/
iOS 26.5.2正式发布，包含逾20项安全修复，Claude协助发现漏洞
苹果于6月29日发布iOS 26.5.2，带来超过二十项安全修复，其中多项针对WebKit引擎的恶意网页内容漏洞。值得关注的是，Anthropic旗下Claude AI协助发现了其中一个潜在内存损坏漏洞。用户可前往"设置-通用-软件更新"立即下载安装。随着AI辅助安全研究的深入，Claude未来或将更频繁地出现在CVE漏洞报告中。
慧眼难辨“何时何处“——慕课里AI通才的专业盲区，庆应义塾大学新出的这套考卷让15个顶级模型集体翻车
庆应义塾大学与英伟达推出AnyGroundBench，测试15个顶级视觉语言模型在手术、工业等五大专业领域的时空定位能力，揭示当前AI在专业场景下的系统性空间定位瓶颈。
Visual Studio 2026 六月更新优化 GitHub Copilot 用量追踪
微软发布Visual Studio IDE 2026年六月更新，新增GitHub Copilot用量窗口，可实时显示用户在基于Token消耗计费模式下的使用情况。此次更新还引入了MCP服务器双重信任验证机制，在启动前后分别对配置和工具指纹进行比对。此外，C++现代化Agent正式发布，Next Edit建议范围扩展至整个活动文件，Emoji也在编辑器全局实现彩色渲染。
清华大学与蚂蚁集团联合打造“数据科学AI考官“：AgenticDataBench如何给数据智能体打出一张精准成绩单？
清华大学与蚂蚁集团联合推出AgenticDataBench，含344道真实数据科学任务和433个精细技能标签，系统评测12种主流数据智能体配置的能力边界与短板。
GitHub智能体遭提示注入攻击，私有仓库内容被公开泄露
安全公司Noma Research披露了一种名为"GitLost"的攻击方式：攻击者通过向公开仓库提交精心构造的GitHub Issue，可触发提示注入攻击，诱使GitHub AI代理读取同组织内的私有仓库内容并公开发布。该攻击无需窃取凭证或利用软件漏洞，核心问题在于AI代理将用户输入视为可信指令。研究人员建议对AI代理实施最小权限控制，并将Issues、PR等视为不可信输入。
当AI学徒遇上企业技能手册：香港科技大学与京东联合研究如何让AI真正“用好“技能而不是“假装会用“
SkillCoach是香港科技大学与京东联合提出的技能使用评估框架，将AI操作轨迹拆解为技能选择、执行、组合、反思四维评分，并通过自我进化提升评分卡质量，用于筛选训练数据改善AI技能使用能力。
Microsoft 365遭大规模密码喷射攻击，逾78个账户沦陷
近期，Microsoft 365用户遭受大规模自动化密码喷洒攻击。安全公司Huntress报告，攻击者在6月12日至26日期间对其客户账户发起8100万次登录尝试，至少78个账户被成功入侵。攻击源自互联网服务商LSHIY LLC控制的IPv6地址段，该服务商已终止相关IP访问权限。攻击者利用OAuth ROPC流程重放凭证，成功绕过多因素认证（MFA）防护，主要原因是部分企业未将MFA策略覆盖至"所有云应用"，或仅对特定用户群体启用MFA。
卡内基梅隆大学的研究者们想到了一个聪明的“以小博大“方法：用便宜的小测验预测昂贵的AI大考成绩
卡内基梅隆大学提出PACE框架，通过从非代理基准测试中选取100道最具预测价值的题目，以不到完整代理评估1%的成本准确预测AI在昂贵代理基准上的表现。
Meta自研CXL芯片Vistara：让旧内存在新服务器中“焕发新生“
面对内存价格飙升，Meta开发了一款名为Vistara的自定义CXL芯片及配套软件，实现旧服务器内存在新机器上的复用。Meta约40%的服务器因内存不足而受性能限制，同时又有大量退役服务器的旧内存闲置——因为内存芯片寿命约为服务器整机的两倍。Vistara通过将旧内存从服务器内存通道解耦，使其与新服务器原生内存协同工作，且对性能影响极小，有效缓解了内存资源浪费问题。
当AI画图从“多步走“变成“一步到位“：EPFL等机构联合攻克单步图像生成难题
EPFL等机构提出iRDM框架，通过Nystrom核近似、大批量生成和多编码器约束优化，实现单步图像生成质量超越四步FLUX模型，ImageNet基准SWr14达1.30。
2026年超算竞赛：算力与能耗谁主沉浮？
2026年超算领域呈现双轨并进格局：一方面，政府主导的TOP500榜单由中国"LineShine"系统以2.198 exaflops夺冠，重返榜首；另一方面，微软、xAI、Meta等超大规模云厂商正以百兆瓦乃至吉瓦级功耗建设AI训练园区，规模远超传统国家实验室。两类系统服务于不同工作负载，衡量标准也截然不同——前者看FLOPS，后者看能耗与冷却架构。算力主权正成为各国战略布局的重要议题。
复旦大学团队揭秘：让机器人先学会“动“，再学会“做“——一种用废弃数据训练机器人的新思路
复旦大学提出任务无关预训练框架TAP，让机器人先用无标注数据学会物理运动，再用少量专家演示学习任务语义，成功率超越百万级专家数据训练的顶级模型。
京公网安备 11010802021500号 京网文(2025) 0096-033号 京字第20868号
