像。
掘金AI基建!Lambda与微软达成数十亿美元GPU部署协议
云计算公司 Lambda 周一宣布与科技巨头 微软（Microsoft） 达成一项价值数十亿美元的人工智能基础设施协议，旨在加深双方的合作关系，共同部署大规模 AI 超级计算机。 部署数万块英伟达GPU，加深八年合作这项由英伟达投资的交易将涉及部署数万块英伟达 GPU，其中包括今年早些时候发布并已开始出货的尖端 英伟达 GB300NVL72系统。 值得注意的是，微软已于10月份启用了其首个 GB300NVL72集群。
专家揭示数百项 AI 安全测试存在严重缺陷
根据最新报道，来自英国政府 AI 安全研究所和多所知名大学的计算机科学家们发现，当前用于评估新一代人工智能（AI）模型安全性和有效性的测试存在广泛的缺陷。 这项研究分析了超过440个基准测试，发现几乎所有的测试在某个方面都有弱点，这些弱点可能会影响到最终结论的有效性。 图源备注:图片由AI生成研究的主要作者、牛津互联网研究所的研究员安德鲁・比恩（Andrew Bean）表示，这些基准测试是检查新发布 AI 模型安全性和是否符合人类利益的重要工具。
字节跳动新举措！推出豆包股激励计划，吸引大模型人才
字节跳动最近在大模型领域推出了一项颇具创新的「豆包长期激励计划」。 这一计划的核心在于建立一个「虚拟股」机制，旨在通过授予员工豆包股和类似字节期权的回购机制，进一步吸引和留住那些在人工智能（AI）和大模型技术方面的人才。 随着 AI 技术的快速发展，人才的竞争愈发激烈。
黑客新手法：利用 OpenAI API 创建 “隐形” 后门恶意软件
近日，微软安全研究团队（DART）发出警告，指出一种新型的恶意软件 “SesameOp” 正利用 OpenAI 的 Assistants API 进行网络攻击。 这款恶意软件的创新之处在于，它将这一合法的云服务作为其隐蔽的指挥与控制(C2)通道，使得攻击者能够在受害者的系统中悄然获得持续访问。 根据微软的调查，SesameOp 在2025年7月的网络攻击中首次被发现。
Lambda 与微软达成数十亿美元 AI 基础设施合作协议
近日，云计算公司 Lambda 宣布与微软达成了一项规模庞大的 AI 基础设施合作协议。 根据最新的新闻稿，Lambda 将在此次合作中部署数万台 Nvidia GPU，但具体的交易金额并未公开。 这些 GPU 中包括最近发布的 Nvidia GB300NVL72系统，这些系统在过去几个月内开始发货。
AI 安全性与有效性测试存在严重缺陷，引发专家关注
近日，来自英国政府 AI 安全研究所的计算机科学家及斯坦福大学、加州大学伯克利分校和牛津大学的专家们，对超过440个用于评估新人工智能模型安全性和有效性的基准进行了深入研究。 他们发现几乎所有测试在某一领域存在缺陷，这些缺陷可能会 “削弱结果声明的有效性”，并且一些测试的评分结果可能 “无关紧要甚至误导”。 图源备注：图片由AI生成随着各大科技公司不断推出新 AI，公众对 AI 的安全性和有效性日益担忧。
刚刚，OpenAI牵手亚马逊，7年380亿美元AI云计算大单到手
这一周来，OpenAI 不断巩固并扩展自己的朋友圈，先是与微软开启下一阶段的合作，现在又与全球领先的云服务商亚马逊云科技（AWS）展开合作。 就在今天，OpenAI 与 AWS 官宣建立多年的战略合作伙伴关系。 OpenAI 将立即并持续获得 AWS 世界级的基础设施支持，以运行其先进的 AI 工作负载。
稠密监督 × 策略内采样：On-Policy Distillation 如何以 1/10 成本训练专家级小模型
大家好，我是肆〇柒。 我看到一项来自 Thinking Machines Lab 的前沿研究——《On-Policy Distillation》。 这项工作巧妙融合了强化学习的策略内采样优势与知识蒸馏的稠密监督信号，不仅将后训练成本降至传统 RL 的十分之一，还在数学推理、个性化助手和持续学习等关键场景中展现出惊人的效率与稳定性。
从 “一刀切” 到 “精准筛”：DeepSieve 用四步流水线重构 RAG，告别检索噪声！
在大语言模型（LLMs）主导的AI时代，知识密集型任务始终面临一个核心矛盾：LLM擅长复杂推理，但受限于固定参数无法动态获取最新或领域专属知识；检索增强生成（RAG）虽能链接外部知识，却常因“一刀切”的检索逻辑陷入噪声冗余、推理浅薄的困境。 来自罗格斯大学、西北大学与NEC实验室的团队提出的DeepSieve，创新性地将LLM作为“知识路由器”，通过多阶段信息筛选机制，为异构知识源与复杂查询的精准匹配提供了新解法。 本文将带您深入拆解这一方案的设计思路与实验效果。
"人工测试"迈向“无人测试"，2025年IT产研升级面临“大变”
出品 | 51CTO技术栈（微信号：blog51cto）一个略显科幻的场景正在软件研发领域悄然上演：开发工程师将代码合并入CI/CD流水线后，一个AI驱动的“质量保障智能体”便被瞬间唤醒。 它能够辅助解析需求文档PRD，自主规划测试策略，并高效生成覆盖边界条件的测试用例与测试脚本。 面对大模型对复杂领域的理解产生的“幻觉”，通过人机协同和工程化的调优，Agent在发现UI渲染异常或API错误时，能快速自动化地收集日志、分析关键链路，并提交一份完善附带复现路径和初步修复建议的报告。
诺奖一年后，AI奠基人辛顿再发警告：中国十年后会超越美国；人类在亲自制造外星人；AI带来大规模失业潮将失控，需切尔诺贝利时刻警醒
编辑 | 云昭出品 | 51CTO技术栈（微信号：blog51cto）拿下诺奖一年之后，AI奠基人、“AI教父”辛顿·杰弗里，却成了那个最担忧人工智能的人。 这位让神经网络走入现实的科学家，在刚刚放出的采访视频中再次以一种几乎绝望的语气告诉全人类：“我们正在亲手制造外星人。 ”这些外星人不会从星空降临，而是从代码中诞生。
LangChain重磅推出DeepAgents CLI：支持持久化记忆的AI编程助手
LangChain团队近日正式发布了DeepAgents CLI，这是一款专为编程、研究和构建AI代理而设计的命令行工具。 最大的亮点在于支持持久化记忆系统，让AI助手能够学习和记住信息，并在不同会话之间保持记忆连续性。 现在，开发者可以直接从终端轻松创建和运行自定义的DeepAgents代理。
抖音SAIL团队联合港中文MMLab推出SAIL-Embedding：打通「视、文、音」的全模态嵌入
在短视频推荐、跨模态搜索等工业场景中，传统多模态模型常受限于模态支持单一、训练不稳定、领域适配性差等问题。 近日，字节跳动抖音 SAIL 团队联合香港中文大学 MMLab 提出 SAIL-Embedding——一款专为大规模推荐场景设计的全模态嵌入基础模型，不仅实现了视觉、文本、音频的统一表征，更在抖音真实业务场景中带来显著效果提升，相关技术报告已正式公开。 论文标题：SAIL-Embedding Technical Report: Omni-modal Embedding Foundation Model技术报告： 能力概览突破传统局限：全模态 工业级优化双管齐下现有多模态嵌入模型主要分为两类：以 CLIP 为代表的双塔架构，虽高效但模态融合浅；以 MLLM 为基础的融合架构，虽语义能力强却多局限于图文模态。
说话像ChatGPT，统统拉黑！「AI腔」正毁掉社交，奥特曼都受不了
遇到AI，直接拉黑。 不是AI，说话像AI的也拉黑！ 自ChatGPT发布以来，「AI腔」就一直颇受网友诟病。
现在整个AI投资逻辑都错了！微软CEO首次承认：成排的H100正在积灰，插不上电
真正的瓶颈早已不是芯片，而是电力Satya刚刚透露：整个AI行业的投资逻辑都错了，市场根本没有对相关公司进行重新定价微软有机架成排的H100正在积灰，原因不是不想用，而是不能用——根本没有相应的电力基础设施来支持它们运行这意味着，所有那些根据芯片采购量和GPU数量为这些公司定价的分析师模型，从根本上就是错的。 你正在为错误的约束条件估值。 瓶颈早已转移，而市场仍在像2023年那样交易重写资本支出方程这完全改写了资本支出的等式当微软斥资500亿美元购买英伟达GPU时，华尔街将其誉为AI投资，并推高了两家公司的股价。