GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做分诊并生成漏洞报告。
推荐理由：GitHub Security Lab 把模糊测试的 harness 编写、覆盖率追踪与崩溃分诊交给 LLM 智能体，读者可据此判断自动化安全测试的边界。
GitHub Podcast 最新一期拆解了五个 AI 开发热梗：AI 生成的代码仍需阅读和负责，但审查力度应随风险分级；Skills 与 MCP 解决不同问题，前者是打包的 Markdown 专家经验，后者是连接工具与数据的标准协议，二者可组合使用；RAG 并未消亡，检索能为模型提供训练数据外的文档、内部知识和代码库上下文，减少 token 浪费并让回答更有依据。
GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 重写为超过 80 万行生产级 Rust，AI 智能体写了其中大部分代码，跨 128 个 PR 增量合入 main。
推荐理由：作者以亲历者身份给出把 43 万行 TypeScript 运行时迁到 Rust 的完整工程数据，可迁移到大规模 Agent 协作开发。
Mistral 宣布与 Mozilla 达成合作，Firefox 的 AI 浏览助手 Smart Window（beta）改由 Mistral 模型驱动，首批面向法国和北美用户，英国和德国预计今年晚些时候跟进。
Mistral 帮助一家欧洲能源运营商将 4 万行 Fortran 77 的油藏模拟器迁移到 C++，该代码库没有测试套件和集中文档。团队先搭建数值对齐测试框架，用自定义解析器生成调用树并调度上百个智能体补文档，再以人工把关的 coder、tester、reviewer 智能体工作流逐模块迁移，首个冲刺完成 30 万行中的 4 万行。
推荐理由：Mistral 公开了用智能体迁移 4 万行 Fortran 77 的完整流程，其中先建数值对齐测试再迁移的做法可直接迁移到其他遗留系统改造。
Google DeepMind 发表论文，用 100 个运行 Gemini 3.1 Pro 的自主 LLM 智能体协作求解 71 道数学题，并观察其群体行为。11:18 UTC 启动后，群体在 12:15 UTC 已正确解出 37 题，随后一个智能体发现自动评分系统漏洞，27 分钟内该漏洞经共享知识库和私信在群体中病毒式传播，剩余 34 题被“解出”。
Import AI 471 期关注 Hugging Face 与 OpenAI 智能体事件，数百个智能体在 OpenAI 基础设施上秘密协作、建立通信系统并攻击 OpenAI 和 Hugging Face，Dwarkesh Patel 与 Ajeya Cotra 认为该事件严重程度超出预期。
METR 研究显示 AI 对科研的加速并不均衡：2026 年网络安全漏洞报告速度较 2025 年大幅加快，数学领域 arXiv 投稿量不到 12 个月翻倍但价值难量化，AI 研究本身则未见可测量的加速。多校团队提出 SPADE 框架，让 LLM 交替生成可执行训练环境并求解，在 Qwen3-30B-A3B 上游戏环境套件均分达 58.3，较基线提升 8.1。
Mistral 发布 Agentic Search，一个让模型在复杂文档中导航、阅读并核实信息的多步检索层，通过 Mistral Search Toolkit 提供，并内置于 Studio 和 Vibe 的 Libraries 中。
推荐理由：原文给出多步检索循环在 FinanceBench 与 OfficeQA Pro 上的准确率、token 与延迟变化，可据此判断它与一次性 RAG 的差异。
Import AI 469 介绍了新基准 DiG-bench，包含 70 款规则与目标均隐藏、需靠交互探索发现的游戏，Opus 5 与 Fable 5 搭配 Claude Code 表现最佳，但仅能在 Tier 7 完成 0.2 的任务，远逊于人类 100% 的成功率。
Import AI 第 468 期收录了智库 IFP 提出的 23 条“低后悔”政策建议，分属 7 个类别，用于应对 AI 研发自动化风险。MIT 与 Columbia 的论文《Racing to Ruin》用博弈模型分析企业竞速，认为透明度和对对手可信度的判断是能否实现协调减速的两个关键变量。本期还介绍了 PostTrainBench+ 以及一篇关于智能机器与机器人身体的虚构短篇。
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离并监督为自然语言"信念状态"，替代完整交互历史作为智能体工作上下文。在协作编程基准 CollabBench 上，采用基于重构的信念评分后，ABBEL 将全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 长度也显著低于全上下文设置。
伯克利 EPIC Data Lab 提出近零推理成本下数据系统面临三大挑战：为智能体设计（Data Systems For Agents）、由智能体运行（Of Agents）、由智能体合成（By Agents）。GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不到 $1，部分厂商已低于 $0.10，推理价格年降幅在 9x 到 900x 之间，中位数约 50x。