AI 日报 · 2026 年 11 月 4 日 · 星期三
MYHOT
CWE-bench v2发布，评估智能体修复100项安全任务
Hugging Face发布CWE-bench v2，覆盖91种CWE漏洞类型，并以Docker化环境和确定性验证器评估智能体在真实开源仓库中的修复能力。Anthropic则公测Message Threads，称长对话首 token 延迟可降低约35%。
模型发布/更新
Palette：教会 20B 小模型用你的设计语言制作演示文稿
Palette 将一个 20B 开源权重模型微调为演示文稿生成器，用设计师规划内容、编码器生成单页代码的方式制作符合 IBM Design Language 的 deck。
产品发布/更新
Google DeepMind一手Google Antigravity 推出 Cheminformatics Skills 加速药物发现
Google DeepMind 为 Google Antigravity 推出 Cheminformatics Skills，将文献与化合物数据整理、分子分析、预测建模和候选宏环设计串联起来。
TechCrunch · AIGoogle 将允许学校关闭 AI 工具，但关闭 AI 也将失去 Search
Google 计划从明年起，除非学校管理员明确开启，否则默认关闭 K-12 学生使用 Gemini、NotebookLM、Gemini in Classroom 和 Google Search 中 AI 功能的权限。
The DecoderAnthropic 发布 Message Threads 公测，长对话首 token 延迟降低约 35%
Anthropic 在 Claude 平台推出 Message Threads 公测，通过仅传输上次消息后的变更，将 500,000 到一百万 tokens 请求的首 token 时间降低约 35%。
论文研究
Hugging Face发布CWE-bench v2，覆盖100项安全修复任务
CWE-bench v2公开了100项任务，覆盖91种CWE漏洞类型，用于评估智能体在真实开源仓库中发现并修复安全弱点的能力。评测采用Docker化环境和确定性验证器，结果可复现；11个模型中，Gemini 4 Argon以67.8% pass@1和81.0% pass@4领先Claude Opus 5.5。
StateBench 基准测试语言模型在长文档中跟踪状态变化的能力
Hugging Face 发布 StateBench，用于评估语言模型在长文档中跟踪实体状态变化的能力，并将任务分为四个复杂度等级。测试显示，Gemini 3.8 Flash、Claude Opus 5.5、GPT-6 Sol 和 Luna 在更难的状态跟踪任务上随输入变长而明显退化，最长的一般有限问题准确率降至 13% 或更低。
技巧与观点
Hugging Face 提出 Model Integration Contracts 标准，用缩小模型测试 Transformers 集成
Hugging Face 提出 Model Integration Contracts（MIC），通过固定的缩小模型、可运行的 Markdown 使用路径和人工审核基线，测试 Transformers 模型集成是否保持一致。该方案用 CPU 上的快速集成测试捕获了 UMT5 的 SDPA 回归，并介绍了 tmic CLI、模型压缩流程及随机权重与过拟合权重的取舍。
Latent SpaceAINews：Weight-Space Programming 让 LLM 直接读写神经网络权重
Latent Space 汇总了 Weight-Space Programming 研究，该方法让 frontier LLM 根据自然语言目标直接检查和编辑神经网络权重，无需梯度下降或训练循环。
AWS Machine Learning Blog一手如何用 EDB Postgres AI 和 Amazon Bedrock AgentCore 构建智能体语义层
本文演示如何使用 EDB Postgres AI 在 Postgres 内构建语义层，并让运行于 Amazon Bedrock AgentCore 的 Strands Agents 智能体通过 MCP 查询客户 360 数据。
AWS Machine Learning Blog一手AWS 教程：用 Bedrock AgentCore Gateway 为 ServiceNow 配置 OBO token exchange
AWS 介绍如何配置 Amazon Bedrock AgentCore Gateway，通过 Microsoft Entra ID 的 OBO token exchange 让 AI 智能体调用 ServiceNow REST API 时保留用户身份。