依意思最接近的 6 筆
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。
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。
Splice CEO Kakul Srivastava 認為 AI 生成的郵件正在扼殺對話。她此前在 Flickr、Yahoo、GitHub 和 Adobe 擔任高管，如今領導這家為音樂製作人提供 one-shot 與旋律 loop 的取樣平台，其取樣曾被 Lisa 的《Money》和 Sabrina Carpenter 的《Espresso》等熱門歌曲使用。她還主導收購了 Spitfire Audio，並推動平台向更多領域拓展。
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。
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。
OpenAI 發布了一份面向初創公司的 GPT-6 系列模型指南，教團隊如何選擇 GPT-6 模型、調整推理強度、改進提示詞與技能、協調工具，併為生產環境準備 workflows。指南覆蓋從選型到上線的完整流程，目標讀者是用 GPT-6 建置產品的初創團隊。