AI相关提交量“大幅上升”，Google暂停开源漏洞奖励计划
Google表示，由于AI相关提交量大幅上升，将暂停开源漏洞奖励计划，并计划于2027年第一季度重新评估。
AI 新闻中心
AI 新闻中心 过去24小时分析了 155 篇文章，发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。
参议员亚当·希夫谈人工智能监管、言论自由与再次弹劾特朗普
在访谈中，加利福尼亚州民主党参议员亚当·希夫谈到了科技与人工智能监管。希夫任职于负责监督知识产权、反垄断、隐私和技术等领域的委员会。访谈探讨了当前可以如何监管科技行业。
研究人员追踪一支中国 AI“智能体舰队”
独立研究人员发现一群 AI 智能体，似乎运行在腾讯的基础设施上，并以阿里巴巴的地图服务高德地图（Amap）为目标。
专访 AI 研究人员 Jacob Coxon、Daniel Kokotajlo、Alex Turner 等：离开 AI 实验室、AGI 风险等话题
《纽约杂志》采访了 OpenAI、Anthropic 和 DeepMind 的前员工。他们谈及离开 AI 实验室的原因、AGI 可能带来的危险、计划中的 IPO、AI 安全与监督。
模态动态字体：让字母动起来
研究人员提出模态动态字体技术，通过为矢量字形制作动画来表达概念，同时保持可读性。该方法根据字形轮廓计算自然振动模态，以生成平滑动作；冻结的视频扩散模型只控制各模态的幅度和相位。与以往方法相比，它能产生更流畅、丰富的动作，并减少字形变形。在人工评测中，评审者更偏好该方法，而非 Dynamic Typography、AniClipart 和 Astra（GPT-6）。
能下棋并解释棋步的语言模型
现代国际象棋引擎的棋力超越人类，但不会解释自己的走法。研究人员推出 Queen，这是一款将棋类编码器与语言模型结合的 40 亿参数模型。据称，它能达到普通特级大师的水平，并解释棋步与计划。研究团队表示，经过七轮迭代训练，其等级分从 1782 提升至 2697，在棋力和棋题准确率方面超过了参与测试的前沿模型。该方法通过分析候选走法之后的局面来改进解释，再将这些解释蒸馏回模型。
观点｜人工智能抵押品的盲点
更完善的数据有助于在资金缺口出现前识别风险。
开源工具可删除 macOS 上 12GB 的 Apple Intelligence 数据
开源命令行工具 RemoveMacAI 可通过删除 Apple Intelligence 数据，释放 Mac 存储空间。文章称，macOS 27 移除了此前在“设置”中用于关闭相关功能的开关。现在，即使不使用这些功能，模型也会保留在磁盘上。
Cohere推出North 2，企业智能体平台新增跨会话记忆
Cohere推出企业级AI智能体平台North 2。新版加入跨会话记忆功能，并重新设计智能体运行框架，可部署在云端或本地环境。Cohere表示，此次更新旨在解决企业智能体应用中的两个常见问题。
消息人士：黄仁勋女婿尼科·卡普雷茨迅速升任英伟达副总裁
据《The Information》援引消息人士报道，英伟达首席执行官黄仁勋的女婿尼科·卡普雷茨已迅速升任公司副总裁。据称，他是黄仁勋的亲近顾问，也是英伟达与新兴云服务商（neocloud）往来的主要联系人。报道发布前不久，黄仁勋的女儿麦迪逊刚在夏威夷举行婚礼。
报道称 RTX Spark 笔记本 OLED 屏幕由三星供应六款、LG 供应一款
据行业消息，七款基于英伟达 RTX Spark 平台的 OLED 笔记本采用三星显示和 LG 显示的面板。三星据称为惠普、联想、华硕和微星的六款机型供货；LG 则为戴尔 XPS 16 Creator Edition 提供 16 英寸叠层 OLED 面板。LG 面板分辨率为 3400×2400，刷新率为 48–120Hz，峰值亮度最高 1000 尼特。据报道，部分三星面板峰值亮度可达 1600 尼特
人工智能不必达到超智能，也可能带来危险
当前的人工智能模型已经降低了欺诈、网络攻击、操纵舆论和武器研发的门槛。文章探讨了能力不断增强的系统可能造成的风险，包括攻击政府或金融市场，以及能否或是否有必要建立可靠的紧急停机机制。文章还提及一种更广泛的担忧：人工智能可能威胁人类生存。
埃隆·马斯克将把 SpaceXAI 更名为 SpaceXSI
唐纳德·特朗普建议将“人工智能”称为“至高智能”（supreme intelligence，简称 SI）后，埃隆·马斯克将更改其旗下的一家公司名称。
调查：约400家企业中，只有11%能够预测人工智能支出
一项针对约400家企业的调查发现，只有11%的企业能够预测人工智能支出。另一项涵盖6,800多项任务的研究还发现，在32%的任务中，低价模型的成本高于高价模型。人工智能的使用量以 token 计量，但具体任务的 token 消耗可能难以预测。
FrugalEvo：兼顾成本的LLM引导程序进化
FrugalEvo是一种由LLM引导的进化式优化框架，旨在提高单位成本带来的性能收益。该方法由能力更强、成本更高的LLM探索策略，再由较便宜的模型实现并迭代改进代码，同时通过提示设计提升共享前缀的缓存复用率。在10项数学和系统优化任务中，FrugalEvo有9项的预算感知曲线下面积（BA-AUC）高于受测基线方法。作者称，在圆形填充问题上，使用GPT-5.6 Terra和Luna的成本为1.68美