Claude 形式化验证研究能否帮助防御方应对网络攻击？
Anthropic 与 Theorem Labs 发布研究报告，利用 Claude 在汇编指令层面开展大规模形式化软件验证。研究覆盖123个开源软件库中的239个程序入口，生成约1.8亿行 Rocq 证明代码，并发现和修复数百个 Bug，验证以 RISC-V 指令集为基础。
#编码
钛媒体AI 评分6868 掘金 · 人工智能AI 评分4848 爱立信 Code Comprehensor 将 500 万行代码文档化为毫秒级检索引擎
爱立信研究院的 Code Comprehensor 通过离线 LLM 文档化调用图，再将文档转换为语义检索索引，为大规模代码仓库提供在线问答。OpenCV 和 500 万行电信私有 C 代码库测试中，文本到代码 Top-1 分别达到 80.64% 和 76.18%，检索耗时 50 毫秒，完整回答需 3-5 秒。
掘金 · 人工智能AI 评分5757 国产 Flash 模型实测：DeepSeek 中位数领先，MiniMax 评分第二，GLM 交付更可靠
甲维斯对五款国产 Flash 模型进行了 5 轮手柄网页开发测试，DeepSeek V4.1 Flash 综合评分中位数领先，MiniMax M3.1 Flash 评分第二，GLM 5.3 Flash 交付最可靠、有效耗时最短。
The Register · AIAI 评分5959 AI 缩短代码编写时间，却让开源项目收到更多低质量提交
Linux Foundation 调查显示，生成式 AI 平均缩短了 52% 的代码编写时间，但受访者估计，收到的拉取请求中约四分之一属于低质量 AI 生成内容。对于高度复杂的任务，21% 的受访者表示耗时反而增加；大型项目收到的拉取请求中，低质量 AI 内容的估计占比达到 31%。只有 35% 的项目制定了正式允许使用生成式 AI 的政策，基金会呼吁明确测试与披露责任，并为维护者提供更好的工具。
GitHub Blog · AI & MLAI 评分5656 ReviewBench：面向 AI 代码审查的开放评测基准
GitHub 开放 AI 代码审查基准 ReviewBench 的研究预览版，提供公开数据集、评估方法和自助运行工具。基准包含来自 187 个公开开源仓库、覆盖 19 种语言的 219 个拉取请求，使用多来源参考问题集和 Claude Sonnet 5 评判器，独立参与复核的资深工程师与基准判断的一致率为 96.6%。
Import AIAI 评分4949 Import AI 470：不给机器权利；用 SPADE 自动生成环境；用 Hawkeye 构建更好的 GPU 内核
多所大学的研究人员构建 SPADE，通过自我博弈生成可执行训练环境，提升大语言模型的游戏任务与工具使用表现。Qwen3-30B-A3B-Instruct-2507 在游戏评测中的平均得分达 58.3，比基础模型高 8.1。另据 METR 分析，AI 显著加速网络漏洞发现，对数学研究的加速较小，对 AI 研究尚无可测量的加速。
Berkeley AI ResearchAI 评分4949 从 CUDA 到 MLX：K-Search 如何将数十年的内核优化经验迁移至 Apple Silicon
K-Search 通过 MLX 后端和结构化转换层，将 CUDA 内核优化经验迁移至 Apple Silicon，避免从头优化。其 Attention 内核性能为原生 MLX 的 0.97x，Mamba SSM 内核的预填充速度较社区 mlx-lm 实现最高提升 20x。