按可信来源、时间线和主题整理的新闻简报。优先保留原文链接、新闻时间和后续阅读入口。
Meta证实黑客利用其AI支持聊天机器人的一个“bug”，无需双重验证即可劫持Instagram账户，共20,225个账户受影响。用户仅需向该机器人请求账号恢复操作即可被攻击。Meta已在缅因州提交通知，事件由Bleeping Computer率先披露。
该事件对科技产业或开发生态有参考价值。
中 — 来源为稳定 RSS 或专业媒体，适合作为新闻线索继续追踪。
Canonical工程师再次评估为Ubuntu Linux档案构建x86-64-v3（amd64v3）微架构级别的性能影响。该级别允许使用近十年现代CPU的AVX/AVX2等能力，有助于提升性能。Ubuntu 26.10的amd64v3存档已开放测试，目标是为现代Intel和AMD系统优化。
关系到 Linux、嵌入式和基础软件生态的版本、驱动或行业变化。
中 — 来源为稳定 RSS 或专业媒体，适合作为新闻线索继续追踪。
Phoronix
Tom's Hardware
Phoronix
Phoronix · 当前新闻
rsync 3.4.4发布，修复了3.4.3版本引入的回归问题。作者Andrew Tridgell宣布即将推出3.5.0，包含大量安全更新，并创建rsync-security邮件列表以扩大测试范围，减少未来回归。3.5.0将拥有大幅扩展的测试套件。
关系到 Linux、嵌入式和基础软件生态的版本、驱动或行业变化。
中 — 来源为稳定 RSS 或专业媒体，适合作为新闻线索继续追踪。
法国消费者保护组织DGCCRF指控任天堂故意实施“计划报废”，Switch 1的Joy-Con手柄摇杆漂移问题频发。任天堂同意支付3500万欧元（约2.74亿元人民币）罚款和解，并被指未充分告知消费者缺陷，导致用户直接购买新手柄而非申请免费维修。
补充中文 AI 产业、产品和资本市场动态，减少只看海外来源的偏差。
中 — 来源为稳定 RSS 或专业媒体，适合作为新闻线索继续追踪。
从 GitHub、项目站点、个人博客、技术论坛和硬件社区中自动发现，优先选择 AI、嵌入式、Linux/RTOS、电子工程和有趣开源项目。
一个精选的现代生成式AI项目与服务列表，涵盖文本、代码、代理、图像、视频、音频等多个领域，并包含推荐阅读和学习资源。适合希望跟踪生成式AI最新动态的开发者。
生成式AI发展迅速，该项目整合了高质量的项目和工具，包括大型语言模型、图像生成、音频合成等。作为索引，能帮助开发者快速发现值得尝试的库和服务，节省调研时间。列表定期更新，且社区贡献活跃，是进入该领域的实用入口。
该列表收录全面，但质量参差不齐，需要用户自行甄别。拥有超过12k星标，说明社区认可度较高。但有319个开放issue，可能表明维护压力或某些条目已过时。许可证为CC0-1.0，使用自由。适合作为起点，但不应完全依赖。
作为AI资源索引，其实用性取决于更新频率和筛选标准。当前列表结构清晰，但缺乏自动化验证机制，用户在使用前需自行测试兼容性。对于入门者友好，但高级用户可能需要更专业的分类。
列表规模庞大，容易导致信息过载；部分项目可能已停止维护或与描述不符。建议结合最新发布日期和issue状态判断可用性。另外，某些项目可能需要特定硬件或API密钥，部署成本需自行评估。
Morse Micro推出第二代Wi-Fi HaLow芯片MM8108的北美专用模块MM8108-M20，针对低功耗、长距离物联网应用优化，支持Sub-1 GHz频段。
Wi-Fi HaLow相比传统Wi-Fi具有更低功耗和更远覆盖（可达1公里以上），适合智能家居、工业传感器等场景。该模块采用第二版芯片，可能改进了射频性能和集成度，且针对北美频谱法规调整，便于当地开发者快速部署。
这是一条硬件新闻，非开源项目。MM8108-M20模块的推出表明Wi-Fi HaLow技术正在商业化落地。但缺乏具体性能数据和价格信息，工程可用性需参考官方文档。相比LoRa等替代方案，其优势在于兼容Wi-Fi协议栈，但生态仍在建设中。
该产品不涉及人工智能，属于通信硬件。不过，它可为AI边缘设备提供低功耗连接，例如分布式传感器网络。如果项目需要远程数据传输且对带宽要求不高，可作为候选方案。
Wi-Fi HaLow市场接受度有限，终端设备较少；模块价格可能高于传统Wi-Fi；实际覆盖范围受环境影响大。另外，北美频段与其他地区不同，迁移需重新认证。
一项UBC毕业设计项目，构建了能玩气垫球的AI代理及实体机器人，配备逼真模拟器。AI使用强化学习训练，可与人对抗。
该项目展示了如何将强化学习算法与机器人控制结合，在动态游戏中实现实时决策。模拟器降低了实验成本，便于算法迭代。适合对机器人技术、游戏AI和深度强化学习感兴趣的研究者或爱好者。代码和设计可能开源，是学习端到端机器人系统的优质范例。
该项目来自UBC工程系的总结项目，可能具备较高完成度。但作为新闻报道，未提供代码仓库或详细论文，因此工程复现性存疑。如果发布源码，将有助于验证。模拟器部分可能使用PyBullet或MuJoCo，算法可能基于PPO或DQN。
AI算法在模拟环境中表现可能较好，但迁移到真实机器人需考虑延迟、传感器噪声等。项目强调了“impressive simulator”，说明模拟环境是关键。若想真正与人对抗，需要快速视觉跟踪和机械臂控制。
硬件成本高（机械臂、摄像头、气垫球台），且真实环境与模拟差异可能导致策略失效。缺乏公开代码和详细文档，第三方复现困难。此外，该报道为Hackster News，可能夸大效果，需等待原始资料。