Cloudflare 推出 Vinext 1.0，幫助開發者將 Next.js 應用遷移到 Vite，並在 Cloudflare Workers、Netlify、AWS Lambda 等平臺部署。新版相容率超過 99%，支援 App Router 與 Pages Router、ISR、快取、觀察等功能，並提供自動化測試與社群驅動的持續改進。
推薦理由：Vinext 1.0 讓 Next.js 應用可在 Cloudflare Workers、Netlify、AWS Lambda 等多平臺部署，相容率已超過 99%，並提供統一快取、觀察與自動化測試，幫助高流量動態網站實現穩定可靠的執行。
GitHub Copilot app 推出了 canvases 功能，允許使用者通過 /create-canvas 技能與自然語言描述，免編碼生成支援雙向互動的自定義工作流介面。畫布可作為共享白板即時更新，支援團隊共享或儲存為個人擴充套件，使用者也可直接安裝 Awesome Copilot 中的現成擴充套件進行定製。
推薦理由：文章介紹了 GitHub Copilot app 中使用 canvases 自定義工作流的方法，讀者可以學習如何通過描述直接生成雙向互動介面。
本文介紹瞭如何利用 Amazon EKS、EFA 與 DeepEP 在大規模 MoE RL 訓練中實現 40% 以上吞吐提升。
推薦理由：本文詳細闡述瞭如何利用 Amazon EKS、EFA 與 DeepEP 在大規模 MoE RL 訓練中實現 40% 以上吞吐提升，幫助讀者快速搭建高效、成本友好的分散式 RL 基礎設施。
Vercel 在部落格中公佈了 skills.sh 登錄檔在七個月內達到一百萬技能、近 2.8 億次安裝的報告。報告顯示，跨行業技能佔 66% 的註冊量，安裝量佔 87.5%，並指出安裝高度集中，最受歡迎的 0.04% 技能貢獻了 62% 的安裝。
推薦理由：報告展示了 skills.sh 生態的爆發式增長與安裝分佈，為評估 Agent 技能市場潛力提供資料依據。
Latent Space 盤點了一週內 AI 行業的重大進展，涵蓋 Claude Opus 5.5、GPT-6 系列及 Gemini 3.8 Flash 等前沿模型的基準評測表現。同時梳理了決策模型、智慧體基礎設施、推理加速硬體以及生物基因領域的最新動態。
GitHub 官方探討了當前 AI 互動過度依賴聊天框的侷限性，並提出使用可定製的全棧應用畫布來替代純文本對話。文章以 Connect 4 遊戲、Winget 管理工具和 SQLite 資料庫操作為例，闡述了通過自定義介面減少 token 浪費並自動化開發工作流的具體實踐。
GitHub Security Lab 推出了基於 Taskflow Agent 的自動化 fuzzing 管道，能夠自主分析 C/C++ 專案、編寫 harness、執行 AFL++ 並生成漏洞報告。該工具採用 agent 負責決策、MCP 工具負責執行的設計，通過覆蓋率反饋迴圈和動態字典生成來提升測試效率。
推薦理由：文章介紹了開源自主 fuzzing 管道的具體架構和執行邏輯，讀者可以藉此瞭解如何利用智慧體自動化完成程式碼覆蓋率分析和漏洞排查。
Klaviyo 在兩週內通過 Vercel 平臺交付 356 個內部應用，覆蓋 512 名員工，其中 196 個為全棧應用並使用 Klaviyo 自有資料庫。所有應用預設 SSO 認證、私有化部署，並通過 Vercel Secure Compute 與 Klaviyo 內部網路安全連線。
GitHub Copilot app 重構了 pull request 檢視，通過將文件高度拆分為確定性的程式碼高度與動態塊高度，並在極端負載下最佳化資料管道和虛擬化渲染，實現了在處理包含 2,200 個檔案、逾百萬改行及超過 400 條行內評論的巨大 pull request 時，依然保持快速流暢的審查體驗。
微軟研究團隊釋出 RetroChimera，一種用於大規模小分子合成預測的框架，並在 Nature 論文中展示其效能。RetroChimera 結合 R‑SMILES 2 與 NeuralLoc 兩種模型，通過學習式重排序實現更準確的合成路線預測。其開源實現已在 GitHub 上釋出，旨在加速藥物與材料研發。
推薦理由：RetroChimera 通過融合兩種模型提升化學合成預測，公開原始碼可加速藥物與材料研發。
近期 AI 行業湧現出多項重要進展，其中非生成式決策模型受到廣泛關注並催生多款開源復現。同時，Claude Code 正式支援 AGENTS.md 規範，長上下文訓練及具身智慧資料集等領域也有顯著更新。
GitHub 團隊宣佈將 GitHub Copilot 執行時（包括 CLI、應用和 SDK 的核心底層）從 TypeScript 完全重寫為 Rust。此次重寫歷時約 14 周半，包含超過 80 萬行生產級 Rust 程式碼，主要由 AI 智慧體協助單名開發者通過 128 個 PR 以增量方式逐步推進，使執行時效能提升了數個數量級。
推薦理由：文章詳細記錄了使用 AI 智慧體將大規模執行時重寫為 Rust 的全過程，為開發者提供了極具價值的大型工程遷移實操參考。
GitHub 營銷負責人分享瞭如何利用 GitHub Copilot、GitHub Actions 及 API/CLI 工具將亞太區的活動運營流程實現程式碼化與自動化。通過將執行手冊轉化為 Markdown 技能並結合 Issue 觸發器，系統能夠自動生成落地頁、分發 UTM 連結、每日篩查註冊名單以及在活動後執行跟進。
推薦理由：作者通過自身實踐展示瞭如何用自然語言和平臺原生功能自動化營銷運營，為非技術背景人員提供了可複用的工作流改造方法。
GitHub Copilot app 推出了內建的 diff、終端和瀏覽器面板，讓使用者無需切換應用即可審查 AI 生成的程式碼、執行命令並測試介面。通過這些並排的內建面板，使用者可以閉環完成審查、執行和預覽，安全地合併程式碼並建立 pull request。
推薦理由：原文介紹了應用內嵌面板的具體功能和協作流程，讀者可以據此瞭解如何在一個介面內完成 AI 程式碼審查和測試。
summary_zh: GitHub Copilot 現已可透過官方 @ai-sdk/harness-github-copilot 連線至 AI SDK harness 層，讓開發者能以同一 HarnessAgent 介面執行多種 coding agents，無需改動程式碼。
GitHub Copilot 推出了 Project HydraFusion，一個研究預覽，利用多模型編排在執行時實現前沿智慧。開發者只需像選擇單一模型一樣呼叫 HydraFusion，系統會在本地、雲端和複合模型之間自動路由，平衡效能、成本與延遲。
推薦理由：HydraFusion 通過多模型編排實現前沿質量，顯著降低成本，適合需要高質量程式碼的開發者，並提供視覺化工作流與成本追蹤
本文介紹了使用 TRL 庫和 GRPO 對 LFM2.5-350M 模型進行輕量化微調的開源教程，展示了僅需約 500 個樣本和 100 個訓練步驟即可將模型在 IFStruct 基準測試中的整體表現從 22.6% 提升至 29.7% 的具體方法。
推薦理由：文章提供了在免費 GPU 環境下用 GRPO 最佳化小模型結構化輸出的完整開源配方，讀者可以藉此評估低成本對齊對模型輸出合規性的實際提升效果。
Google Research 推出 TimesFM-3，這是一個擁有 3.3 億引數、原生支援多變數預測的零樣本時間序列基座模型。該模型採用解碼器架構與交替注意力機制，支援單次前向傳遞生成整個預測區間，在 Gift-Eval、FEV-Bench 和 Time 等基準測試中表現優於其他預訓練基座模型，目前已在 GitHub 和 Hugging Face 上線。
推薦理由：谷歌釋出了面向多變數時間序列預測的基座模型 TimesFM-3，它通過交替注意力架構和單次前向傳遞實現了零樣本預測，在多項公開基準測試中表現領先。
Multiverse Computing 在其最新論文《Efficient Knowledge Distillation for LLMs: Offline Top‑K Logits and a Fused Chunked KL Loss》中提出離線 Top‑100 logits 快取與分塊 KL 損失兩項改進。
推薦理由：本文提出的離線Top‑K logits快取和分塊KL損失顯著降低視訊記憶體需求，使大規模LLM蒸餾可在單GPU上完成，降低成本並提升實驗效率。
NVIDIA 推出 Cosmos-H-Dreams，這是一個針對手術機器人的即時、動作條件生成式模擬器。該模型將 Cosmos-H-Surgical-Simulator 的能力蒸餾為因果學生模型，並通過 FlashDreams 庫在單張 NVIDIA RTX PRO 6000 GPU 上實現每秒約 160 幀的互動式執行，支援在閉環中進行策略評估和資料生成。
推薦理由：官方推出的即時動作條件生成模擬器展示了手術機器人的互動式環境，讀者可以據此瞭解世界模型在醫療機器人領域的即時推理與應用進展。
Hugging Face 推出開源、低成本的機器人運算元據採集系統 Grabette，允許使用者通過手持夾爪和相機快速錄製任務並自動生成機器人就緒的資料集。該系統包含手持錄製裝置 Grabette 與配套的機器人夾爪端側執行器 Gripette，採用模組化標準感測器構建，並已接入 Hugging Face Hub 與 LeRobot 訓練生態。
推薦理由：該開源系統降低了機器人運算元據的採集門檻，為社群協作收集具身智慧訓練資料提供了低成本方案。
IBM Research 釋出了 ScarfBench，一個用於評估 AI 代理在企業 Java 框架遷移任務中的基準。該基準包含 34 個應用、102 個框架實現、204 個遷移任務，約 151K 行程式碼。
Google Research 釋出研究《Forest vs Tree: The (N, K) Trade-off in Reproducible ML Evaluation》，探討了 AI 評測中樣本數量（N）與每個樣本評測者數量（K）之間的權衡關係。
Devstral 是 Mistral AI 與 All Hands AI 合作推出的面向軟體工程的智慧體 LLM，已在 SWE-Bench Verified 上取得 46.8% 的得分。
推薦理由：Devstral 在 SWE-Bench Verified 上顯著領先開源模型，並可在單張 RTX 4090 上本地部署，適合企業私有程式碼庫。
Mistral AI 介紹瞭如何利用大語言模型作為裁判來評估 RAG 系統，重點探討了 RAG 三元組的概念，並結合結構化輸出功能給出了具體的實現程式碼和評估框架。