为什么 Codex Security 不提供 SAST 报告
Codex Security 不依赖传统 SAST,而是用 AI 驱动的约束推理与验证来发现真实漏洞,以减少误报。文章深入解析了这一设计取舍的原因。
Codex Security 不依赖传统 SAST,而是用 AI 驱动的约束推理与验证来发现真实漏洞,以减少误报。文章深入解析了这一设计取舍的原因。
Mistral AI 介绍了基于其开源编码助手 Vibe 构建的自主测试智能体,它读取 Rails 源文件、生成或改进 RSpec 测试,并在 CI/CD 流水线中无人值守运行。
Hugging Face Blog 发布长文,为 TRL 的异步训练器设计做调研,按七个维度(编排原语、rollout buffer 设计、权重同步协议、staleness 管理、partial rollout 处理、LoRA 支持、分布式训练后端)对比了16个从零围绕异步训练构建的开源库。
推荐理由:文章用七个维度拆解了16个开源RL库的异步训练设计,读者可据此对比选型并理解各自权衡。
Hugging Face 官方博客介绍 Ulysses Sequence Parallelism(来自 Snowflake AI Research 的 Arctic Long Sequence Training 协议)如何通过注意力头并行把长序列训练分布到多 GPU。
Descript 借助 OpenAI 推理模型实现了大规模内容库的自动本地化配音,在翻译过程中不丢失时间轴与语义。该方案让 Descript 得以对大量视频内容进行多语言配音扩展。
NXP 在 Hugging Face 博客发布在 i.MX 95 SoC 上部署 VLA 模型的实践指南,覆盖数据录制、ACT 与 SmolVLA 微调以及端侧优化。
Photoroom 在 PRX 系列第三篇中把此前验证有效的扩散模型技巧组合起来,用 32 张 H200、约 $1500 总算力预算完成 24 小时文生图模型训练,并开源代码到 https://github.com/Photoroom/PRX 。
推荐理由:原文把像素空间训练、token 路由、感知损失等技巧的组合方式和超参写全,可直接复现其 24 小时训练配方。
Hugging Face 官方博客介绍 Mixture of Experts (MoE) 的原理及其在 transformers 库中的工程支持。文章以 gpt-oss-20b 为例说明总参数与激活参数的区别(21B 总参数、每 token 激活约 3.6B),并给出 M3 Ultra 上约 115 tok/s 的实测速度。
推荐理由:文章把 MoE 原理与 transformers 库的加载、后端、并行改造串起来,读者可据此理解工程落地路径。
Hugging Face 官方博客介绍如何用 Unsloth 和 Hugging Face Jobs 通过 Claude Code、Codex 等 coding agent 快速微调 LLM(以 LiquidAI/LFM2.5-1.2B-Instruct 为例),Unsloth 相比标准方法约 2 倍提速、约 60% 省显存。
Hugging Face 官方博客介绍 Gradio 6 中 gr.HTML 的新能力:支持自定义模板、作用域 CSS 和 JavaScript 交互,让 LLM 一次生成前端、后端与状态管理,全部写在一个 Python 文件里,无需构建步骤,可秒级部署到 Hugging Face Spaces。
Hugging Face 发布了一个教编码智能体编写生产级 CUDA kernel 的 agent skill,随 kernels 库提供,可用 kernels skills add cuda-kernels --claude 等命令装入 Claude、Codex、OpenCode 等智能体。
推荐理由:给出了可直接安装的 skill 命令和两组真实基准数据,读者可据此评估它能否用于自己的 kernel 工作流。
Hugging Face 与 Meta 的开源框架 OpenEnv 让智能体在真实系统而非模拟环境中接受评估,Turing 为此贡献了生产级 Calendar Gym 日历环境,包含访问控制、跨用户可见性受限和多步工作流等约束。
OpenAI 技术团队成员 Ryan Lopopolo 撰文探讨 harness engineering,即在 agent-first 的开发方式下如何更好地利用 Codex。文章围绕 Codex 在智能体工作流中的工程实践展开,讨论开发者如何围绕 Codex 构建和调优工具链与流程,以适配以 AI 智能体为核心的编程范式。
Google Research 提出 Sequential Attention,用贪心选择机制在单次模型训练中顺序、自适应地挑选最优组件,以解决特征选择等 NP-hard 子集选择问题。
Photoroom 在 Hugging Face Blog 发布 PRX 文生图模型训练系列第二篇,以 PRX-1.2B 在 256×256 Flux VAE 潜空间的 Flow Matching 基线(100k 步、1M MidJourneyV6 合成数据、AdamW lr 1e-4)为参照,系统消融四类训练技巧并报告 FID、CMMD、DINO-MMD 与吞吐变化。
推荐理由:以统一基线系统消融十余种训练技巧,给出各方法在质量与吞吐上的真实取舍,可直接迁移到自己的训练配置。
Hugging Face 与 LinkedIn 团队复盘了在 verl 框架下为 GPT-OSS-20B 解锁 agentic RL 训练的过程,依次修复了三类问题。
OpenAI 发布技术深度解析,详解 Codex agent loop 的工作机制,说明 Codex CLI 如何通过 Responses API 编排模型、工具、提示词与性能。文章聚焦 Codex CLI 的运行原理,面向希望理解其内部循环机制的开发者。
ChatGPT 帮助小团队分析数据、制作营销材料、管理预算、运营会议并做出更好决策。这是一份面向小团队的实用指南,展示如何用 ChatGPT 覆盖数据分析、营销、预算与会议等日常协作场景。
OpenAI 通过副本、缓存、限流和工作负载隔离,将 PostgreSQL 扩展至每秒数百万次查询,支撑 800 亿 ChatGPT 用户。文章介绍了其在副本、缓存、限流与工作负载隔离上的具体做法。
Mistral AI 在 Engineering Deep Dive 系列首篇文章中复盘了排查 vLLM 内存泄漏的过程:在 Mistral Medium 3.1 配合 Prefill/Decode 分离式部署且启用 graph compilation 时,系统内存以 400 MB/分钟线性增长。
推荐理由:逐层递进的排查路径和每种工具的失效原因,对定位同类底层内存问题有直接可迁移的方法价值。
OpenAI 发布了一份构建 AI 智能体的综合指南,涵盖用例、模型选择、工具设计、护栏和多智能体模式。指南覆盖智能体的设计、编排与部署全流程。
OpenAI 发布面向创业公司的 GPT-5 系列模型实战指南,覆盖迁移到 Responses API、设计智能体、调优提示词、驾驭 GPT-5 模型以及构建可靠 AI 工作流等环节。指南以实用步骤为主,帮助团队把 GPT-5 落地到真实产品流程中。
OpenAI 介绍了其内部团队如何使用 Codex 理解代码、重构系统、提升性能并加快开发速度,从而优化工程工作流。Codex 是 OpenAI 的代码智能体产品,可用于代码理解、重构与性能优化等工程场景。
Netomi 展示了如何用 GPT-4.1 和 GPT-5.2 扩展企业级 AI 智能体,将并发、治理与多步推理结合,构建可靠的生产工作流。
Hugging Face 发布教程,讲解如何用 NVIDIA DGX Spark 和 Reachy Mini 搭建可本地运行的个人 AI 机器人,复现黄仁勋在 CES 2026 主题演讲中的演示。
NVIDIA 发布 Nemotron 3 Nano 30B A3B 的完整评测配方,用开源的 NeMo Evaluator 库公开配置、日志与产物,供任何人复跑评测管线并独立核验模型卡结果。
OpenAI 提出领导者可通过清晰战略、培训、治理和加速创新来构建 AI-ready 组织。文章围绕这四个方向展开,说明组织如何在 AI 时代保持领先。
OpenAI 借助 Codex 在 28 天内推出了 Sora for Android。AI 辅助的规划、翻译和并行编码工作流帮助精干团队实现了快速、可靠的开发。
Hugging Face 发布教程,介绍让 OpenAI Codex 接入 HF Skills 仓库后完成端到端机器学习实验的流程。
推荐理由:教程给出从数据校验到成本预估的完整操作链,可直接迁移到自己的微调实验。
Hugging Face 发布 hf-llm-trainer skill,让 Claude Code 等编码智能体通过对话完成开源 LLM 微调的全流程,包括校验数据集、选择硬件、生成并提交训练任务、监控进度以及把模型推到 Hub。
推荐理由:教程给出了从数据校验到成本估算的完整闭环,读者可据此评估用对话完成微调的可行性。
Hugging Face 博客从注意力机制和 KV cache 出发,以提升吞吐量为目标推导出连续批处理(continuous batching)。
Tavily 在 Hugging Face Blog 撰文分享其 deep research 智能体的构建经验,称相比 Open Deep Research 减少了 66% token 消耗,并在 DeepResearch Bench 上达到 SOTA。
OpenAI 阐述评测(evals)如何帮助企业定义、衡量并改进 AI 表现,从而降低风险、提升生产力并获得战略优势。文章聚焦评测在企业落地 AI 过程中的作用机制。
Hugging Face 发布教程,介绍如何用 kernels 库的 kernel-builder 构建、测试并把 ROCm 内核分享到 Hub,以 RadeonFlow_Kernels 的 GEMM 内核为例。
OpenAI 发布文章深度解析 OWL 架构,这是其基于 ChatGPT 的浏览器 Atlas 背后的新架构。OWL 解耦了 Chromium,实现快速启动、丰富 UI,并支持与 ChatGPT 结合的智能体浏览。
NVIDIA Isaac for Healthcare v0.4 提供端到端 SO-ARM 手术助手工作流,通过 LeRobot 采集数据、微调 GR00T N1.5、在 IsaacLab 评估并部署到硬件。
NVIDIA Isaac for Healthcare v0.4 提供基于 SO-ARM 的端到端入门工作流,用 LeRobot 采集仿真与真实数据、后训练 GR00T N1.5、在 Isaac Lab 评估并部署到硬件,构建具身手术助理机器人。
Hugging Face 发布 voice consent gate(语音同意门)概念与示例 Space,让语音克隆只有在说话者明确说出同意后才启动。系统由生成同意句、ASR 识别和语音克隆 TTS 三部分组成,用大语言模型为每次会话生成含模型名的唯一同意句与补充语音多样性的中性句,且要求音频直接来自麦克风。
Hugging Face 发布指南介绍如何挑选和使用开源 OCR 模型,覆盖模型能力、输出格式(DocTag、HTML、Markdown、JSON)、评测基准与成本对比。
推荐理由:文章给出模型能力、输出格式与成本的对照维度,读者可据此为自己的文档场景挑选 OCR 模型。
Hugging Face 发起 AI for Food Allergies 项目,旨在建立首个社区驱动的实验室,用 AI 推进食物过敏研究。全球约 220 million 人受至少一种食物过敏困扰,美国约占人口 10%。项目将整合 ProtBERT、ESM-2、AllergenBERT 等模型在过敏原预测、药物靶点相互作用和临床诊断上的进展,并解决数据稀缺、分散与难以获取的瓶颈。