OpenClaw 携手 NVIDIA 强化 Agent 技能安全，开源 ClawHub 扫描数据集
OpenClaw 宣布与 NVIDIA 的 verified agent skills 计划合作，在 ClawHub 技能发布前的验证环节加入 NVIDIA SkillSpector 扫描器，并为每个技能发布由 ClawHub 核验的 NVIDIA Skill Cards。
#开源/仓库
OpenClaw：BlogAI 评分4949
Zyphra Research精选AI 评分6060 Zyphra 发布 ZAYA1-74B-Preview，在 AMD 上完成大规模预训练
Zyphra 发布 ZAYA1-74B-Preview，这是一个总参数 74B、激活 4B 的 MoE 预 RL 推理基座，未做 RL 后训练或指令微调，权重以 Apache 2.0 许可在 Hugging Face 开放。
推荐理由：官方发布给出了架构、训练数据规模和 pass@4 对比细节，读者可以据此评估这个预 RL 基座在 AMD 上扩展预训练的实际水准。
Zyphra Research精选AI 评分6464 Zyphra 发布 AMD 训练的 MoE 模型 ZAYA1-8B
Zyphra 发布 ZAYA1-8B，首个在 AMD Instinct MI300 集群上完成预训练、中期训练和微调的 MoE 模型，活跃参数不足 10 亿，在数学、编码和推理基准上可匹敌或超过大得多的开源模型，如 Mistral-Small-4-119B。
推荐理由：官方详解了架构、AMD 训练栈和 Markovian RSA 推理方法，读者可据此评估小参数 MoE 模型的实际推理能力。
OpenAI：Alignment 研究博客精选AI 评分6262 OpenAI 开源 CoT 监控评测套件的数据集与参考代码
OpenAI 开源其链式思维（CoT）监控性评测套件中的大部分数据集和参考代码，GitHub 仓库为 github.com/openai/monitorabil…，包含 GPQA、AIME、Sandbagging 等干预类、过程类和结果属性类评测，以及监控性指标 g-mean 2 的计算代码。
推荐理由：原文给出开源数据集、g-mean 2 指标代码和新的 cross-fit 过滤方法，读者可以据此在社区复现或扩展 CoT 监控评测。
Berkeley AI ResearchAI 评分4242 Berkeley AI Research 介绍 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 在博客中介绍两种可大规模识别 LLM 关键交互的算法 SPEX 与 ProxySPEX，核心思路是通过消融（ablation）检测模型行为的变化。
Zyphra ResearchAI 评分5252 Zyphra 发布 380M 参数 EEG 基础模型 ZUNA，Apache 2.0 开源
Zyphra 发布首个基于脑电数据训练的 380M 参数基础模型 ZUNA，用于对头皮 EEG 信号去噪、重建和上采样，目标是推进无创 thought-to-text。
Zyphra ResearchAI 评分4747 Zyphra 发布 ZUNA：380M 参数 BCI 基础模型，迈向 thought-to-text
Zyphra 发布其首个基于脑数据的 BCI 基础模型 ZUNA，一个 380M 参数的 diffusion autoencoder 模型，可从嘈杂、不完整的头皮 EEG 数据中重建高保真脑信号，并从稀疏输入和电极坐标预测缺失通道，适用于消费级头环到 256 电极研究系统。
Cognition 模型 / Devin 博客精选AI 评分6262 Cognition 开源 blockdiff：秒级 VM 磁盘块级快照文件格式
Cognition 开源 blockdiff（github.com/CognitionAI/blockd…），一个对 VM 磁盘做块级差异快照的文件格式与工具，其自研 hypervisor otterlink 借此把磁盘快照时间从 EC2 的 30+ 分钟降到几秒，约 200 倍提速，VM 启动时间也比 EC2 快约 10 倍。
推荐理由：原文复盘了 Cognition 自研磁盘快照格式的动机、设计与取舍，读者能了解 VM 快照从 30 分钟降到秒级的实现路径。
Cognition 模型 / Devin 博客AI 评分5353 Cognition 与斯坦福发布 Kevin-32B：用多轮 RL 训练 CUDA 内核生成模型
Cognition AI 与斯坦福团队发布 Kevin-32B，基于 QwQ-32B 用多轮强化学习训练 CUDA 内核生成，在 KernelBench 前两级任务上 8 轮细化后平均正确率 65%，解决 89% 的数据集，超过 o4-mini 的 53% 和 o3 的 51%，best@16 加速比 1.41x。