Forever Security 研究：五款 AI 编码工具内置浏览器违反基本浏览器规则
Forever Security 于 10 月 29 日发布 EMBRACE 研究，称 Cursor、GitHub Copilot、Codex、VS Code 和 Claude Desktop 内置浏览器各自突破了一条常规浏览器规则。
#编码
Hacker News AIAI 评分7272
The Decoder精选AI 评分8888 Epoch AI：开源权重模型 GLM 5.3 在 48 小时内零人工输入构建完整 Firefox 漏洞利用链
Epoch AI 研究人员发现，开源权重模型 GLM 5.3 在无人干预下针对 9 月 17 日至 10 月 26 日发布的 6 个 Firefox 版本利用补丁空窗期构建完整漏洞利用链，每次成功攻击的 API 费用约 1000 美元，最快一次耗时 12 小时。
推荐理由：Epoch AI 的测试显示开源权重模型能自主完成浏览器漏洞利用链，读者可据此理解补丁空窗期的现实风险与成本门槛。
Microsoft ResearchAI 评分2222 Microsoft Research Focus 第97期：ForkPilot、CABRA、TeleTune 与 Copilot 使用差异研究
Microsoft Research Focus 第97期介绍了多项新研究：自改进智能体框架 ForkPilot 在六个基准和多个主流 AI 模型上测试，达到现有最佳方法水平的同时将 AI 处理开销降低最多 59%。
Replit Blog精选AI 评分6060 Replit 发布 ViBench 2.0 长周期软件构建基准
Replit 发布 ViBench 2.0，用于评测智能体从空项目开始逐个功能搭建完整产品的长周期软件开发能力，包含 17 个产品、241 个功能请求和 544 个测试计划。
推荐理由：Replit 公开了长周期软件构建基准的题目设计、评分方式和多家模型对比，可据此理解现有编码智能体在功能叠加时的失败位置。
Hacker News AIAI 评分6060 Agent Scrum：用两小时冲刺管理 AI 编码智能体团队
作者在 38 天里让一组 AI 编码智能体围绕真实产品待办跑了 324 个两小时冲刺，其中专职 scrum 团队智能体执行的 90 个冲刺里，79% 的承诺故事在冲刺内完成，仪式耗时不到 5 分钟。
Artificial Analysis Articles精选AI 评分6060 Artificial Analysis 发布 Intelligence Index v5 与 Progress Index v1
Artificial Analysis 发布 Intelligence Index v5，新增 FrontierCode 2.0 和 Terminal-Bench-Science 两项基准，升级 HLE-Diamond、AA-Omniscience v1.1 和 CritPt v2，60% 的评测基于私有测试集或留出答案。
推荐理由：原文给出 v5 的基准构成、权重与各模型得分，可据此比较前沿模型在编码、科研与知识任务上的差距。
Hacker News AIAI 评分3838 护栏能让 AI 编程智能体表现更好吗？270 次运行实验揭示的答案
一项用 Claude Code 2.1.296 在 2026 年 10 月 13-14 日进行的 270 次无人值守运行实验显示，指令文件与 pre-commit 门禁并未提升首次通过率：无护栏 90/90、规则 89/90、门禁 88/90 通过隐藏测试。
Meta EngineeringAI 评分3636 2026 Python 类型标注调查：AI 工具与类型检查器格局变化
2026 年 Python 类型标注调查收到 1,794 份回复，类型提示使用率三年变化不大，但类型检查器选择格局明显改变，半数受访者同时使用多个检查器。42.5% 的受访者用 AI 工具编写类型提示，24.4% 表示由 AI 编码工具调用检查器，第三方库类型信息缺失仍是最常见困难（65.1%）。
The DecoderAI 评分6666 研究：花哨的编码智能体框架只增加成本，并未提升效果
Liu 与 Han 的研究发现，在 SWE-bench Verified 上更换编码智能体框架对通过率的影响与同一配置重跑一次的波动相当，中位翻转率均为 13%，而更换模型则达到 22%。
The Decoder精选AI 评分7878 Anthropic 让 Claude 自动为代码生成形式化安全证明
Anthropic 的 Frontier Red Team 与 Theorem 合作，让 Claude 对 Google OSS-Fuzz 中 123 个开源库的测试程序做形式化验证，几周内生成约 1.8 亿行数学证明代码，并由 Rocq 自动校验。
推荐理由：Anthropic 用 Claude 对 123 个开源库做形式化验证，并给出算力成本与适用边界，可据此判断 AI 自动验证代码的可行范围。
GitHub Blog · AI & ML精选AI 评分6161 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，基于 103.9M 条 GitHub PR 的分布构建，包含 219 个 PR、覆盖 19 种语言。
推荐理由：GitHub 公开了 ReviewBench 的构建方法、评分规则与验证数据，读者可据此了解 AI 代码审查的评测方式。