夜雨聆风本期一共 10 条，覆盖数据系统、应用安全、云边缘部署、AI 模型基础能力和开发自动化：AI 模型与基础能力 2 / AI Agent、开发者工具与自动化 2 / CV 与多媒体 1 / 数据库与数据工程 2 / 系统、云原生与基础软件 1 / 网络、边缘与硬件基础设施 1 / 安全、隐私与可信计算 2 / 计算机理论、编程语言与形式化方法 1 / 产业与生态 1；部分条目跨领域统计。AI 相关条目 5 条，Agent/Coding 工具 2 条；国内资讯 2 条，分别来自 MiniMax Sparse Attention 和 PP-OCRv6 相关研究。
01OpenAI 将收购 Ona，给 Codex 补上持久云执行环境
简介：OpenAI 发布 OpenAI to acquire Ona，称将把 Ona 的 secure cloud execution and orchestration technology 纳入 Codex ecosystem。官方说 Codex 每周用户已超过 5 million，Ona 将提供 secure, persistent environments，让 agent 能在客户云环境中持续运行、访问工具和上下文，并接受企业侧的凭据、日志、审查和安全边界控制。
影响：对工程团队来说，这说明 AI coding agent 的竞争点正在从“模型会不会写代码”转向“能不能安全、持久、可审计地完成长任务”。如果 Codex 后续能在 customer-controlled execution model 下稳定运行，升级依赖、修复漏洞、跑测试和跨仓改造这类任务会更接近生产流程，而不是停留在一次性聊天或本地会话里。
原文：https://openai.com/index/openai-to-acquire-ona/
02GitHub Agentic Workflows 进入 public preview，把自然语言自动化编译成 Actions
简介：GitHub Changelog 宣布 GitHub Agentic Workflows is now in public preview。开发者可以用 natural language Markdown files 描述 issue triage、CI failure analysis、documentation updates 等任务，GitHub Agentic Workflows 会把它们编译成 standard Actions YAML，并复用既有 runner groups and policy constraints。
影响：对平台和开发效率团队来说，这是 GitHub Actions 从确定性流水线走向 agent 自动化的一步。它的关键不是又多一个聊天入口，而是让 agent 在仓库事件、权限、runner、审查和成本控制的框架里运行；适合先从重复性高、可回滚、可审查的仓库维护任务试点。
原文：https://github.blog/changelog/2026-06-11-github-agentic-workflows-is-now-in-public-preview/
03Databricks 展示 Zerobus Ingest：单表 12 GB/s 流式写入
简介：Databricks 发布 Ingesting the Milky Way: Petabyte-Scale with Zerobus Ingest，介绍 Zerobus Ingest 这个 fully managed, serverless streaming ingest service。官方称它是 push-based API，可把任意 producer 的数据直接写入 Delta tables，并由 Unity Catalog 治理；在 24 小时基准测试中，Zerobus Ingest 从 2,048 concurrent workers 向单表持续写入，达到 12 GB/s，累计超过一万亿条记录。
影响：对数据工程团队来说，重点是把高吞吐 ingest 从“自建 Kafka/Flink/批写入调优工程”往托管服务迁移。单表 12 GB/s 的指标如果能在真实业务中稳定兑现，日志、遥测、IoT 和科学数据管道会少做不少容量规划和分片设计，但仍需要结合成本、配额和端到端延迟评估。
原文：https://www.databricks.com/blog/ingesting-milky-way-petabyte-scale-zerobus-ingest
04Databricks Spatial SQL GA，湖仓开始原生处理地理空间数据
简介：Databricks 宣布 Geospatial Unbounded: Spatial SQL GA with AI/BI Maps, Delta Sharing, and Iceberg v3。Spatial SQL is now Generally Available on Databricks，支持 GEOMETRY data types、90+ ST_* functions，AI/BI Dashboards 可直接渲染 maps；Delta Sharing、Iceberg v3 tables 和 Apache Spark 4.2 方向也开始覆盖 geo columns。
影响：对做风控、物流、能源、农业和城市空间分析的团队来说，这减少了“空间数据库 + 数仓 + 地图工具”之间反复搬数据的麻烦。地理空间查询进入统一治理的湖仓后，权限、血缘、共享和 BI 展示可以走同一套平台，但需要关注 Geography 仍在 Public Preview 以及不同 ST_* 函数的兼容边界。
原文：https://www.databricks.com/blog/geospatial-unbounded-spatial-sql-ga-aibi-maps-delta-sharing-and-iceberg-v3
05AWS 给监管场景提供边缘 RAG 参考架构
简介：AWS Compute Blog 发布 Build RAG-powered AI solutions at the edge with AWS Local Zones and Outposts，面向有数据驻留和信息安全要求的组织。文章给出在 AWS Outposts 或 AWS Local Zones 内部署 Small Language Models (SLMs) 加 Retrieval-Augmented Generation (RAG) 的方案，包含 EC2 实例、Milvus vector database、reranker、加密和质量评估等组件，强调数据处理和存储留在组织控制边界内。
影响：对金融、医疗、公共部门和工业客户来说，这类方案的价值在于把 GenAI 从“云上调用大模型 API”变成可审计的边缘架构。SLM + RAG 不能自动解决质量问题，但它把延迟、数据驻留、向量库、重排和质量门槛摆到同一张工程图里，便于团队做合规评审和 PoC。
原文：https://aws.amazon.com/blogs/compute/build-rag-powered-ai-solutions-at-the-edge-with-aws-local-zones-and-outposts/
06Google Cloud 披露 ShinyHunters 利用 Oracle PeopleSoft 零日攻击教育行业
简介：Google Cloud Threat Intelligence 发布 ShinyHunters Targets Education Sector with Oracle PeopleSoft Exploit。Mandiant 和 Google Threat Intelligence Group (GTIG) 将活动归因于 UNC6240 (ShinyHunters)，称其利用 Oracle PeopleSoft Environment Management 组件中的 CVE-2026-35273，在 Oracle 2026 年 6 月 10 日安全公告前已作为 zero-day 被利用，并主要针对高等教育机构。
影响：对安全团队来说，这是需要立即排查的企业应用漏洞，而不是普通威胁情报。文章给出阻断 /PSEMHUB/*、/PSIGW/HttpListeningConnector、检查 WebLogic access log、排查 PSEMHUB.war 下异常 .jsp 文件和监控 SMB 出站流量等行动项；运行 PeopleSoft 的组织应优先按 Oracle advisory 修复和隔离。
原文：https://cloud.google.com/blog/topics/threat-intelligence/shinyhunters-targets-education-sector-oracle-exploit
07GitHub Enterprise Server 3.21 GA，带来 REST API 版本和安全治理变化
简介：GitHub Changelog 宣布 GitHub Enterprise Server 3.21 is now generally available。GHES 3.21 包含 organization custom properties、GitHub Projects hierarchy view、REST API version 2026-03-10、GitHub Actions workflow pages 超过 300 jobs 的 lazy loading，以及 secret scanning 权限和多数据盘托管 MySQL/repository data 的改进。
影响：对自托管 GitHub 的企业来说，GHES 3.21 不是单点功能更新，而是升级计划会影响 API、权限治理、仓库数据布局和大型 Actions 页面性能。尤其 REST API version 2026-03-10 introduces breaking changes，平台团队需要提前梳理集成和迁移窗口。
原文：https://github.blog/changelog/2026-06-11-github-enterprise-server-3-21-is-now-generally-available/
08arXiv：MiniMax Sparse Attention 面向百万上下文降低注意力成本
简介：MiniMax Sparse Attention 出现在 arXiv cs.AI recent 的 Fri, 12 Jun 2026 日期分组。论文提出 MiniMax Sparse Attention (MSA)，用 Index Branch 为每个 GQA group 选择 Top-k key-value blocks，再由 Main Branch 做 block-sparse attention。作者称在 109B-parameter model 上，MSA 在 1M context 下把 per-token attention compute 降低 28.4x，并在 H800 上实现 14.2x prefill 和 7.6x decoding wall-clock speedups；相关 kernel 发布在 MiniMax-AI/MSA，模型 MiniMax-M3 已在 Hugging Face 公开。
影响：对长上下文模型和推理系统团队来说，这篇的信号很明确：百万上下文不能只靠扩大 KV cache，必须在注意力结构、索引分支和 GPU kernel 上一起做设计。它也代表国内模型公司继续把底层结构优化和公开模型结合起来，后续可看 MiniMax-M3 在真实多模态和代码场景中的质量表现。
原文：https://arxiv.org/abs/2606.13392
09arXiv：PP-OCRv6 用轻量 OCR 系统挑战十亿级 VLM
简介：PP-OCRv6: From 1.5M to 34.5M Parameters, Surpassing Billion-Scale VLMs on OCR Tasks 出现在 arXiv cs.CV recent 的 Fri, 12 Jun 2026 日期分组。论文介绍 PP-OCRv6，一个轻量 OCR system，围绕 unified MetaFormer-style building block、structural reparameterization 和任务特定 stride 配置重做检测与识别网络。作者称 PP-OCRv6_medium 达到 83.2% recognition accuracy 和 86.2% detection Hmean，tiny tier 在 Intel Xeon CPU 上比 PP-OCRv5_mobile 快 3.9x。
影响：对做文档 AI、RAG 数据清洗和边缘部署的人来说，这条值得关注，因为 OCR 不是所有场景都需要大 VLM。PP-OCRv6 的方向是把专用小模型继续做深，降低幻觉、定位不准和成本问题；如果代码和模型继续跟 PaddleOCR 生态开放，它会直接影响企业文档解析流水线的性价比。
原文：https://arxiv.org/abs/2606.13108
10arXiv：用程序统一描述硬件协议的 driver 和 monitor
简介：Specifying Hardware Communication as Programs 出现在 arXiv cs.PL recent 的 Fri, 12 Jun 2026 日期分组。论文关注硬件模块测试调试中的老问题：driver 负责把高层事务转成信号交互，monitor 负责从 waveform 里识别事务，两者常常分开实现，容易不一致。作者提出一个 DSL，让同一份硬件通信协议 specification 同时用于 drive designs 和 monitor transactions，并计划在 Wishbone 和 AXI-Stream 等真实 interconnects 上评估。
影响：对硬件验证、编译器和形式化工具研究者来说，这类工作很实用。把协议写成可执行的程序化 specification，可以减少测试平台里重复、易错的 glue code；如果工具能从 waveform 自动推断 transaction-level trace，调试硬件协议和生成验证环境会更顺手。
原文：https://arxiv.org/abs/2606.13659
如果这份日报对你有帮助，欢迎点赞、转发、关注。