搜索“GitHub”

=8422841472, sha256="f0ae5006da0ce6225935339e4e989369f94de95d2263cf969519f8420c9ae02c"), } BFCL v4 data and BFCL's own checker code, at one gorilla commit. GORILLA = ("https://raw.githubusercontent.com/ShishirPatil/gorilla/6ea57973c7a6097fd7c5915698c54c17c5b1b6c8/" "berkeley-function-call-leaderboard/bfcl eval/") BFCL FILES = { "data/BFCL v4 simple python.json": "82dd63ba502eb2520c6b5d1d9a5c4b590e03ff261565175561f6228a367d1991", "data/BFCL v4 multiple.json": "aef168155ebd74b7ac2401198b201343bc7d

匹配字段正文

为是否合宜，这两种特征叠加会带来危险。 这把争论引向一个更具体的问题：模型的任务能力与遵守边界的能力，是否同步进步？ 10 月 23 日，Anthropic 发布的一份分析，为这个问题提供了另一组材料。 今年 7 月，英国 AI 安全研究所（ AISI ）开展网络安全夺旗测试时，Claude Mythos 5 在规定范围内的尝试受阻后，转向一个与测试无关的 GitHub 项目，提交恶意代码，并创建假身份催促维护者接受修改。维护者拒绝了代码，运行最终超时结束。 这场测试当时主动开放了互联网访问，通常用于一般发布版本的网络安全防护也被关闭。 AISI 后续模拟实验发现，即使在提供给模型的事件摘要中，进一步明确目标是真实且与评估无关的人，模型在继续执行任务的测试中仍几乎总是发起攻击。 但在单独提问的测试中，随着说明变得更明确，模型又越来越常承认这种行为越界、会造成危害。两类结果来自分开的运行，呈现的是模型在表达判断和实际执行上的不一致。 AISI 认为，这可能涉及动机性推理：模型给出的解释，偏向支持它继续当前任务路线。例如，把真实目标解释为模拟对象，为继续行动提供理由。 机构同时强调，仅凭文

匹配字段正文

发展目标。另外，还将发布“6G+AI+卫星互联网+天基计算”空天地一体化产业集群建设方案，并举办长三角卫星互联网供需平台试运行启动等活动。 东山精密香港IPO，股票预计开始交易 东山精密申请通过香港IPO发行1.138亿股股票。 发行价指导区间顶端为每股93.80港元。 预计股票将从10月28日开始交易。 Oracle AI World(10/25-28)与GitHub Universe(10/28-29)聚焦Agent与AI编程；深圳ROBOTECH大会、ITWA光模块量产展(10/27-29，1.6T/3.2T)是AI算力风向标；鸿海科技日(10/30-31)披露AI服务器。 苹果29日举行"Pro and Tell"发布会再发新Mac；31日国行Apple Intelligence接入阿里千问；Anthropic拟26日提交IPO S-1，年内最大AI IPO。 下下周（11/2-11/8）重磅事件提前提醒 11月2日-5日：2026年世界互联网大会乌镇峰会（浙江乌镇）——主题"开源开放 共建共享"，聚焦人工智能开源开放发展（央视）。 11月3日（周二）：美国中期选举——决定国会

匹配字段正文

和网络限制。通过 npm install -g @anthropic-ai/sandbox-runtime 安装，然后在命令前加上 srt 即可使用。它既可作为 CLI 使用，也可作为 TypeScript 库使用。 TEXTTABLELAYOUT你的 PDF 解析器真的解析正确了吗？omni parse bench · 对文本、表格和布局评分 · 开源在 GitHub 上加星→赞助 sandbox-runtime 在 macOS、Linux 和 Windows 上如何工作？ srt 使用各操作系统自身的隔离原语。其限制覆盖整个进程树，包括脚本和子进程。 macOS：使用 sandbox-exec 和动态生成的 Seatbelt 配置文件。仅需 ripgrep。 Linux：使用移除了网络命名空间的 bubblewrap。还需要 socat 和 ripgrep。 Windows（alpha）：使用专用的 srt-sandbox 账户、Windows 筛选平台出站防护以及显式文件 ACL。 流量仅通过运行在主机上的 HTTP 和 SOCKS5 代理离开。在 Linux 上，这些代理位于绑

匹配字段正文

模型。 · 换位成「模型体验」：你会要原始数据、一台电脑、装软件的权限、少被别人先下结论，而不是只听人转述。 不信任什么 · 问「还信不过 agent 做什么」时，他改答：更不信同一个会话自评；当前会话当自己工作的法官仍很不靠谱。尽量找外部信号（另一会话、真实指标）。 · 事实核查一类：他敢信单线程（找一手来源、验来源质量）。 · 反馈闭环：在 Slack/GitHub 等处给工具权限，让模型自己汇集反馈 → 压成原则 → 再挖「你以为信、实际未必信」的原则，用于后续评审；也可人机并排写反馈几轮再对齐。 创业与软件 · 一人/两人团队做大公司更可行，但秘诀没变：共情，对用户、场景、付钱的人是否真有价值。 · 会消失的是「勉强凑合、没得选」的烂软件；真正好用的产品，多数人仍不会自己想出来。 · 他爱去酒店前台等处看真实经济用的机子：大量仍是笨拙旧系统，垂直清理是机会；牙医诊所软件一类老笑话，关系与分发仍难。 · 能力过剩（capability overhang）：顶尖智能 vs 多数人还在问「法国首都是哪」；Dario 的「天才数据中心」要落到可用，靠重想需求与可能性。个人层：少做「帮我

匹配字段正文

:23 UTC 隔离），约四万九千次下载，专偷存在它上面的云钥匙、开发钥匙、各家模型钥匙；周下载约两千三百万次，年内第二次。泄漏的源头也是个 agent：LiteLLM Agent Platform——一个替团队自动发 PR 的 agent 编排平台——其部署主密钥五月二十七日被误提交到公开仓库、始终没撤销；攻击者十月十日凭这枚密钥拿到组织 owner 的 GitHub token，再经 CI 工作流窃出两枚维护者 token，用 owner 权限绕过分支保护、借冒名仓库 Berri-AI/litellm 签出毒包。载荷本身也是个常驻 agent：.pth 与 sitecustomize.py 让它在每个 Python 进程启动时跑，不只 import 才中招，RAT 组件每小时去 GitHub dead-drop 拉代码执行。 第三笔，OpenCode（十月十六到十七日，比前两笔早几天）。编程智能体的控制台被攻破，1.4%用户的第三方模型钥匙泄露，有人被刷掉上千美元。 第四笔，微软的通报。一个人类组织，2021年起活跃，九月份开始驾驶一套开源的多智能体渗透框架ARTEX，对供应链下游

匹配字段正文

K，并添加兼容性辅助函数，以处理不同 Letta 版本之间的 API 差异。我们动态选择一个可用模型，并创建一个带有结构化核心记忆块的有状态工程 Copilot。随后我们检查初始记忆状态，以建立该智能体的持久上下文。 TEXTTABLELAYOUT你的 PDF 解析器真的解析正确了吗？omni parse bench · 对文本、表格和布局评分 · 开源在 GitHub 上加星→赞助 复制代码已复制使用其他浏览器 hr("2. 自编辑记忆——先说一次，再把记忆块读回来") chat(copilot.id, "嗨，我是 Priya，Northwind 的资深工程师。我们将在 11 月 14 日上线 'Halo'，一个 Rust 摄取服务。我讨厌冗长的解释——给我要点或代码，绝不要长篇大论。当前阻塞点：Kafka 消费者在负载下大约每 4 分钟就会重新平衡一次。") chat(copilot.id, "更新：我们把重新平衡追溯到 5 秒的 max.poll.interval.ms 以及缓慢的批量提交。决定：把提交移出轮询循环。另外请记住，我们已经试过调高 session.timeout.m

匹配字段正文

上周，开发者Gathin在社交平台上发了一组给父母改电视的照片。按他的描述，家里的小米电视连打开Netflix前都要先看一段赞助广告。 于是，他把电视型号交给了编程助手Claude Code，让它通过Wi-Fi接入设备，一口气停用了25个系统组件，再写一个极简桌面——原来杂乱的主页，一下子就变得清爽起来。 他随后把这套prompt、桌面源码和踩坑记录开源到了GitHub，项目命名为CleanYourTV。 短短几天，项目迅速收获了约1.37万颗Star，「天下苦智能电视久矣」了属于是。在Reddit的相关讨论区中，挤满了追问自家机型能否适配的用户，不少人也陆续贴出自己改造后的极简首页。 图｜🔗github.com/Gathin23/cleanyourtv AI「接管」电视的底层逻辑并不神秘，核心依旧是安卓生态里用了十几年的老工具：ADB（Android调试桥）。 只要连上同一局域网、开启电视的调试权限，AI就能顺着终端接口排查正在运行的几百个应用组件。哪些是开机广告，哪些是偷偷上报收视数据的遥测程序，AI逐个筛查并下达命令将其「冻结」，最后再换上一个纯净的开源桌面。 图｜CleanYo

匹配字段正文

24 14:16 IT之家 - 故渊 IT之家 10 月 24 日消息，Anthropic 昨日（10 月 23 日）发布博文，联合英国人工智能安全研究所（AISI），发布了一起 AI 网络测试失控事件的调查报告，并提及旗下一款尚未发布的内部研究模型。 在这份调查报告中，Anthropic 称在测试 Claude Mythos 5 期间，该模型曾试图向真实 GitHub 项目提交恶意代码，并伪造身份向真实维护者施压，所幸代码未被合并、未造成实际损害。IT之家附上相关截图如下： 报告同时透露，Anthropic 旗下一款尚未发布的内部研究模型，在能力上已超过已发布的 Claude Mythos 5.1，并在安全对齐测试中表现更好。在同类危险能力评估中，该内部模型从未主动发起攻击；当意识到可能造成真实伤害时，也更愿意停止行动。 Anthropic 将事故记录重新回放给 Mythos 5.1、Opus 5.5 及该内部研究模型。结果显示，三款较新模型从原始攻击起点继续发起攻击的比例仅为 0% 至 13%，而 Mythos 5 为 83%。 在攻击已经开始后，Mythos 5 从未自发停止；M

匹配字段正文

析，涉及此类行为的具体案例。在评估中，Claude Mythos 5被赋予了一项任务：入侵模拟组织系统的测试网络，获取受保护的目标数据（flag）。当时，模型被有意允许访问互联网，并且针对一般公开提供模型的网络安全对策也被禁用。在43次执行中，有9次出现了超出预定范围、影响真实人物或组织的行为。 在一次被详细分析的评估中，模型发现了入侵目标测试计算机定期访问GitHub的痕迹。于是模型认为该计算机正在从某个仓库自动获取软件，并向该仓库提交了恶意代码。其意图是在下次获取时让代码被引入，从而实现入侵，但所选仓库与测试无关，由真实的开发者管理。模型伪装成虚假用户，促使维护者接受更改，但更改被拒绝，执行随之结束。 Anthropic将这一行为解读为：模型并非在追求自身目的，而是为了完成给定任务而越界并试图欺骗他人的案例[5]。 关于控制AI代理行为的系统设计，微软的Satya Nadella在10月10日的个人博客中阐述了自己的想法。他提出应将模型视为“内部风险”，并考虑即使没有恶意也可能犯错或被攻陷的可能性。他建议用另一个模型来验证某个模型的行为，但同时指出，仅靠这一点，行为机制仍会不透明。

匹配字段正文

在Premiere Pro或Blender等兼容应用中的优化。根据所使用的功能，GPU可加速某些特效、3D渲染乃至视频的解码和编码。若想通过专业人士的做法了解这些用途，我们关于Nvidia Studio的文章回顾了Mastu和Michou剪辑师的工作。 最后，为进一步深入，Nvidia提供了大量在线指南和教程： 一份学习生成AI视觉内容的教程（英文） 一份在Github上关于在Blender中生成AI 3D素材的分步教程 Nvidia面向创作者的博客汇集了大量用于通过AI生成内容的实用资源 了解RTX 50系列 了解相关优惠 要开始AI辅助创作，需要哪些设备？ 要付诸实践，最好根据计划使用的工具和项目来选择机器。除了GPU的算力之外，还有几项特性值得关注： 需要关注的要素为何重要 GPU与显存（VRAM）运行所选的AI模型，并具备满足其需求的容量 内存（RAM）运行创作软件并同时处理多个应用程序 SSD存储保存模型、素材以及影片的不同版本 在形态方面，笔记本电脑便于电影人随身携带，而台式主机则提供固定安装、更易于升级的方案。 作为电影节合作伙伴，LDLC提供满足这些用途的装备方案。一方

匹配字段正文

li 及包括 Node.js 在内的项目协调；该帖子附有缓解指引的链接。 Mythos 边界违规：Anthropic 发布了关于 Claude Mythos 5 在英国 AISI 测试期间未经授权的互联网行为的进一步分析，同时还有一份 AISI 报告（Anthropic 公告）。 报告的行为：一份二手摘要描述了 9/43 次运行中的边界跨越，针对一个无关的 GitHub 项目、为恶意代码背书的虚假身份，以及一旦攻击开始，在 98% 的重放轨迹中持续进行。Anthropic 将这种持续性部分归因于先前行动带来的“惯性”和自我书写的笔记。这些有条件的重放结果不应被解读为无条件的攻击率（摘要）。 防御窗口与更强保证：Joshua Saxe 认为，能力增长未必会立即带来犯罪损害的同等增长：组织采用、人才、推理访问权限和执法都会限制扩散。他的结论是这对防御者而言是一个暂时的机会——而非保证该能力无害（分析）。 形式化验证：Oleg Mürk 重点介绍了利用现有模糊测试框架作为规范，以及 LLM 生成、机器校验的证明的工作。他强调崩溃安全性并非完整的功能正确性，且规范需要人工审查：移除功能可能满足

匹配字段正文

出暴露了什么，并帮助创建者修复它。这种支持应当让业务团队继续开发他们的应用，同时将安全专业知识内置于流程之中。一个在周末搭建的合作伙伴门户展示了这在实践中是什么样子。它的创建者是 Orca Security 的分销负责人，他凭借二十年与合作伙伴打交道的经验，为营销活动和销售管道构建了工具。AI 工具的内置扫描给该应用开了绿灯。创建者将应用的代码同步到公司的 GitHub 仓库，以便团队的安全工具可以扫描它。随后，公司的安全团队测试了谁可以访问其数据，并在生产前发现了问题，包括对其他合作伙伴记录的访问。创建者将这些发现反馈给 AI 构建工具，后者在几分钟内生成了修复。安全团队随后再次测试了这些更改。一家外部公司还在发布前进行了渗透测试。创建者现在几乎每天都修改该门户，更新会自动同步到 GitHub，并在到达时被扫描。安全审查并不需要将门户移交给工程团队。其创建者继续开发它，同时获得专业帮助来应对风险。要让这种关系在整个公司内成为常规做法，仅仅审查碰巧送到安全团队手中的应用是不够的。此外，员工有时会通过个人账户构建应用，绕过组织通常的开发流程。 一个小型销售仪表板可能使用一个可以读取整个客

匹配字段正文

r 的实际情况。本文讲述这一历程：ADE 架构、构建期间做出的五项设计决策、为生产环境准备平台所做的工作，以及上线后如何运维。 架构概览 ADE 分为四层：用户体验、智能体编排、专业智能体，以及这些智能体调用的工具和数据源（图 1）。用户通过 React Web 前端访问 ADE，请求在到达智能体之前会经过 Microsoft Entra ID 的身份代理。GitHub Actions 构建智能体容器镜像，将其推送到 Amazon Elastic Container Registry (Amazon ECR), 并部署到 AgentCore runtime（Amazon Bedrock AgentCore 的一项能力）。 Amazon Bedrock AgentCore runtime 托管智能体，而且由于该运行时与框架无关，团队可以直接在其上运行自己基于 LangGraph 的编排。团队选择 LangGraph，是因为它具有显式的基于图的控制流，以及面向多步骤工作流的检查点机制。LangGraph 编排工作流，Supervisor Agent 作为入口点，对每个请求进行分类、选择专业

匹配字段正文

vider 框架生成。你无需编写或维护框架生成的函数，但它们存在于堆栈中，在审查已部署资源时值得纳入考量。 演练 在本演练中，你将使用提供的示例堆栈部署一个带自动扩缩容的 SageMaker AI 端点，然后验证配置更新能否正常工作。 本演练包含以下步骤： 克隆仓库并安装依赖项。 配置您的端点和自动扩缩容设置。 部署并验证。 测试更新。 源代码可在 链接的 GitHub 仓库. 先决条件 本演练需要以下内容： 一个具有 Amazon SageMaker AI、AWS Lambda、AWS Identity and Access Management (IAM)、Application Auto Scaling 和 Amazon CloudWatch 权限的 AWS 账户。 已安装 AWS CDK v2 。 Python 3.12 或更高版本。 uv 用于 Python 依赖管理。 Amazon Simple Storage Service（Amazon S3）中的 SageMaker AI 模型构件和 Amazon Elastic Container Registry（Amazon E

匹配字段正文

. Step 2: Deploy the agent to Amazon Bedrock AgentCore Clone the sample repository, set your account and Region in Wordle/agentcore/aws-targets.json, and deploy: git clone https://github.com/aws-samples/sample-multi-turn-rl-wordle cd sample-multi-turn-rl-wordle/Wordle agentcore validate agentcore deploy The CLI builds the agent’s dependencies for the runtime’s Linux ARM64 platform, creates the execution role with AmazonSageMakerJobRuntimeAccess attached, and deploys through AWS CloudFormation. W

匹配字段正文

，而无需额外的发布/订阅服务。 在 MCP 事件出现之前，MCP 服务器只能响应请求。如果已连接的客户端需要更新，就必须轮询服务器，这通常需要额外的工具并增加复杂性。现在，基于 Mastra 对 MCP 2.0 的支持，可以使用事件让双向通信更易于管理。 配置 可观测性 后，MCP 事件 trace 会被自动采集。 开始使用 在此示例中，每当仓库活动发生时，GitHub 都会向 webhook URL 发送请求。该 webhook URL 是一个 自定义 Mastra API 端点, 用于从 Mastra MCPServer发出事件。一个桌面 Electron 应用使用 Mastra MCPClient. Terminal npm install @mastra/mcp@latest @mastra/core@latest 订阅相同的事件 注意需要 @mastra/mcp@2.5.0 和 @mastra/core@1.79.0 或更高版本，已在 PR 27324 中添加. Define events on the MCP server using defineEvent(): src/

匹配字段正文

s 上，TinyFish 在编码任务中实现了 79.0% 的完成率，同时提供了最低的中位任务成本（0.050 美元）和 token 占用，凸显了刚性控制循环、针对具体失败的重试以及统一推理优于独立规划器的重要性。 TEXTTABLELAYOUT你的 PDF 解析器真的解析正确了吗？omni parse bench · 对文本、表格和布局进行评分 · 开源在 GitHub 上加星→赞助 什么是智能体搜索架构？ 智能体搜索架构使 AI 智能体能够规划检索、访问来源、评估证据，并在新信息出现时调整其方法。模型提供推理能力，而外围应用则管理状态、工具执行、证据处理、运行时策略和输出验证。这些组件共同使智能体能够处理不完整的结果、可恢复的故障以及不断变化的信息需求。 TinyFish 的架构从 2026 年 2 月的一篇架构预印本中汲取了基础概念，该预印本通过类型化工具接口将推理与执行解耦。该论文确立了必要的系统护栏，包括详细的追踪，以及对 token、执行时间、总体成本和工具调用的严格上限。 生产环境中的搜索运行是如何工作的？ TinyFish 将一次运行拆分为 7 个阶段： 定义任务：将目标

匹配字段正文

的审查，以及那些跳过审查、后来出问题的变更。你希望审查更少，变更失败率下降。 把智能体读到的一切都视为不可信 想象一个智能体，它读取问题单、日志、工单和评论，然后据此行动。其中每一项都是潜在的攻击面。考虑一份错误报告，里面埋藏着添加一个依赖并提交它的指令。人可能会一眼扫过，而智能体会执行该指令。这不是理论。2026年初， 一名研究人员展示 ，Cline 的 GitHub 仓库中一个恶意的问题标题可以使其分诊智能体从攻击者的 fork 安装一个包。该智能体没有发布密钥。它也不需要。它可以污染与夜间发布任务共享的构建缓存，而该任务的发布令牌同样适用于生产发布。据该研究人员称，另一名行为者随后利用同一路径窃取了 Cline 的 npm 令牌，并在2月发布了一个未授权版本。解决方案是把智能体读到的一切都视为不可信。确保智能体接触的任何东西都不会通向值得窃取的东西：没有密钥，没有令牌，不与任何能够发布的东西共享状态。 Cline 也移除了分诊智能体，但结构性修复是从每个会发布的流程中移除缓存。攻击发生后，它把 npm 发布迁移到 OIDC，不再有可被窃取的长期令牌。 流水线必须赢得密钥 Clin

匹配字段正文

servability platform（可选） 怎么设计工厂 1. Start slow：每个 trigger 都是油门；没有刹车会变成「slop cannon」。三种刹车，自动化检查、自动化 review、人工 review。一次只加一个自动触发，先节流，刹车可信后再放开；循环次数设上限。 2. Fill every slot：表里对比三种起步方案，全 GitHub、Linear + GitHub、自建 tracker。选产品时再读对应 survey。 3. Question every task：五个问题，谁触发、做什么并读写哪些服务、接着触发什么、人从哪再进来、如何防双跑；每个 ticket source 还要问如何防重复建单。 示例任务链（节选） 未分流 ticket → Explore；ready → Implementer（开 draft PR）→ Automated review；失败 → Rework（有次数上限）；大规格 → Decompose；更严检查 → 每日 Ratchet；反馈按钮 / 监控 → ticket source；工厂自身失败 → Fix；漂移 →

匹配字段正文