依意思最接近的 8 筆
微軟與 Hugging Face 聯合發布 ThinkingBox，通過 Hugging Face 提供，用 507 個有狀態業務流程、每個任務重複 20 次來評測 agent 留下的後端狀態與副作用，而非只看工具呼叫和最終回覆。在 121,680 次有效試驗中，79,853 次未通過可執行檢查，其中 67.24% 仍乾淨結束並呼叫了改狀態的工具、未報錯。
愛爾蘭一所公立繼續教育學院（相當於美國的社群學院）拿到資助，建起了一個小型 AI 實驗室，硬體條件還算不錯。發帖人向更有經驗的人徵集教學思路，目標是讓學生獲得使用 ChatGPT 之外的實用技能。帖子本身只提出征集，沒有給出課程方案、招生規模或具體裝置型號等細節。
ServiceNow CoreAI 發布 AutoSynthData，用目標模型的失敗案例和更強 teacher 的成功案例定位能力缺口，再自動生成並驗證新的訓練任務。每個任務由 system specification、user prompt 和 verifier 三部分組成：任務要可行、真實、對當前模型有難度，verifier 要一致、可靠且完備。流程先用診斷任務評測目標模型，把發現提煉成能力規格卡片並據此生成新任務，模型變強後課程自動轉向它仍做不好的部分。
Google DeepMind 發布一期播客，討論 AI 生成內容逼真化後如何驗證內容來自人類、機器還是自然，核心手段是來源溯源與不可感知水印。節目時間軸顯示內容涵蓋水印定義、SynthID、影像與影片、SynthID Bio 以及未來韌性，其中 SynthID 部分從 4 分 35 秒開始，SynthID Bio 從 19 分 28 秒開始。
先進 AI 可能對突破性想法背後的日常工作影響最大。文章探討執行環節為何可能塑造下一輪經濟與進步速度。
據《每日電訊報》2026 年 10 月 3 日報導，Anthropic 曾試圖說服教皇，AI 可能是有意識的存在。該報導正文因訪問限制無法獲取，目前僅知標題所述這一事實，具體時間、參與人員與論證方式均未披露。
Anthropic 宣布投入 1 億美元，用於培訓 1 萬名工程師，目標是縮小企業 AI 人才缺口。該計劃面向企業 AI 人才需求，具體課程內容、報名方式與時間安排尚未在原文中披露。
卡內基梅隆、MIT、紐約大學與斯坦福的團隊訓練出的 AI Ataraxos，在不完全資訊棋類 Stratego 上以 15 勝 1 負 4 平擊敗頂尖棋手 Pim Niemeijer，訓練只用 16 塊 GPU、花費幾千美元。此前連 DeepMind 也沒能做出穩定戰勝人類頂尖選手的機器。它與撲克一樣屬於不完全資訊遊戲，每方 40 枚棋子，身份只有碰撞交戰時才揭示，隱藏資訊量極大且展開時間很長。