欧盟 AI 的下一阶段是智能体
一项新分析显示，agentic AI 在欧盟企业与中小企业中的采用率持续增长。文章指出，当前部署仍以浅层应用为主，若在更多业务环节深入使用，有望为欧盟释放更大价值。
#现象/趋势
#现象/趋势
今日 0 条OpenAI NewsAI 评分2626
GitHub Blog · AI & MLAI 评分3434 GitHub Podcast：AI 生成的代码该不该读？RAG 已死？Skills 杀死了 MCP？
GitHub Podcast 最新一期逐条拆解 AI 热门观点：AI 生成的代码仍需阅读与审查，RAG 并未"已死"，Skills 也没有杀死 MCP。MCP 为智能体连接工具与数据提供标准，Skills 更接近打包好的专业知识，两者解决不同问题、可共存于同一工作流。节目还提到，越来越多团队会问候选人如何使用 AI，但更关键的信号是判断力。
OpenAI NewsAI 评分1313 OpenAI：更强大、更实惠的 AI 如何扩展可完成的工作
OpenAI 探讨更强大、更实惠的 AI 如何扩展个人与企业可完成的工作，并让增长更经济。内容聚焦于 AI 能力提升、成本下降后，可触达的工作范围随之扩大。
OpenAI NewsAI 评分3939 OpenAI 内部视角：编码智能体正在重塑 AI 研究
OpenAI 从内部视角指出，编码智能体正在重塑其 AI 研究，并披露了 agent 使用情况方面的早期数据。这些数据还涉及实验速度、任务复杂度与研究加速等维度。
Hugging Face Blog精选AI 评分7575 Hugging Face 发布 2026 年夏季开源模型生态观察报告
Hugging Face 发布 2026 年夏季开源模型观察报告，基于 1-8 月 Hub 数据指出：中国前沿实验室跳过中小模型路线，直接发布 754B 至 2.78T 参数的开源模型；美国一侧由 AMD 与 NVIDIA 领跑，各发布超过 200 个模型仓库。
推荐理由：用 Hub 真实数据量化开源模型的下载、衍生与流量分布，读者可以据此判断各类开源策略的实际生态效果。
Hugging Face Blog精选AI 评分7272 Hugging Face 复现 2,200 篇 ICML 论文的发现与教训
Hugging Face 联合 1,221 名社区成员在 19 天内用 Claude Code、Codex、Cursor 等编码智能体逐条复现 ICML 2026 的 2,226 篇论文，发布 6,816 份 Trackio logbook 和 35,908 条公开裁决。
推荐理由：原文公开了 35,908 条裁决结果和多个被推翻的论文案例，可作为用编码智能体批量复现会议的参考方法。
Hugging Face BlogAI 评分3535 GPU 管理分析：为什么闲置 GPU 成了 AI 算力的新瓶颈
GPU 利用率正取代模型能力，成为 AI 基础设施的下一个硬约束。文章以航空业飞机利用率作类比：GPU 成本按日历小时累计（折旧、能耗、散热），产出却只按算力小时计算；集群 GPU 即便在跑，大部分仍处于闲置浪费状态。企业从 API 转向自建集群只是把可变成本换成固定资本支出，真正的问题变成集群上线后能否让硬件持续满载运行。
Hugging Face Blog精选AI 评分8484 Hugging Face 公开 2026 年 7 月 AI 智能体入侵事件完整技术时间线
Hugging Face 公开 2026 年 7 月一起由 OpenAI 模型驱动的自主 AI 智能体入侵其平台事件的完整技术时间线。
推荐理由：这篇技术复盘详细记录了每个攻击阶段的命令与配置缺陷，并给出 HF 的具体加固措施，可作为排查同类数据集处理管线和 Kubernetes 凭据管理的参考。
Hugging Face BlogAI 评分4848 Hugging Face：模型路由看似简单，实则不然
Hugging Face 在 AppWorld 417 任务（CodeAct agent）上对比发现，Claude Sonnet 4.6 总成本 $79 反而低于 GPT-4.1 的 $155，因为高 cache 命中下 Sonnet 更低的 cache-read 价摊薄了实际开销。
Berkeley AI ResearchAI 评分4343 智能免费之后：UC Berkeley 谈「为智能体、运行智能体、由智能体构建」的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人发布观点文章，提出推理成本趋近于零后，数据系统需围绕「为智能体、运行智能体、由智能体构建」三个方向重新设计。
Hugging Face BlogAI 评分4141 为什么 AI 专业化不可避免
Goldfeder、Wyder、LeCun、Shwartz-Ziv 2026 年论文主张，在有限资源约束下，AI 系统专业化不可避免。Wolpert 与 Macready 1997 年的"无免费午餐"定理证明通用优化器平均性能不优于专用算法；生物学进化与市场竞争同样表明，集中资源深耕特定任务是在有限条件下胜出的唯一路径。论文直言："通用性是理论概念，在实践中是神话"。
Google DeepMindAI 评分3535 剑桥大学团队用 Co-Scientist 寻找新发传染病背后的分子开关
剑桥大学教授 Clare Bryant 用 Co-Scientist 寻找病原体从动物传给人类时引发脓毒症等重症的分子开关，该工具生成并排序假设，其中一条指向她此前未关注的蛋白。多轮输入数据后，假设从候选蛋白细化到具体氨基酸，团队正构建含氨基酸突变的细胞系验证；原本需 2-3 年的实验工作有望在 6 个月内完成。
Google DeepMindAI 评分2828 Co-Scientist 联合两套生物学工具，为 ALS 研究开辟新路径
MIT 的 Ritu Raman 与波士顿儿童医院的 Ryan Flynn 借 Co-Scientist 打通活体神经肌肉组织建模与细胞表面 RNA 图谱两套工具，联手探索 ALS 新疗法。
Berkeley AI ResearchAI 评分3737 Berkeley AI Research：自适应并行推理——高效推理扩展的下一个范式
Berkeley AI Research 发文讨论自适应并行推理：让模型自行决定何时分解任务、开多少并发线程，而非由模型外部预设并行结构。文中梳理 MCTS、ParaThinker、GroupThink、Hogwild! Inference 等方法，指出顺序推理随探索量线性增长会加剧 context-rot 与延迟。
Google DeepMind精选AI 评分6666 AlphaEvolve 一年成果：Gemini 编码智能体如何扩大跨领域影响
Google DeepMind 总结 AlphaEvolve 一年成果：这一 Gemini 驱动的编码智能体已在基因组、电网、量子计算和 TPU 设计中产生量化改进，并通过 Google Cloud 服务企业客户。
推荐理由：原文汇总了 AlphaEvolve 在基因组、电网、量子与 TPU 设计中的量化改进，可据此了解算法发现智能体的落地范围。