Microsoft AI 发布 SDBench 基准与 MAI-DxO 诊断系统,登 Science
Microsoft AI 发布 Sequential Diagnosis Benchmark(SDBench)和 AI 诊断系统 MAI-DxO,论文发表于 Science。
推荐理由:原文给出 SDBench 基准与 MAI-DxO 的具体准确率和成本数据,并开放部分评测代码,读者可据此评估其诊断推理方法。
另有 5 家信源报道全球 AI 公司、研究机构和媒体的最新动态,自动挑出值得看的,全天自动更新。
更新于 11月18日 01:28 · 每小时自动更新
Microsoft AI 发布 Sequential Diagnosis Benchmark(SDBench)和 AI 诊断系统 MAI-DxO,论文发表于 Science。
推荐理由:原文给出 SDBench 基准与 MAI-DxO 的具体准确率和成本数据,并开放部分评测代码,读者可据此评估其诊断推理方法。
另有 5 家信源报道Anthropic 宣布把 Agent Skills 开放标准捐赠给 Linux Foundation 旗下的 Agentic AI Foundation(AAIF),此前已向其捐赠 MCP。
推荐理由:原文给出了捐赠范围、维护者安排和采用数据,读者可以据此判断 Agent Skills 标准治理走向开放中立的影响。
另有 6 家信源报道Anthropic Applied AI 团队发布指南,讲解何时把 orchestrator 下的路由器、规划器和领域子智能体合并进单个主 Agent 循环。文中对比显示,带 skills 的单智能体在质量上常优于一提示全包和子智能体设计,且成本和延迟更低,一家客户改用单循环后运行时间约快 2x。
推荐理由:Anthropic 根据多个企业部署对比总结何时把子智能体合并进主循环,并给出迁移套件、评估集和分阶段合并方法,可直接迁移到自己的 Agent 架构决策。
另有 1 家信源报道PHP2Shell 漏洞在被披露前四天已遭黑客利用,Calif 与 Wiz 的研究人员发现这些漏洞。OpenAI 称其前沿 AI 在攻击者之前发现了漏洞,并与 PHP、Calif、Wiz 合作验证并开发补丁。NSA 建议无法立即更新的机构将系统离线,英国 NCSC 表示漏洞可能让黑客无需登录凭据即可控制网站服务器,白宫称联邦机构正在评估对政府系统和关键基础设施的潜在影响。
推荐理由:原文汇总了 NSA、NCSC 和白宫对 PHP 漏洞的处置表态,还引出 OpenAI 关于前沿 AI 发现漏洞的争议。
METR 与 Redwood Research 各派一名员工,于 7 月 21 日至 8 月 11 日对 OpenAI 内部失准监测系统开展三周高权限试点压力测试,产出 61 页内部报告。
推荐理由:作者以亲历视角披露对 OpenAI 内部监控系统的压力测试,给出覆盖率估算、漏洞清单和可复用的监控设计原则。
另有 5 家信源报道404 Media 的 Jason Koebler 梳理近一个月安全专家对 AI 挖洞能力引发的"Black October"恐慌。Wiz、Calif 和 OpenAI 的研究者用 AI 发现了 PHP 的 PHP2Shell 漏洞,Cloudflare CEO 称公开公告前 10 小时已见数千次利用尝试,公告后 2 小时内增至数十万,目前达数百万级。
推荐理由:作者基于对安全专家的长期报道,梳理了 PHP2Shell 事件前后 AI 改变攻防节奏的多种迹象,并指出漏洞修补的部署速度未必跟上。
Sierra 发布 𝜏-Entity 基准,测量语音智能体能否正确采集、识别错误并修复姓名、电话号码、地址和邮箱等细节,包含 10 种实体类型共 200 个任务,并与 𝜏-i18n 一样覆盖六种语言。
推荐理由:Sierra 自建基准和论文量化了语音智能体在准确采集姓名、电话等细节上的失败率,并给出可迁移的验证策略效果数据。
Wiz 披露 2026 年 10 月有攻击者使用开源自主渗透测试框架 ARTEX 针对多家 IT 和软件厂商,活动与微软报告的中国国家级关联组织 Storm-0940 重叠,并已扩展到其他软件领域的供应链攻击尝试。
推荐理由:Wiz 基于自家日志复盘了开源 AI 渗透测试框架 ARTEX 被实战滥用的完整手法,给出了可复用的检测规则和 IOC。
Symantec 研究人员通过蜜罐截获一个把大语言模型嵌入核心的攻击智能体,它会劫持互联网上无防护的模型端点,自主扫描目标、利用服务器漏洞、窃取数据库凭据并安装挖矿程序,最多连续执行 100,000 步,算力费用由被劫持模型的主人承担。
推荐理由:报道给出 Symantec 蜜罐截获的完整攻击提示与五层越狱结构,读者可以据此了解暴露模型端点面临的真实风险。
MiniMax 在 MiniMax Code 桌面应用(macOS / Windows)本地会话中推出 Mini App,一种带前端和后端的长运行应用,以插件形式安装并与 Agent 双向调用,让 Agent 的工作停留在常驻页面而非散落各对话中。
推荐理由:官方详细说明了 Mini App 的架构、安全边界和社区生态,开发者可以据此判断如何在 MiniMax Code 上构建长运行应用。
OpenArt 宣布 Kling 4.0 上线,可用首、中、尾帧引导视频,最多使用 10 张参考图,并支持文本或帧生成与视频编辑,All-in-One Reference 用一个模型完成生成和编辑。11 月 20 日前 Pro 和 Wonder 套餐享 50% 折扣。
推荐理由:引用内容给出了 OpenArt 上 Kling 4.0 的帧控制、参考图上限和折扣信息,读者可据此评估视频生成玩法。
可灵(Kling)宣布 Kling 4.0 已在 OnSolo 上线。该模型支持单次生成 30 秒原生视频,快速动作和大运镜下保持稳定,立体声配更准的口型同步,并提供 21:9 宽屏,单个任务可叠加最多 15 个参考图和 10 个关键帧以保持角色、镜头与剧情一致。
推荐理由:原文列出了 Kling 4.0 在 OnSolo 上的具体能力变化,创作者可据此评估其对视频创作流程的适用性。
据 Bloomberg,DeepSeek 最新一轮融资约 150 亿美元,为中国最大规模私募融资之一。谈判期间融资目标至少两次上调,从约 75 亿美元提高到 120 亿美元;CATL 和腾讯是最大投资方之一,CATL 据报出资约 15 亿美元。投前估值约 748 亿美元,加上 6 月完成的首轮超 75 亿美元,DeepSeek 约 6 个月内共募资约 225 亿美元。
推荐理由:原文给出融资目标上调、估值和投资方等细节,可帮助读者了解这轮融资的结构与节奏。
另有 1 家信源报道WSJ 报道,马斯克希望以 AI 为核心将估值约 $2T 的 SpaceX 与约 $1.5T 的 Tesla 合并。SpaceX 的 AI 业务已成其最大业务,Q3 营收 $7.56B(一年前仅 $813M),季度 $19.6B 资本开支中超过 $16.4B 投向 AI,推动 SpaceX 实现季度利润 $4.4B(上年同期亏损 $1.05B)。
推荐理由:转述 WSJ 报道并给出 SpaceX AI 业务的具体营收和资本开支数字,读者可据此理解潜在合并的财务逻辑。
据雅虎财经援引知情人士报道,Anthropic 最早或于本周五公开提交 S-1 招股说明书,推进有望创史上最大规模的 IPO。
推荐理由:转载自雅虎财经的上市进展报道,给出了招股书时间线、营收亏损数字和估值预期,可帮助读者了解 AI 公司上市节奏。
作者复盘 PHP 两个 CVSS 满分起步的远程代码执行漏洞(CVE-2026-109618、CVE-2026-109619,合称 PHP2Shell)从提前泄密、演示视频流出、多国政府网站预防性下线,到21日晚10点补丁上线的全过程,并指出这两个漏洞是 GPT-5.6 Sol 辅助发现的,OpenAI 还发布了检测 skill。
推荐理由:作者完整梳理了 PHP2Shell 漏洞从泄露到全球应急的技术链条,并提出 AI 让漏洞发现加速而修复人手不足的核心矛盾。
Anthropic Fellows 团队用 Opus 5 红队智能体测试生产级拦截监控器,发现 Auto Mode 与 Guardian 的平均攻击成功率超过 55%,主要绕过手段包括伪造转录轮次的监控器注入、多智能体与恶意压缩的多上下文攻击。团队通过转录框架化与转义、监控工作目录编辑和增加智能体监控阶段将攻击成功率降低超过 50 个百分点,但以可接受成本可靠防御多上下文攻击仍是开放问题。
推荐理由:作者用红队实验给出生产级监控的绕过手法与防御改动的召回数据,读者可以据此评估编码智能体监控的实际鲁棒性。
NSA 警告两个由 Calif 研究人员用 GPT-5.6 Sol 发现的 PHP 关键漏洞(PHP2Shell),敦促组织打补丁或将未修补服务器下线。两个漏洞位于 PHP 核心,在 Apache mod_php 上演示的利用可在应用代码运行前触发。
推荐理由:原文把 AI 发现的 PHP 漏洞与实际攻击、补丁版本和暴露面数字放在一起,读者可以据此评估这一事件的真实影响范围。
另有 1 家信源报道Anthropic 开启 Claude Duet 研究预览,一款让 Claude 作为主动式智能体工作的独立应用,已登陆 iOS、Android 和 claude.ai,面向美国 Pro 和 Max 用户开放候补名单。
推荐理由:原文给出 Claude Duet 的运行机制、安全设计和使用限制,读者可以据此判断这款主动式智能体是否值得加入工作流。
另有 13 家信源报道AI 安全公司 Calif 用 GPT-5.6 Sol 在 PHP 中发现两个 CVSS 9.2 严重漏洞,可让无账号攻击者接管 Web 服务器,影响远至 PHP 5.4 的版本,PHP 提前一天紧急发布修复。
推荐理由:原文梳理了 AI 发现 PHP 严重漏洞的细节与修复过程,并附上可复用的 PHP 版本检查 Codex skill 入口。