01
GitHub 漏洞赏金研究员谈漏洞挖掘：理解系统、验证影响与善用 AI
GitHub 介绍漏洞赏金研究员 @r31n 的研究经验。受访者表示，漏洞研究让自己接触不同产品与架构；他偏好分析复杂功能、集成和信任边界，并通过追踪攻击者可控数据到安全敏感操作来寻找问题。AI 可辅助理解代码、追踪数据流和编写 PoC，但结论必须人工验证；有效报告还应包含可复现的 PoC，并清楚说明安全影响。
TECH & AI · 中文精选
了解技术新事，积累自己的判断。
从 AI 到软件工程，精选值得了解的变化。读懂技术要点，也想一想它与你的工作有什么关系。
02
OlmoEarth v1.3 发布：提供全球卫星嵌入数据与交互式探索工具
OlmoEarth 团队发布卫星嵌入模型 OlmoEarth v1.3，并提供全球预计算年度嵌入数据及浏览器交互工具。模型将雷达与多光谱卫星时间序列转为每个 10 米像素的 128 维向量，也支持使用前 64 维。团队称，在涵盖六大洲、27 项评测中，128 维版本有 20 项得分最高。探索工具支持按年份比较地表变化、查找相似地点、用标注点训练小型分类器并导出 GeoTIFF。
03
蚂蚁数科发布决策模型 LingDT-Decision-1.0，面向企业高频判断任务
蚂蚁数科发布 LingDT-Decision-1.0，提供 4B 和 27B 两个版本，面向智能客服、安全风控、金融等企业场景，处理意图识别、任务分类、工具选择和风险判断等结构化任务。模型支持多选与按序决策，已上线蚂蚁数科 DTMaaS 平台。蚂蚁数科公布的测试显示，模型在部分场景降低了 Token 消耗、提升了处理速度；其 27B 版本在覆盖 23 项开源基准的评测中综合评分超过若干参评决策模型。相关结果为厂商披露，生产应用仍需结合业务规则与执行系统。
04
MiniMax发布M3.1 Flash：主打低成本与Agent任务能力
MiniMax发布M3.1 Flash，并称其在Agent相关基准测试中表现突出。文章列出该模型在软件工程、电脑操作和自动化等测试中的成绩，以及官方公布的API价格和速度数据；同时介绍Space Bunny是其早期版本，并提醒Agent真实成本还涉及重试、耗时与人工接管。文中测试成绩和性能、价格比较均来自厂商公布或个别用户测试，实际效果仍需结合具体任务评估。
05
FairStress评测基准关注大模型决策中的公平性与抗干扰能力
FairStress是一项用于评估大语言模型人口统计公平性的基准，关注的不只是模型最终选择谁，也包括其决定面对说服性信息时是否会因群体身份而改变。基准覆盖多领域的双候选决策、不同身份呈现方式及配对的对抗性前缀。研究团队报告称，身份信息更明确时，部分模型更容易在特定情形下放弃有证据支持的选择；其评测结果也会受到提问方式和答案评分方法影响。
06
三位 Java Champion 分享如何借助 GitHub Copilot 提效并守住软件质量
三位拥有多年 Java 经验的开发者介绍了在产品、开源和教学项目中使用 GitHub Copilot 的做法。案例包括开发性能事件历史应用、迁移教学幻灯片、复现并修复终端界面问题，以及构建数学学习应用。他们强调先提供项目背景和约束，再分步委派任务，并通过测试、对比和人工审查验证结果；开发者仍需对内容、设计决策与交付质量负责。
07
谷歌研究团队开源 Harness²：通过递归调整 Agent 外部组件探索能力改进
谷歌研究团队开源研究项目 Harness²，采用 Apache 2.0 协议，支持 OpenCode 和 Codex。它通过调整系统提示词、记忆、工具指导、Skills 等外部组件，在任务中比较不同 Harness 的执行表现，并将有执行证据支持的经验用于后续优化。Google Research 报告称，在其测试的基准和配置中，一步优化已带来不同程度的成绩提升；更多递归也需要更多模型调用和测试时计算。团队同时提醒，项目并非谷歌官方支持的产品。
08
多集群编排项目 Karmada 完成 CNCF 毕业
CNCF 宣布，多集群、多云 Kubernetes 编排项目 Karmada 已毕业，达到面向广泛采用和生产环境稳定项目的最高成熟度层级。同期发布的 v1.19 增强了 AI 训练任务的多组件调度，并将基于优先级的调度提升至 Beta 且默认开启。Karmada 基于标准 Kubernetes API，可在多个集群间放置、分发和调度工作负载。