美国司法部就 OpenAI 版权诉讼提交意见书支持训练属于合理使用

The Trump administration has now formally put the U.S. government behind OpenAI's core fair-use argu…

美国司法部在 OpenAI 与纽约时报的版权诉讼中提交意见书，主张用受版权文本训练 LLM 一般应属合理使用，称模型训练具有非凡转换性，并以国家安全为由警告全面许可要求会削弱美国 AI 开发者竞争力。该意见书属建议性质、不约束法院，仍将数据获取方式与具体输出是否复制受保护段落作为独立问题留给法院逐案判断。

Google Cloud 教你用 Cloud Run instances 以每月 $5.70 搭建常驻 Agent

Build a Long-Running Agent in the Cloud for $5.70/Month

Shir Meir Lador 在 Google AI 开发者博客介绍如何用 Cloud Run instances 以每月 $5.70（1 vCPU、1Gi 内存、共享 CPU）在云端 24/7 运行常驻 Agent。

Epoch AI 评测 SWE-bench Verified：审计发现超两成题目存在评分问题

SWE-bench Verified - Benchmark Review

Epoch AI 发布对 SWE-bench Verified 的基准评审，认定其为 Flawed。该基准用 500 道来自 12 个代码库的修复任务评测大语言模型；OpenAI 审计 27.6% 的任务后发现有缺陷测试的任务下限为 16.4%，59.4% 的被审任务测试用例会拒绝功能正确的提交，且所有受测前沿模型在训练中都见过部分题目。

Meta Muse Spark 1.3 在 Artificial Analysis 编码智能体指数中与 Claude 组合对比评测结果公布

muse spark 1.3 + muse code evals competitively with Claude code + opus 5 and Claude code + fable 5

Artificial Analysis 编码智能体指数显示，Meta Muse Spark 1.3 （max） 在 Muse Code 下得 68 分，仅次于 Claude Code + Opus 5 （xhigh） 的 68 分。

Google AI 团队分享如何为 LLM-as-a-Judge 评测编写可靠的评分标准

How to Write Reliable Rubrics for LLM-as-a-Judge Evaluations

Google AI 团队发布教程，讲解如何为 LLM-as-a-Judge 评测编写可靠的布尔式评分标准，指出模糊提示会导致评估不一致和浪费 token。文中给出四条经验：问题保持原子化且互不重叠、只让评判模型评估客观事实（可用 RFC 2119 术语如 MUST 表述）、只评 prompt 中明确要求的内容、用专家标注的 golden set 校准评判模型直至与人类评分一致。

Google 复盘 AI Agents Challenge：最强参赛作品背后的 4 种工程模式

4 engineering patterns behind the strongest AI Agents Challenge submissions

Google for Startups AI Agents Challenge 评审团队从各赛道头部参赛作品中提炼出 4 种共同工程模式。

用 TRL 和 OpenEnv 训练编码模型画水彩：Hugging Face 全流程开源复现

Training a coding model to paint watercolours with TRL and OpenEnv

Hugging Face 博客作者基于 Surya Narreddi 的原始想法，用 TRL、OpenEnv 和 Qwen/Qwen3.5-35B-A3B 复现了让语言模型通过 p5.brush 写 JavaScript 画水彩的 RL 训练流程，所有数据集、环境、脚本和模型均开源在 Hub。

GitHub Copilot 如何在不牺牲任务质量的前提下降低 AI 编码成本

How we make AI coding more cost efficient without sacrificing task quality

GitHub 工程师 Erik Kristensen 分享了 Copilot 降本的四项改动：选择性压缩工具输出、移除 view 工具行号前缀（线下推理成本降约 5%，线上用户日均推理成本降约 3%）、压缩 task-tool 提示词（每轮省约 1300 token，每活跃小时归一化成本降 2.9%）、后台任务完成后直接交付结果（AI Credits 用量降约 2.3%）。