2026-11-03 · 周二 · 5 条 GitHub 12 月 2 日起默认拦截 pull_request_target、AWS 把购物智能体蒸馏到 4B 追平老师、DeepMind PlanAssist 进入英国地方政府测试
周末到周一没有大模型发布，今天的主线是把 AI 用进生产时的「下一步」：默认更安全的 CI、用小模型接手重复的智能体任务、AI 起草加人签字的审批流程。
-
- 2026 年 12 月 2 日起，所有公开仓库默认拦截 pull_request_target 事件，除非适用的 Actions 事件策略显式放行；原定 11 月 2 日执行
- GitHub 的理由：这个触发器在基础仓库的上下文里运行、能拿到仓库密钥，执行来自 fork 的不可信代码可能攻破流水线或窃取密钥
- 11 月 9 日和 16 日 16:00–18:00（UTC）两次限时拦截：被拦的运行直接失败并带错误注释、不会执行；其余时间规则处于评估模式，工作流照跑但会告警
- 适用于 GitHub Free、Team 和 Enterprise Cloud 上的公开仓库；私有仓库、内部仓库和 GitHub Enterprise Server 不受影响
开发者视角给 fork PR 写评论的 AI 审查机器人和智能体工作流，最常挂在 pull_request_target 上，我会在 11 月 9 日前用 Insights 把会被拦的运行列出来。确实要用的，按工作流文件单独放行，不要整个触发器放开；碰 fork 代码的步骤里不要有密钥。限时拦截落在北京时间 11 月 10 日和 17 日凌晨 0 点到 2 点，提前告诉值班的人。
-
- Bedrock 上的 GLM-5.3 在 ShoppingBench 的 426 道训练题上生成 850 条轨迹，只保留解对的；Qwen3.5-4B 在 SageMaker AI 上用无服务器 SFT 做 LoRA（rank 64）微调
- 324 道留出题的平均成功率：基础模型 0.297，蒸馏后 0.541，老师模型贪心解码 0.540、采样 0.511，一个中等规模前沿模型 0.546
- 通用指令遵循有所下降：IFEval prompt-strict 从 0.819 降到 0.741，instruction-strict 从 0.872 降到 0.813
- 把推理过程和动作一起保留下来，是学生追上老师的关键；模型可在单台 G 系列实例（A10G/L40/L40S）上服务，AWS 没有公布单任务成本
开发者视角这是我见过最清楚的一套做法，把格式固定的智能体任务从前沿 API 上挪下来：记下轨迹、只留成功且带推理的、微调一个 4B 模型。我会先拿 PandaClaws 调用量最大的后台步骤试，保留 IFEval 这类通用能力回归检查；流量稳定到按小时计费的实例比按 token 便宜时再切。
-
- 基于 Gemini，与英国政府、Google Cloud 和 Faculty 合作开发；它核验提交的文件和图纸、对照文物保护约束和规划政策、梳理以往异议，并起草带引用的报告供官员修改
- Barnet、Camden 和 Dorset 的早期试点中，官员评估时间最多减少 58%，超过 70% 的生成报告无需修改即获批准
- 另有 12 个地方政府分三批加入，共 15 个；测试顺利的话，英国政府计划 2027 年向英格兰所有地方政府开放
开发者视角值得照搬的是这个模式：AI 起草并给出引用，人来签字，指标是「无需修改即通过」的比例。智能面试正好是同一个形状：评估报告要引用它依据的具体回答，我会把无修改通过率当主要质量指标，而不是看模型分数。
-
- Cosmos Framework 是开放的模块化工具，覆盖训练、强化学习、优化与推理，现在支持 NVIDIA Alpamayo、GR00T、Qwen、pi0.5 等兼容 Hugging Face 的模型，新增 DPO、GRPO、PPO、OPD 和 DiffusionNFT 流水线
- Hugging Face 上发布的检查点包括 Cosmos3-Nano-Transfer-Auto、Cosmos3-Nano-Sim-Auto、Cosmos3-Nano-Sim-Transfer 和 Cosmos3-Nano-Sim-Bimanual；Transfer-Auto 最多生成 400 帧 480p 或 720p 视频
- Cosmos3-Nano 生成任务显存：BF16 58 GiB，FP8 44 GiB，FP8 加卸载 31 GiB；推测解码在 H200 上平均提速约 2–3 倍
开发者视角不做机器人或自动驾驶的，这条可以先放一放。做的话，从 Nano 检查点的 FP8 版本起步，并先读每个模型卡：这篇文章本身没有写明权重、框架和 NIM 容器的许可证。
-
- LifeVal 衡量 AI 帮人完成日常事务的效果
- 任务从找托育服务，到管理个人财务、办理政府文书
开发者视角我只看到 OpenAI 的摘要，具体分数等能读到原文再说。方向对做产品的人是对的：看助手有没有把事办成。AI 云盘我会留一小套真实用户的事务做评测，比如找到一份合同、再按合同填一张表。
本期由 AI 辅助检索与起草，选题标准与观点由 Darius 设定。
每周一，一封邮件看完 AI 大事
每周一早上，把过去 7 天最值得关注的 6 件 AI 大事和我的解读发到你邮箱。
邮箱只用于发送周报，不会提供给任何第三方；每封邮件底部都可以一键退订。 看看最近一期 →