สถาบันการสื่อสารและเทคโนโลยีของจีนร่วมกับทีมมหาวิทยาลัยตรวจสอบเฟรมเวิร์กโอเพนซอร์ส OpenClaw พบว่ามีช่องโหว่การฉีดคำสั่งที่ขับเคลื่อนด้วย LLM ในโมดูล bash-tools ซึ่งผู้โจมตีสามารถล่อลวงให้เกิดการรันคำสั่งและรันโค้ดระยะไกล รวมถึงขโมยข้อมูลได้ กระบวนการเปิดเผยช่องโหว่ได้เริ่มต้นขึ้นแล้วและได้ยื่นข้อเสนอแนะเพื่อการแก้ไขเรียบร้อยแล้ว

เซียซัยหนิง ในการสัมภาษณ์ได้วิพากษ์วิจารณ์เส้นทางการพัฒนา AI ปัจจุบันที่มุ่งเน้นไปที่โมเดลภาษาขนาดใหญ่ โดยเชื่อว่าสิ่งนี้ได้จำกัดความสามารถของ AI ในการเรียนรู้จากโลกแห่งความจริง และเน้นย้ำถึงข้อดีของโมเดลโลก เขาคิดว่าการสร้างตัวแทนอัจฉริยะที่สามารถอยู่รอดในสภาพจริงถือเป็นเรื่องท้าทายมากขึ้น และกล่าวถึง AMII Labs ที่มุ่งเน้นไปที่การเก็บรวบรวมข้อมูลจริง พร้อมแผนการเปิดตัวแว่นตา AI อัจฉริยะและหุ่นยนต์ในอนาคต

Bittensor subnet Templar เสร็จสิ้นการ pre-training สำหรับ Covenant-72B ซึ่งเป็นโมเดลภาษาแบบกระจายศูนย์กลางที่มีพารามิเตอร์ 720 ล้าน เมื่อวันที่ 10 มีนาคม โมเดลนี้แสดงประสิทธิภาพที่ยอดเยี่ยมในการทดสอบ MMLU และเกินกว่าโมเดล baseline แบบรวมศูนย์หลายตัว โครงการดังกล่าวได้รับความร่วมมือจากโหนดมากกว่า 70 ตัว และน้ำหนักและ checkpoint ทั้งหมดได้รับการเผยแพร่ภายใต้ใบอนุญาต Apache ภายใต้อิทธิพลของข่าวนี้ Bittensor และโทเคนของมันเพิ่มขึ้นอย่างเป็นทั่วไป

OpenClaw ในวันที่ 8 มีนาคมได้ปล่อยเวอร์ชัน v2026.3.8 ซึ่งเพิ่มฟีเจอร์สำรองสถานะในเครื่อง, โหมดพูดคุยอัตโนมัติ, และโหมด LLM Context สำหรับการค้นหาเว็บ Brave รวมถึงแก้ไขปัญหาหลายรายการ มีผู้ร่วมพัฒนาทั้งสิ้น 43 คน

ทีมวิจัยจาก ETH Zurich ได้ทดสอบความสามารถในการให้ฉันทามติแบบบาเชียนของ LLM Agent พบว่าแม้จะไม่มีโหนดที่เป็นอันตราย อัตราการให้ฉันทามติที่มีประสิทธิภาพก็เพียง 41.6% เท่านั้น เมื่อจำนวนโหนดเพิ่มขึ้น ความยากในการบรรลุฉันทามติจะเพิ่มขึ้น และเมื่อมีโหนดที่เป็นอันตรายเข้ามา สถานการณ์ก็แย่ลง ผลการวิจัยชี้ให้เห็นว่าในปัจจุบัน LLM Agent ยังไม่สามารถให้ฉันทามติที่เชื่อถือได้ ควรระมัดระวังในการนำไปใช้ในระบบแบบกระจายอำนาจ

ผู้ก่อตั้ง Eureka Labs Andrej Karpathy เปิดตัวโครงการโอเพ่นซอร์ส autoresearch เมื่อวันที่ 8 มีนาคม โดยใช้รูปแบบ「มนุษย์เขียน Markdown, AI เขียนโค้ด」 ซึ่งอนุญาตให้นักพัฒนากำหนดทิศทางการวิจัยผ่าน program.md และ AI จะทำการปรับปรุงโค้ดโดยอัตโนมัติ สามารถทำการทดลองประมาณ 12 ครั้งต่อชั่วโมง ในการแสดงผลมีการทดลองทั้งหมด 83 ครั้ง โดยมีการปรับปรุงที่มีประสิทธิภาพ 15 ครั้ง โครงการนี้สร้างบน GPU ของ NVIDIA และ PyTorch ได้รับการทดสอบบน H100 และปฏิบัติตามข้อตกลง MIT

Clawnch และ Bankr ได้บรรลุความร่วมมือเชิงกลยุทธ์ โดย Bankr จะกลายเป็นแพลตฟอร์มพื้นฐานสำหรับการออกโทเค็นของ Clawnch และโครงการต่างๆ ของมัน ในขณะเดียวกัน เกตเวย์ LLM ของ Bankr จะเป็นส่วนสำคัญของโครงการใหม่ OpenClawnch ของ Clawnch ความร่วมมือนี้มีเป้าหมายเพื่อเสริมสร้างโครงสร้างพื้นฐานของ Clawnch โดยค่าธรรมเนียมการออกโครงการจะมีการปรับขึ้นอย่างเหมาะสม

Minara เปิดตัว Minara Skill v2 อัปเกรดความสามารถด้านการเงินดิจิทัลของ AI Agent รองรับการจัดการสินทรัพย์หลายเชน การฝากเงินด้วยบัตรเครดิต และอื่นๆ รวมถึงการทำธุรกรรมแบบไม่มีค่าธรรมเนียม Gasless เพื่อให้การใช้งานง่ายขึ้น พร้อมกันนี้ยังผนวก LLM ท้องถิ่นเพื่อเสริมความสามารถในการสนทนาแบบส่วนตัวและการตัดสินใจในการทำธุรกรรม