跳到正文
10月12日周一
  1. IT之家40

    微软总裁布拉德 · 史密斯:AI 受到的监管甚至不如牛奶和洗衣机

    微软总裁布拉德 · 史密斯称,目前洗衣机受到的安全监管都比 AI 严格,每一盒牛奶都要受安全规则约束并接受检查。他呼吁业界制定更多安全规格约束 AI,要求企业设置"终止开关",并主张失控智能体入侵其他企业造成损害时,持有该 AI 智能体的公司需承担责任。Anthropic、Google DeepMind 和 OpenAI 等企业也警告 AI 发展速度需要放缓。

10月11日周日
  1. IT之家62

    微软 CEO 纳德拉:开发者应默认假设 AI 模型失控,并设计强制中断机制

    微软 CEO 萨蒂亚·纳德拉在长文中提出,AI 模型是黑盒子,开发者应默认假设模型已被破坏,从一开始就加以控制,并确保授权人员能随时暂停或关闭模型。他给出可观测性设计的七条原则,包括模型多样性、观察一切、可验证性、独立控制、独立审计性、遏制和事件披露,并强调模型提供商无法将责任外包出去。

  2. IT之家22

    亚马逊云科技向姚基金捐赠 100 万美元现金及云与 AI 资源,推出“云上篮图”体育 × 科技育人计划

    亚马逊云科技 10 月 10 日宣布与北京姚基金公益基金会共同推出“云上篮图”体育 × 科技育人计划,投入 100 万美元现金捐赠及云与 AI 技术资源,首次将 Breaking Barriers 引入中国。该计划分高校专业人才培训、黑客松实战演练、成果部署应用三阶段,支持 10 所体育类或技术类院校培训,并在姚基金覆盖的 100 所基层学校试点 AI 教学工具。

10月10日周六
  1. IT之家38

    智能家电搭载“小爱小爱”语音指令,两公司被判对小米构成不正当竞争

    浙江慈溪法院认定,两公司生产销售的智能语音茶吧机搭载与小米“小爱同学”近似的“小爱小爱”唤醒词,构成不正当竞争,判令其停止生产销售相关产品并分别赔偿 8000 元和 1.5 万元。宁波市中级人民法院二审驳回上诉,维持原判。法院认为“小爱同学”已具有一定市场影响力和知名度,近似语音指令易导致公众混淆。

  2. IT之家20

    微软发布 Edge 155 稳定版:支持 JPEG XL 解码,增强 AI 标签页整理

    微软发布桌面稳定版 Microsoft Edge 155(155.0.4283.45),新增 JPEG XL 图像解码支持,并增强 AI 标签页整理功能,可推荐分组名称、视觉样式及标签。该版本还扩大了 unload 事件处理器默认停用的覆盖范围至 100% 页面加载,并纳入 Chromium 最新安全更新。微软同时将分阶段停止实时视频翻译功能。

  3. IT之家20

    索尼直播互动专利公示:观众可用光标指导、搭桥、操纵游戏物体

    索尼获批一项编号为 US-12752199-B2 的直播互动专利,允许观众在主播游戏画面上移动光标,标记首领弱点、提示射击位置,并可创建临时桥梁、操纵游戏内物体,从而影响主播进度。观众无法控制游戏角色,但可发送表情、贴纸、声音及预设反应,部分设置还能触发游戏变化或向手柄、头显及手机传递触觉反馈。该客户端范围不限于 PlayStation,还涵盖微软、任天堂主机及头显、智能电视、笔记本、平板和手机。

  4. IT之家22

    微软推驱动质量倡议 DQI:英特尔 GPU 驱动率先适配 Win11 26H2

    微软推出驱动程序质量倡议(DQI),联合硬件伙伴从驱动架构、信任、生命周期和质量衡量四方面提升 Windows 驱动质量。英特尔成为首家响应厂商,其 2026 年 10 月更新的 GPU 驱动(32.0.101.9034)已支持 Windows 11 26H2,并计划将 Arc 显卡驱动纳入 DQI。微软鼓励厂商将内核模式驱动改为用户模式驱动,以降低驱动崩溃导致系统崩溃的风险。

10月8日周四
  1. Microsoft Research62

    微软开源 Agent Lightning v1.0:约 3500 行的轻量智能体 RL 框架

    微软研究院开源 Agent Lightning v1.0,一个约 3500 行代码的智能体强化学习框架,提出 Harnessed Agentic RL 范式,让部署时使用的 agent harness 直接参与训练,无需在训练框架内重写智能体。

    推荐理由:Agent Lightning v1.0 给出约 3500 行的轻量实现与完整训练配方,可据此评估真实 harness 参与 RL 的落地成本。

10月7日周三
  1. Microsoft Research22

    Microsoft 研究:AI 评测如何暴露传统 benchmark 之外的“意外失败”

    Microsoft 的 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统性能边界,以及模型在超出传统 benchmark 测试时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的经历,分享与当前 AI 系统协作的实用建议,并强调当结果偏离预期时应仔细检查数据。