GitHub Copilot 应用如何渲染超大 pull request
GitHub Copilot 应用重建了 pull request 视图，以流畅渲染含 2,200 个文件、超 100 万行改动和 400 多条行内评论的超大 PR。其做法是把文档高度拆成确定性的代码几何与动态块几何两部分：代码行高提前精确计算，评论等动态块则按稳定 key 锚定到文件、行和侧，惰性测量并只做小幅修正，避免滚动跳变。
全部动态 · 今日5条
#教程/实践
信源抓到、进了内容池的全部内容，按时间排列；精选只是其中一部分。
GitHub Blog · AI & ML22 Simon Willison18 Shadow roots 详解：用可交互示例理解 shadow DOM
一篇用可交互示例讲解 shadow roots 的教程，演示样式封装、继承、slots、parts 以及 JavaScript 访问方式，展示 shadow root 如何创建带私有样式表和元素的隔离 DOM 树，并与页面 DOM 以特定受控方式交互。该示例由 Fable 5.1 Medium 根据提示词生成。
Mike Krieger · X32 我一直难以想象《Dungeon Crawler Carl》中整个 Iron Tangle 关卡的样子，所以做了一个交互式作品；我想我终于弄明白了：https://claude.ai/artifact/NTcG664cCbibbZNUFnCSu9?sk=HtqECKbpVqi8-DDzHAkh-Q
我一直难以想象《Dungeon Crawler Carl》中整个 Iron Tangle 关卡的样子，所以做了一个交互式作品；我想我终于弄明白了：https://claude.ai/artifact/NTcG664cCbibbZNUFnCSu9?sk=HtqECKbpVqi8-DDzHAkh-Q
GitHub Blog · AI & ML精选78 GitHub 用 Copilot 把 Copilot 运行时迁移到 Rust
GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产级 Rust，代码主要由 AI 智能体编写，分布在 128 个 PR 中增量合入 main，而非一次性切换。
推荐理由：作者以亲历者身份复盘 80 万行 Rust 重写，给出可迁移的智能体编排与评审方法。
GitHub Blog · AI & ML34 GitHub 如何用 Copilot 把营销活动变成代码：从策划到跟进全自动
GitHub 日本和韩国区营销负责人用 GitHub Copilot 把活动运营流程自动化：以 GitHub Issue 为工作单元，Issue forms 充当报名表单、Labels 作为触发器、Actions 执行具体任务，活动从单个 Issue 自动搭建、每天自动筛选报名者并在结束后自动收尾。
Andrew Ng · X18 吴恩达：AI 工程技能如何塑造构建
掌握 AI 工程技能，你就能主动塑造构建过程：你影响要构建什么，并驱动构建循环。以下是实现这一点的关键技能。https://x.com/i/article/2098450134883594240
GitHub Blog · AI & ML38 GitHub Copilot 应用新手指南：使用 diff、终端与浏览器面板
GitHub Copilot 应用内置 diff、终端和浏览器三个面板，让用户无需离开应用即可审查、运行并预览 AI 智能体生成的代码改动。diff 面板以绿色标注新增、红色标注删除，支持接受改动、留言或让 Copilot 继续修改；终端面板可直接运行项目命令并支持多窗口切换。
Hugging Face · X22 Hugging Face 智能体训练课：从奖励函数到环境
Training Agents 4：从奖励函数到环境。 https://x.com/i/broadcasts/1OxwbngOoXEJB
Hugging Face Blog49 Hugging Face Jobs 上用 LoRA 实现异步 GRPO：一个 Bucket、一个代理，无需 NCCL
TRL v1.14 的 AsyncGRPOTrainer 现已支持只训练并同步 LoRA adapter 到 vLLM，rank-1 adapter 仅几 MB，可通过挂载在多个 Hugging Face Jobs 上的 Storage Bucket 传输，无需 NCCL。
Mistral AI58 Mistral 如何用 AI 智能体迁移 4 万行 Fortran 遗留代码
Mistral 帮助一家欧洲能源运营商把 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也没有集中文档。团队先搭建数值对齐测试框架，用 Skill.md 引导智能体导出 Fortran 状态快照并在 C++ 侧校验，再用自定义解析器生成调用树、由 Vibe CLI 调度上百个智能体结合 Mistral OCR 补文档。
GitHub Blog · AI & ML38 GitHub Copilot app 入门：如何同时运行多个 agent
GitHub Copilot app 支持同时运行多个 agent 会话，每个会话运行在独立的 Git worktree 上，互不干扰且各自保留上下文，可随时切换并从中断处继续。用户可在 sessions view 中查看各会话标题与任务进度，并以 tailspin-toys 仓库为例同时执行 funded sort、无障碍审查和测试三项任务。
Hugging Face Blog47 用 100 步 GRPO 微调 LFM2.5-350M，提升结构化输出合规率
一份公开的低成本方案用 TRL 的 GRPO 对 LFM2.5-350M 做微调，仅约 500 条样本、100 个训练步，在 IFStruct 基准上把通过率从 22.6% 提升到 29.7%。训练可在免费 Colab 或 Kaggle GPU 上完成，评测则通过 llama.cpp 在本地 MacBook 上运行，代码已开源在 GitHub。
Hugging Face Blog48 用 TRL 和 OpenEnv 训练编码模型画水彩
Hugging Face 博主用 TRL 和 OpenEnv 复现了 Surya Narreddi 让语言模型画水彩的想法，模型通过 p5.brush 写出约 150 行 JavaScript 来作画。
Hugging Face Blog49 用 Sentence Transformers 训练与微调多向量嵌入模型
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，支持 ColBERT 式后期交互检索，并提供完整训练方案。
Hugging Face Blog34 Hugging Face Inference Endpoints、Jobs 与 Buckets 如何支撑 Papers with Code 搜索
Papers with Code 的混合搜索系统由 Hugging Face Jobs、Storage Buckets 和 Inference Endpoints 三项服务支撑，目前为来自 arXiv 和 Daily Papers 的逾 110,000 篇论文维护嵌入向量。
Kimi · X22 Kimi Work 金融分析师教程第二期
Kimi Work 金融分析师教程 #2 用 Kimi Work 完成 3 个常见投资研究任务： - 构建实时投资者仪表盘 - 在电子表格中更新财务模型 - 批量处理并生成报告 敬请期待更多 Kimi Work 工作流！
Hugging Face Blog48 Hugging Face 推出约束感知 GPU 分配器：同集群利用率最高提升 33 个百分点
Hugging Face 构建了约束感知的 GPU 分配器，在七个基准场景中与 FIFO 调度器对比，相同硬件与负载下 GPU 利用率最高提升 33 个百分点，优先级加权产出在每个场景均有提升，最高达 105%。
Hugging Face Blog精选62 用 Strands Agents、LeRobot 和 Hugging Face Storage Buckets 完成录制、训练与部署闭环
Hugging Face 博客给出 Strands Robots 的流式数据闭环教程：同一个 Robot() 录制 LeRobotDataset 并同步进 Storage Bucket，再通过 stream_dataset() 直接从 Hub 流式读取训练，无需先下载整个数据集，训练好的 checkpoint 只需把 mode 改为 real 即可部署回硬件。
推荐理由：以 Strands Robots 为例拆解机器人数据闭环，读者可据此理解录制、流式训练与部署如何共用一套 LeRobot 格式。
Andrej Karpathy · X28 Karpathy 分享与 LLM 协作的"长语音漫谈"技巧
Andrej Karpathy 分享了一个与 LLM 协作的实用模式：切换到 /voice 语音输入，用约 10 分钟意识流式漫谈把想法一股脑说出来，哪怕杂乱无章。他表示 LLM 很擅长重构这种冗长而不连贯的漫谈，回显出的思路往往比原始输入更清晰，从而加深"心灵融合"、减少后续纠错。
Hugging Face Blog48 模型路由并不简单：从分类问题到系统优化问题
在 AppWorld Test Challenge 的 417 个任务上，同一 CodeAct 智能体下 Claude Sonnet 4.6 总成本 79 美元（0.19 美元/任务），GPT-4.1 却达 155 美元（0.37 美元/任务），缓存命中率是主因。
Hugging Face Blog36 PyTorch 性能分析（第三部分）：Attention 全解析
Hugging Face 发布 "Profiling in PyTorch" 系列第三篇，用 NVIDIA A100-SXM4-80GB 对 attention 做 profiler 分析，展示朴素实现会额外触发一次 memory copy。将 masked_fill 改为原地操作 masked_fill_ 后，每次前向传播可减少一个 GPU kernel。
Lilian Weng · X32 关于 AI 自我改进的 harness 工程新文章：https://lilianweng.github.io/posts/2026-07-04-harness/ 很难预测 RSI 的未来会在多大程度上依赖 harness。harness 工程很可能会朝着自我改进的方向发展，并推动自动研究；反过来，更智能的模型也会让 harness 保持简单。即使许多 harness 改进最终会被内化到核心模型中，明确目标和上下文的需求也不会消失。
关于 AI 自我改进的 harness 工程新文章：https://lilianweng.github.io/posts/2026-07-04-harness/ 很难预测 RSI 的未来会在多大程度上依赖 harness。harness 工程很可能会朝着自我改进的方向发展，并推动自动研究；反过来，更智能的模型也会让 harness 保持简单。 即使许多 harness 改进最终会被内化到核心模型中，明确目标和上下文的需求也不会消失。
Hugging Face Blog38 PRX Part 4：我们的数据策略
PRX 系列第 4 篇披露其数据策略：预训练数据由公开与内部数据集混合组成，用 VLM 重新生成图像长描述，再转为可流式训练的语料。团队改用 Qwen3-VL 在训练中实时计算文本 latent，7B 规模下吞吐仅损失约 3–4%（30 天训练多约 1 天），图像统一以 JPEG quality 92 编码。
Lilian Weng · X57 Lilian Weng 讲解缩放定律与计算量的最优分配
Lilian Weng 分享了一篇迟到了很久（3 年多？）的缩放定律文章。 计算成本高昂。缩放定律有助于在投入大型训练之前，推算数据量与模型规模之间如何最优分配计算资源。 文章介绍了缩放定律能预测什么、如何进行计算量的最优分配、Kaplan 等人与 Chinchilla 为何得出不同结论，以及数据限制和拟合细节如何让外推变得棘手。 https://lilianweng.github.io/posts/2026-06-24-scaling-laws/
Mistral AI精选62 Mistral 用 Vibe 搭建自动写 Rails 测试的智能体
Mistral 基于其开源编码助手 Vibe 搭建了一个自主智能体，可读取 Rails 源文件、生成或改进 RSpec 测试，并在 CI/CD 流程中无需人工干预运行。
推荐理由：Mistral 公开了自动写 RSpec 测试的智能体完整搭建方法，包括 AGENTS.md、skills 与自定义工具三层设计。
Mistral AI34 Heaps do lie：排查 vLLM 内存泄漏
Mistral AI 团队在 vLLM 上排查一起内存泄漏：在 Mistral Medium 3.1、启用 graph compilation 的 Prefill/Decode 分离部署中，系统内存以每分钟 400 MB 线性增长，数小时后触发 out of memory。Heaptrack 显示堆内存稳定，泄漏发生在堆之外，最终定位到经 NIXL 与 UCX 的 KV Cache 传输环节。
Mistral AI34 Mistral 如何通过微调 Pixtral-12B 提升卫星图像视觉语言模型表现
Mistral 用 LoRA 微调 Pixtral-12B，在 Aerial Image Dataset（AID）卫星图像分类任务上显著优于未微调基线，改善了密集住宅与中等住宅、Playground 与 Stadium 等易混淆类别的区分能力。
Mistral AI30 Mistral 如何用 LLM as a Judge 评估 RAG 系统
Mistral 提出用 LLM as a Judge 配合 RAG Triad 框架评估 RAG 系统，通过 Context Relevance、Groundedness、Answer Relevance 三项指标分别检查检索文档与查询的匹配度、回答是否基于检索上下文、以及回答是否切中用户问题。
Mistral AI34 Mistral AI 用智能体工作流自动生成 PRD 与工程任务
Mistral AI 推出 TranscriptToPRDTicket 智能体工作流，由 Mistral Large 2 驱动的 PRDAgent 和 TicketCreationAgent 组成，可将会议转录自动生成 PRD 并转化为结构化开发工单，自动在 Linear、Jira 等项目管理工具中创建。