AI 技术新闻

2026.11.08

• [Tool] Qwen Code v0.27.0：Qwen Code 为本地会话增加文件变更通知，并调整托管代理并发提问和工具运行。

• [Tool] OpenCode v2.2.6：技术回看（原文 2026-11-07）：OpenCode 支持相同配置的项目共享 MCP 连接，并可在脚本运行时选择独立工作树。

• [Paper] EvoMemState: Evolving Memory State for Personal Agents：技术回看（原文 2026-11-02）：EvoMemState 在持久事实之外维护关系状态与请求相关的推理状态，用于指导个人代理使用长期记忆。

• [Paper] Beneath the Surface: What We Overlook When We Talk About Agent Evolution：技术回看（原文 2026-11-05）：论文评估无需更新模型权重的代理框架演进，分析任务覆盖、可靠性、部署成本和迁移表现。

• [Paper] Seeing Beyond the Next Step: World-Model-Guided Human-Like Navigation in Multi-Agent Scenes：技术回看（原文 2026-11-05）：论文用两个世界模型在训练阶段评估候选动作，并将偏好蒸馏进部署时单次前向执行的导航策略。

• [Paper] TCSExam: Evaluating Frontier LLMs on the Full Range of TCS Research：技术回看（原文 2026-11-05）：TCSExam 提供理论计算机科学任务评测，使用 Lean 内核或可执行检查器验证证明、求解与构造结果。

• [Paper] Terminal-style Mathematical Modeling Bench: The First Agentic and Verifiable Benchmark for Mathematical Modeling：技术回看（原文 2026-11-06）：TB-MathModel 把数学建模赛题放入终端环境，并用程序和 Lean 约束验证答案的可行性。

• [Paper] Random Is Almost Enough? Stable and Low-Cost Benchmark Compression via BestRand：技术回看（原文 2026-10-31）：BestRand 分析随机子集估计的长尾误差，并构建低成本评测子集以降低较大偏差的风险。

2026.11.07

• [Tool] Claude Code v2.1.319：Claude Code 支持将 MCP 任务转入后台，并新增以拒绝代替权限提示的设置。

• [Engineering] Accelerating Reinforcement Learning Weight Refit with the Reshard Collective：NVIDIA 介绍以分片交集传输替代部分全量聚合广播，加速强化学习训练与推理 GPU 之间的权重同步。

• [Engineering] Speed Up Image Generation with FLUX 3 Image Klein on NVIDIA Blackwell GPUs：NVIDIA 演示用低精度、注意力优化和缓存加速 FLUX 3 Image Klein，并给出 Blackwell GPU 上的配置与画质对照。

• [Engineering] Beyond code generation: A developer’s guide to agentic engineering：GitHub 介绍将 Copilot 用于计划、实现、审查验证和线上排查的开发流程，并强调开发者对结果负责。

• [Engineering] The components of agent memory：技术回看（原文 2026-11-06）：Anthropic 介绍以会话日志、记忆笔记和 wiki 组成的记忆层级，以及离线整理和纠错的方法。

• [Paper] Towards Foundation Decision Models: Drex：技术回看（原文 2026-11-05）：Drex 面向给定选项直接输出决策概率，通过监督微调、强化学习和一致性训练改善决策行为。

• [Paper] Muir: Linear Attention with Sensitivity-Allocated Gating and Matched-Filter Readout：技术回看（原文 2026-11-06）：Muir 结合低秩门控和匹配滤波读取改进线性注意力，并设计并行更新以稳定训练。

• [Paper] SLA: Scaling Spatial-Language-Action Model via Continual Pre-training：技术回看（原文 2026-11-06）：SLA 在视觉语言动作模型训练中对齐三维感知表征与动作预测，辅助模块不改变原推理架构。

• [Paper] VFlash: Fast, Accurate Visual Planning via Flash Primitive Decoding：技术回看（原文 2026-11-06）：VFlash 用轻量草稿模型一次预测点、框或变长轨迹的坐标，以减少视觉规划的逐 token 解码。

• [Paper] Harness-S: Learning from Sibling Harnesses for Generalizable Agent Training：技术回看（原文 2026-11-03）：Harness-S 在基础执行框架失败时调用不同辅助框架生成轨迹，再用这些轨迹训练统一策略。

2026.11.06

• [News] Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips：Google 推出 Gemini Omni 1.2 Flash，支持最长 15 秒视频生成和多轮对话编辑，并通过 Gemini API 提供服务。

• [Tool] Qwen Code v0.26.8：Qwen Code 扩展 CLI、VS Code 和桌面端订阅支持，并修复部分推理服务上下文溢出未触发压缩的问题。

• [Engineering] Five Ways NVIDIA Co-Design Maximizes the Value of Every Byte in the AI Factory：NVIDIA 解析 NVFP4 权重和 KV 缓存压缩、跨 GPU 专家并行等方法在智能体推理服务中的内存与通信权衡。

• [Engineering] Configure, Certify, and Operate Kubernetes GPU Clusters with NVIDIA DSX OS：NVIDIA 介绍使用 AICR 定义集群配置、NVCRE 运行验证以及 NVSentinel 监控故障和控制节点恢复的流程。

• [News] GPT-6 Cyber: Advancing the frontier of aligned cybersecurity agents：技术回看（原文 2026-11-05）：OpenAI 发布面向授权安全研究的 GPT-6 Cyber，介绍漏洞发现、范围约束评测和经验证用户的访问条件。

• [Paper] Turns Matter: Advancing Streaming Video RL via Turn-Level Credit：技术回看（原文 2026-11-05）：论文为流式视频理解引入逐轮奖励分配和按轮平均的策略优化，以区分回答与继续观察的训练信号。

• [Paper] What Does Multi-Turn Reinforcement Learning Really Improve in LLM Agents?：技术回看（原文 2026-11-04）：论文按采样宽度和交互深度分析多轮强化学习，指出其收益受交互预算影响，并提出混合预算训练方法。

• [Paper] SpecOPD: Branch-Parallel On-Policy Distillation for Speculative Decoding：技术回看（原文 2026-11-02）：论文将投机解码的 on-policy 蒸馏按独立分支并行采样，并通过树结构共享目标模型前缀计算。

• [Paper] Hybrid Computer Use: A Unified Programmatic, Semantic, and Visual Interface for General Agents：技术回看（原文 2026-10-30）：论文结合代码、无障碍语义与图形界面三种交互通道，并研究通道切换时的状态一致性。

• [Paper] LoopVQ: Sub 1-bit KV Cache Quantization for Looped Transformers：技术回看（原文 2026-11-04）：论文针对循环 Transformer 的跨循环步 KV 缓存冗余进行联合向量量化，并在指定模型上评估推理效果。

• [Paper] RSI-Env: An Open-Ended Environment for Recursive Self-Improvement of Agents：技术回看（原文 2026-11-01）：论文构建可保存研究状态并协同修改模型与 harness 的实验环境，在受限任务中评估多轮系统改进。

2026.11.05

• [Engineering] Use NVIDIA NeMo to Turn Agent Failures into Tests and Harness Fixes：NVIDIA 展示用 NeMo Compass 分析智能体运行轨迹、用 Eval Author 构造评测，再以留出任务检查 harness 修改效果的流程。

• [Engineering] How NVIDIA Factory Operations Blueprint Coordinates AI Agents to Investigate Production Issues：NVIDIA FOX 参考架构以管理智能体协调视觉检测、设备调度和根因分析，并通过 MCP 或 API 对接工厂系统。

• [Engineering] NVIDIA CUDA 13.5 Brings NVIDIA Vera Rubin GA Support：CUDA 13.5 正式支持 Vera Rubin，并允许 CUDA Tile 内核在受支持的 NVLink 或 NVSwitch 环境中执行跨 GPU 通信。

• [Engineering] How NVIDIA Uses AI Agents to Streamline AI Factory Operations：NVIDIA 介绍通过 MCP 连接专门智能体分析 GPU 集群故障，并用隔离沙箱和只读 Kubernetes 凭据限制操作权限。

• [Engineering] Agile Deliberation: How AI helps humans define the gray areas：Google Research 介绍以视觉语言模型筛选模糊边界样本、结合人工反馈迭代主观图像分类规则的方法。

• [Tool] Introducing Images 2.6：技术回看（原文 2026-11-04）：OpenAI 介绍图像生成模型的 Flare 和 Sunburst 版本，并在 API 中增加图像标注、SVG 导出及复杂度参数。

• [Engineering] A thousand fewer paths to root：技术回看（原文 2026-11-04）：OpenAI 报告以智能体进行 Linux 内核漏洞发现、隔离验证、可利用性分析及补丁生成，结果需安全研究人员复核。

• [Paper] Route Anything: A Study of Model and Policy Routing for General-Purpose AI Systems：技术回看（原文 2026-11-04）：论文构建跨语言、图像、视频、智能体和机器人任务的轨迹矩阵，研究按输入选择模型或策略时的质量与计算成本权衡。

• [Paper] Recursa: Toward Recursively Self-Improving Foundation Model Systems：技术回看（原文 2026-11-03）：论文通过并行执行任务、反思与验证合并领域技能和经验，迭代知识库以适应特定领域任务。

• [Paper] ToolSpace: Scaling Tool-Centric Environment Synthesis for Long-Horizon Agents：技术回看（原文 2026-11-03）：论文从真实 MCP 调用轨迹抽取工具依赖图，通过状态感知游走和可执行断言合成可回放的长程任务。

• [Paper] You don't need long context：技术回看（原文 2026-11-04）：论文在长输入和长程任务中研究频繁压缩上下文对任务准确率与生成成本的影响。

• [Paper] SpecPilot: Autonomous Algorithm Discovery and Systems Optimization for Speculative Decoding：技术回看（原文 2026-11-02）：论文用成本模型定位推测解码瓶颈，通过并行智能体搜索并以逐 token 校验筛选部署相关的无损优化。

• [Paper] DreamX: Video Diffusion Model is a Universal Latent Action Learner：技术回看（原文 2026-11-04）：论文从预训练视频扩散模型提取压缩的潜在动作表示，研究不同人体与机器人形态及环境之间的动作迁移。

2026.11.04

• [Tool] Claude Code v2.1.318：新增登录凭据到期信息与提前提醒，并修复异常工具调用重试后继续会话时可能丢失历史的问题。

• [Paper] The Right Source Is Not Enough: Understanding History Interference in Speech-LLM Memory：论文在 MOSS-Audio 和 MiMo-Audio 上通过干预实验分析无关历史语音如何影响开放问答与选择题的答案计算。

• [Paper] Perturb, Repair, Verify: Self-Play Vision-Language Verifiers for Compositional Understanding：论文提出视觉语言验证器的扰动、验证、修复再验证自博弈，用对象、属性、数量和关系扰动构造训练反馈。

• [Paper] DSL-Bench: Evaluating and Explaining LLM Code Generation Across Domain-Specific Languages：论文构建覆盖 18 种领域专用语言的可执行代码生成评测，为各语言设置语法检查和任务语义判定，并比较 7 个模型。

• [Paper] Catalyzing Interactive HTML Generation Capabilities via High-Fidelity Reinforcement Learning：论文提出 WebCatalyst，以浏览器游戏交互评估、视觉锚点和运行轨迹信用分配训练交互式 HTML 生成。

• [Paper] Adversarial Speculative Reasoning Improves Long Horizon Agents：论文训练投机解码的草稿模型在关键推理点触发拒绝并重启验证，以研究数值误差对长程 Agent 任务的影响。

• [Engineering] Progress on provable inference for large language models：技术回看（原文 2026-11-02）：Anthropic 介绍 FlashProve，利用零知识证明验证输出与承诺的模型权重一致，原型针对整数模型和贪心解码，证明计算仍有明显开销。

• [Engineering] Scaling Git at OpenAI：技术回看（原文 2026-11-02）：OpenAI 的 Pando 保持 Git 客户端协议兼容，以横向扩展的写入与高吞吐读取应对 Agent 并发带来的单体仓库压力。

• [Engineering] Eval-production behavior gaps in agent safety and the role of eval-awareness：技术回看（原文 2026-11-03）：OpenAI 比较六个模型在警告处理评测与可比生产场景中的决策，研究模型对评测目标的理解如何影响结果。

• [Engineering] F3 Lightning: How Meta Accelerates Ads ML Features to Production at Scale：技术回看（原文 2026-11-03）：Meta 将广告机器学习特征的独立编译、验证和部署与共享执行计划结合，减少单个特征错误对整体发布的阻塞。

2026.11.03

• [Tool] SGLang v0.5.23：新增可选的融合持久化内核以优化 DeepSeek-V4.1-Flash 解码，并支持在 FP8 与 NVFP4 量化 MoE 上加载 LoRA 适配器。

• [Engineering] Build World Models for Interactive Simulation with NVIDIA Cosmos：NVIDIA 介绍 Cosmos Framework 的模型训练与推理流程，并以同步生成摄像头视频和 LiDAR 观测的自动驾驶仿真实例说明部署方法。

• [Engineering] Support New AI Frameworks Faster Using NVIDIA Workload Map：NVIDIA 使用统一的 Kubernetes 工作负载描述表示任务组件和副本，让调度、控制器与平台复用 JobSet 等框架的结构信息。

• [Engineering] Diagnose Distributed AI Workload Failures with NVIDIA Attribution：NVIDIA Attribution 用确定性规则关联任务日志、GPU 遥测与调度状态，输出故障来源、受影响节点和证据链，诊断质量取决于遥测完整性。

• [Engineering] Keep Distributed Training Running with Automated Workload Recovery：NVIDIA Recovery 结合日志、GPU 指标和调度信号检测训练中断，按故障归因隔离资源并在健康节点从检查点重启任务。

• [Engineering] Red-Teaming Auto Mode: Improving Blocking Classifiers Against Malign Coding Agents：技术回看（原文 2026-10-22）：Anthropic 研究在实验中以监测器提示注入、跨上下文攻击和恶意压缩测试编码 Agent 阻断机制，并讨论工具覆盖与多上下文防护的局限。

• [Paper] Memory as a Shared Space: Retrieval Interfaces and View-Filtered Indexes for Persistent Agents：技术回看（原文 2026-10-09）：研究以共享索引和访问视图隔离多 Agent 记忆，在 LongMemEval 及构造的组织任务上比较检索接口、成本与私有内容暴露。

• [Paper] EmbeddingGemma 2: Unified and Efficient Multimodal Representations：技术回看（原文 2026-10-27）：论文补充多阶段训练、不同模态编码器按需加载及可截断向量维度的设计，用于统一文本、图像、音频与视频嵌入。

• [Paper] Sandman: Building and Operating Sandboxes for Agentic Reinforcement Learning on Shared Kubernetes：技术回看（原文 2026-10-29）：Amazon 研究介绍共享 Kubernetes 集群上的 Agent 沙箱服务，以 Pod 和守护进程管理任务环境的创建、调用、持久状态与清理。

• [Paper] Evolving with Open Worlds: Towards Recursive Self-Improvement for Future Forecasting：技术回看（原文 2026-10-21）：论文提出面向未来事件预测的 DeepEvolve，将可验证任务生成、搜索与预测分离以及经验轨迹和可复用技能结合到持续迭代流程。

• [Engineering] A curriculum for post-training agents：技术回看（原文 2026-10-20）：Hugging Face 将 Agent 后训练拆为轨迹监督微调、蒸馏、奖励驱动训练、环境交互和完整工作流扩展，列出各阶段所需数据与训练器。

2026.11.02

• [Paper] Releasing the Inner Jev: A Simple Recipe for Open Decision Models：技术回看（原文 2026-10-13）：论文直接读取开放指令模型末尾选项字母的 logits 得到决策概率，再比较 LoRA 与决策头微调，并构建 OpenDecisions 验证集。

• [Paper] RSI-Forge: From Research Papers to Environments for Recursive Self-Improvement：技术回看（原文 2026-10-07）：RSI-Forge 用构建、复现和审查代理将论文转成带自动评估器的任务环境，作者以固定模型权重和多轮代码继承测试改进，并记录专家对捷径与忠实度的担忧。

• [Paper] Memory Depth and Reconstructed Context Width: A Controlled Evaluation of Hierarchical Retrieval：技术回看（原文 2026-10-06）：研究在 EverMemBench 比较四种记忆层级深度与不同上下文预算，作者观察到扩大上下文宽度可改善准确率，而增加层级深度没有单调收益。

• [Paper] Juno: Taming Predictive Latents for Vision-Language-Action Models：技术回看（原文 2026-10-07）：Juno 用动作条件 JEPA 预训练控制相关表征，再为视觉语言动作策略蒸馏未来状态，并以包含失败轨迹的观测数据适配世界模型。

• [Paper] Multi-Draft On-Policy Distillation for Diffusion Drafters：技术回看（原文 2026-10-28）：MDraft 为同一上下文采样多个并行草稿块，聚合验证模型在不同前缀下的条件分布作为蒸馏目标，以缓解扩散草稿器训练时的前缀不匹配。

• [Paper] Measurement-First Auditing of Agentic Leaderboards: Contamination Susceptibility, Matched-Control Re-evaluation, and Scorer Validation：技术回看（原文 2026-10-05）：论文区分训练暴露、评测时检索和流程泄漏三类污染渠道，并用匹配对照及评分器验证审查代理榜单；作者指出现有结果不足以证明训练集包含或分数膨胀。

• [Paper] What Does a Harness Buy? Tokens, Mostly：技术回看（原文 2026-10-03）：作者在 SWE-bench Verified 比较相同模型下三种编码代理框架及重复运行波动，并分析系统提示、工具描述和调用轮次对 token 成本的影响。

• [Paper] Learning to Program Retrievals: Composing Search Primitives via Reinforcement Learning：技术回看（原文 2026-10-20）：RPL 将搜索操作组合成具有局部状态和控制流的可执行程序，再通过语法约束和执行验证生成改写并蒸馏给策略，探索稀疏反馈下的多步检索。

2026.11.01

• [Paper] Our Own Jev: Typed Decisions in One Forward Pass, from an In-House Judge to Open LoRA Models：技术回看（原文 2026-10-21）：作者用冻结语言模型、LoRA 适配器与指针头在一次前向中回答多个类型化问题，用于筛选编码 Agent 轨迹，并比较其他开放模型的决策读出方式。

• [Paper] RSI Control: Can AI Models Perform Covert Sabotage in the Self-Improvement Process?：技术回看（原文 2026-10-20）：RSI Control Arena 将训练流程中的正常研发任务与隐蔽破坏任务配对，测试模型作为研发代理时的攻击与监控，结果限于作者设计的模拟任务。

• [Paper] Retrieval as Traversal: Value-Indexed Memory for Stateful Long-Context Agents：技术回看（原文 2026-10-30）：论文将记忆内容和地址分开，以检索价值与可访问成本组织局部记忆遍历，并仅在 MiniGrid Memory 中验证固定几何的概念实例。

• [Paper] Thinker-WM: A Unified World Model with Shared Multimodal Representations for Embodied Intelligence：技术回看（原文 2026-10-13）：Thinker-WM 将 RGB、度量深度与机器人动作送入共享的动态 Transformer，由模态专用编码器和解码器支持联合预测及动作生成。

• [Paper] GPU-Resident Speculative Decoding for In-Browser LLM Inference with WebGPU：技术回看（原文 2026-10-29）：论文将浏览器推测解码的草拟、验证、接受和 KV 缓存维护放在 GPU 循环中，并用设备相关控制器调整推测宽度，比较限于所测模型与客户端 GPU。

• [Paper] TableTune: Measured, Self-Correcting Draft-Length Tables for Dynamic Speculative Decoding：技术回看（原文 2026-10-29）：TableTune 在 vLLM 的实际服务路径测量不同批量与草稿长度，再通过插件跟踪在线接受情况并更新长度表，实验与其他推测解码配置比较。

• [Paper] PAPERBENCHX: Can AI Reproduce Science Across Disciplines?：技术回看（原文 2026-10-29）：PAPERBENCHX 构建覆盖12个研究方向的93项论文复现任务，在各学科专用环境中要求代理重建并执行实验，再以专家验证的标准检查重新生成的证据。

• [Paper] Build or Adopt? Custom-Built vs. General-Purpose LLM Agent Harnesses for Automotive GUI Testing：技术回看（原文 2026-10-24）：研究在相同模型与 MCP 工具下比较自建框架、Claude Code 和 OpenCode 对沃尔沃车载界面测试的表现，并纳入推理与工程维护成本。

• [Paper] Certified Execution Harness for Agentic AI: Safe and Least-Intrusive Petri-Net Supervisory Control Between Reasoning and Action：技术回看（原文 2026-10-22）：论文用 Petri 网将工具能力、审批与预算表示为执行前置条件，研究提示注入下工具调用的安全约束及拒绝后重复规划的代价。

2026.10.31

• [Engineering] NVIDIA 用 AICR 配方部署和验证 Dynamo 推理环境：AI Cluster Runtime 将 GPU 驱动、资源分配、调度及监测组件固化为可验证配置，并介绍 Dynamo 1.4.2 使用前端或 Gateway EPP 依据 KV 缓存选路。

• [Engineering] NVIDIA NemoClaw 整合多种 Agent 执行框架：NemoClaw 蓝图组合 Nemotron、模型优化工具与 OpenShell 访问控制，支持 OpenClaw、Hermes Agent 和 LangChain Deep Agents 等执行框架。

• [Engineering] TensorRT Edge-LLM 展示边缘模型部署与推测解码：NVIDIA 在 DGX Spark 64GB 上演示以 TensorRT Edge-LLM 0.11.1 启动 Nemotron 3.5 Lightning 和兼容 OpenAI 的本地服务，并用三草稿 token 的 DSpark 配置测试推测解码。

• [Paper] RSI Arena: Towards Recursive Self-Improvement with Human Feedback：技术回看（原文 2026-10-24）：让十个模型在固定 GPU 和 API 预算下为同一基础模型自主选择数据、训练流程与检查点，再用基准和盲评考察代理后训练，结论限于该实验设置。

• [Paper] Distributed LLM Inference via Communication-Efficient Speculative Decoding：技术回看（原文 2026-10-25）：DISCO 在服务器保留草稿模型副本，让端云推测解码只交换草稿 token 索引及标量概率，以减少完整词表分布传输并保持目标分布。

• [Paper] Linear-Time Context Compression with State-Space Encoding：技术回看（原文 2026-10-07）：Boa 用 Mamba 状态空间模型线性编码上下文，并通过蒸馏匹配冻结目标语言模型的下一词分布，探索可在每次查询时执行的上下文压缩。

• [Paper] Evaluating the Applicability of LLM Inference Optimizations on Apple Silicon：技术回看（原文 2026-10-23）：作者在四台 Apple 设备的单请求解码设置下比较 KV 缓存裁剪、推测解码、移植 GPU 内核与量化，观察到测试的推测解码方法均降低吞吐。

• [Paper] T2D: Target-to-Draft Model Pruning & Adaptation for Efficient Speculative Decoding：技术回看（原文 2026-10-25）：T2D 从目标模型出发，以考虑实测时延的结构化剪枝和知识蒸馏构造草稿模型，联合权衡草稿生成成本与目标分布对齐。

• [Paper] ReTAC: Residual Test-Time Agentic Computation for Video Spatial Reasoning：技术回看（原文 2026-10-12）：ReTAC 为视频空间推理中尚未解决的问题分配额外代理计算，并按规划、感知和推理阶段定位失败，只重算受影响的中间状态。

• [Paper] Can LLMs Trust Appropriately? Evaluating Calibrated Reliance on Imperfect Partners：技术回看（原文 2026-10-25）：该基准设计 23 类协作中的 324 个场景和连续决策，评估模型如何依据伙伴反馈选择信任、验证或提供帮助，并观察过度验证等失误。

2026.10.30

• [News] OpenAI 更新 Model Spec，增加意图、监督与行动指导：新版规范围绕遵循人类意图、减少伤害、诚实透明、支持自主性和关怀五项价值组织指导，并补充上下文、指令冲突及副作用处理；OpenAI 表示现有模型尚未完全体现该规范。

• [Tool] Qwen Code 0.26.4 nightly 更新交互卡片与历史查询：Qwen Code 夜间版增加带边界的托管历史 SQL 查询，让对话可继续使用生成卡片中的值，并默认开启 Generated UI；该版本为 nightly，部署前需考虑稳定性。

• [Repo] Mistral Large 4 公开权重并介绍稀疏推理结构：技术回看（原文 2026-10-29）：Hugging Face 技术介绍称 Mistral Large 4 提供 FP8 和 NVFP4 权重，模型以 MoE 按 token 选择专家、以稀疏注意力选择历史位置；官方模型仓库已列出权重文件，许可对模型即服务用途设有限制。

• [Repo] Granite Switch 4.1.1 更新语音与决策适配器：技术回看（原文 2026-10-29）：IBM 将 Granite Switch 4.1.1 作为兼容 4.1 的增量版本，替换支持 10 种语言的语音转写模型并更新决策适配器，基础模型无需重新计算；适配器开发套件仍在规划。

• [Repo] AnyDecisionModel 与 AnySpeechRecognizer 扩展苹果端本地模型：技术回看（原文 2026-10-29）：Swift 工具 AnyDecisionModel 从本地或受支持决策模型提取是非、选项和评分的结构化概率，AnySpeechRecognizer 可切换 Parakeet 与 Qwen3-ASR 等识别后端；不同引擎的实时输出和时间戳能力不同。

• [Engineering] Miles 在 MI355X 上分析编码 Agent 强化学习瓶颈：技术回看（原文 2026-10-29）：AMD 与 Miles 团队让 Qwen3-30B-A3B 的推理、代码沙箱和训练异步协作，针对长尾轨迹与 CPU 沙箱启动优化吞吐；作者在 SWE-bench Verified 的 100 题分层子集报告训练前后变化，不能等同完整基准成绩。

• [Engineering] OpenAI 介绍 Agent 失配行为的分层监测：技术回看（原文 2026-10-29）：OpenAI 描述从激活探针、模型复核到调查 Agent 和系统日志的多层监测，并对部分高风险内部任务通知人工响应；其历史事故复放结果属于模拟，外部使用的升级和人工审查机制另有区别。

2026.10.29

• [Tool] Qwen Code SDK 0.1.25 集成 CLI 0.26.3 并更新桌面版：Qwen Code TypeScript SDK 0.1.25 内置 CLI 0.26.3，桌面版 0.26.3 也已发布；CLI 更新包含持久化 Workflow 模式、按剩余上下文空间收缩工具结果，以及避免执行引用示例中的工具调用。

• [News] Genie 4 将实时场景模拟与原生音频结合：技术回看（原文 2026-10-27）：Google DeepMind 的 Genie 4 联合生成交互画面、环境声音和对话，Gemini 负责场景规划与调整；目前向可信测试者开放研究预览，长时间场景一致性、物体稳定性和复杂物理交互仍有限。

• [Repo] Unlimited-OCR 2 用稀疏参考处理跨页长文档：技术回看（原文 2026-10-27）：百度模型卡介绍 SR-SWA：将长序列中的文本与视觉交互压缩到固定数量的工作参考，以限制注意力计算和单步解码开销；模型提供多页解析示例，整条文档处理流水线的总内存仍取决于输入页数和预处理。

• [Engineering] Ai2 评估 LLM 对科研创意新颖性的判断：技术回看（原文 2026-10-27）：Ai2 根据 ICLR 2026 审稿意见构造人类创意对比，并加入基础生成器产生的创意进行比较；实验显示提示词变化可显著改变模型的成对判断，生成创意被假定较不新颖属于弱标签，结果不能替代真实专家审查。

• [Repo] Nemotron 3.5 Transcribe 支持多语言语音转写与说话人标注：技术回看（原文 2026-10-28）：NVIDIA 发布可按指令处理录音的开放权重模型，支持 40 种语言转写、最多一小时录音和最多八位说话人，并提供 Granary v2 数据整理流程及微调方案；各语言的翻译和说话人识别支持范围不同。

• [Engineering] Google Agent Compute Engine 用 microVM 管理 Agent 会话：技术回看（原文 2026-10-22）：Google Cloud 介绍按 Agent 会话使用独立 microVM，通过写时复制共享模板、空闲暂停及快照恢复节约资源，并在出口侧注入短期凭据；服务面向客户的预览仍计划在未来数月开放。

• [Repo] d1-2B 将多项结构化决策放入一次前向计算：技术回看（原文 2026-10-28）：Liquid AI 的 d1-2B 基于 LFM3-VL-2B，接收文本、图片或视频及多个问题，一次前向返回带概率的结构化答案，适合分类和路由；模型卡提醒知识密集任务与超过约 64K token 的状态可靠性下降。

• [Engineering] ServiceNow MCP 接入 ChatGPT 并规划后续工作流：技术回看（原文 2026-10-28）：OpenAI 表示 ServiceNow MCP 插件已可用，客户可连接实例并按现有业务规则和权限控制操作；Codex 接入 Workflow Factory、语音和联合安全能力仍按各自公布的时间表推进。

2026.10.28

• [Repo] LFM3 用三混合骨干统一端侧文本与多模态模型：Liquid AI 以 13 层短卷积、5 层滑窗注意力和 6 层全局注意力构成 1.7B 骨干，衍生视觉、音频、Omni 与决策模型，文本模型支持 256K 上下文；不同模态仍需各自编码器、模型和运行依赖。

• [Engineering] CUDA 13.4 将 GPU 显存配额落实到 Kubernetes 工作负载：GPU Fractioning Operator 在节点侧执行显存 request/limit，KAI Scheduler 0.18.0 通过 Pod 注解分配份额，支持保底和空闲显存突发；time-slicing 使用独立错误域，sm-sharing 共享错误域，同一 GPU 不能混用两种计算模式。

• [Tool] Claude Code 2.1.312 修复规则文件覆盖与目录技能发现：修复只读大型 CLAUDE.md、规则文件或引用文件开头后便覆盖整文件的问题，Write 会要求完整读取或原位编辑，并修复 Bash 切入仓库深层目录后找不到按路径配置的 skills，以及 Code Review 误审过期提交的情况。

• [Engineering] Nemotron 用地域画像与官方材料生成后训练对话：NVIDIA 展示以法国和比利时合成用户画像扩展场景、用官方办事材料约束回答，再通过 NeMo 和 LoRA 定制模型的流程，并建议生成数据前固定留出评测集；画像用于扩大覆盖，事实正确性仍需独立审查。

• [Engineering] RTX Spark 补充神经渲染与 Arm64 图形开发工具链：NVIDIA 介绍 DLSS 5 的 3D 引导神经渲染、端侧 AI 角色与 RTX Kit，Nsight Graphics 2026.3 提供 Windows on Arm 安装器，Nsight Systems 2026.5 统一 Windows 安装入口；开发者仍需核对原生 Arm64、模拟 x64 与 Arm64EC 的具体支持。

• [Paper] The sleep framework: A new way for LLMs to retain knowledge in continual learning：技术回看（原文 2026-10-27）：Google Research 将交互阶段的短期记忆离线巩固到预分配的低秩 MoE 专家，再以随机专家生成、筛选合成样本进行训练，BABILong 上的 10M token 结果属于特定实验，模型仍遵循固定架构与人定训练规则。

• [Engineering] Project Zero 对比模糊测试与 LLM 漏洞发现的互补性：技术回看（原文 2026-10-27）：Google 在 V8 的 2026 年 4—9 月生产记录中统计到 BigSleep 与 Fuzzilli 分别发现 45 和 37 个可行动漏洞，实际记录重叠约 25%，专门回溯实验估计约 60%；目标、重复处理和实验口径会改变结论，作者建议组合使用两类方法。

• [News] GPT-6.1 Terra 的桌面操作定位与调用成本：技术回看（原文 2026-10-26）：OpenAI 将 Terra 定位于图像理解与高频桌面操作，API 型号为 gpt-6.1-terra，标准每百万输入与输出 token 分别为 1 和 5 美元；公告中的效率与任务表现属于厂商评测，复杂编码任务仍推荐 Sol 或 Astra。

• [Repo] Hy-SimulMT 开放中英流式同传训练与推理工具：技术回看（原文 2026-10-26）：腾讯混元提供 SimulInfer 和 SimulTrain，用连续输入音频进行中英双向同传，官方 RealSI 长音频评测的 StreamLAAL 约为 3 秒，该指标衡量翻译滞后；语音输出与音色克隆还需要配置 TTS 服务。

2026.10.27

• [Tool] Claude Code v2.1.311：MCP、长上下文与后台代理稳定性修复：该版本修复超长 CLAUDE.md 列表导致的启动冻结、MCP 资源读取或技能下载未响应时的中断延迟、超过 200K 上下文停止以及子代理晚连接 MCP 服务器等问题，并修正后台代理工作树提前删除。

• [Engineering] NVIDIA Minerva：用拓扑知识图谱关联 AI 工厂遥测与训练作业：NVIDIA Minerva 将 GPU、NVLink、网络、存储、调度器和工作负载遥测映射到动态知识图谱，用机器学习聚合灰色故障，并通过 Sherlock 助手与 MCP 让运维人员查询受影响作业和故障链；案例与节省时数为 NVIDIA 自述。

• [Engineering] Greptile：用 GPT-6 Astra 做行为级代码测试并通过 MCP 接入 Codex：技术回看（原文 2026-10-26）：Greptile 用 GPT-6 Astra 启动 PR 的开发服务器、调整移动视口并模拟用户流程，让代码审查延伸到界面行为；其 Knowledge Base 通过 MCP 提供给 Codex，效果数字属于公司自述。

• [Engineering] OpenAI：与学术社区协作解释 AI 生成的数学、计算机科学与物理结果：技术回看（原文 2026-10-26）：OpenAI 10 月 26 日公开的三项 AI 生成研究结果及外部专家引导解释流程，把原始模型输出、专家组织和后续科学理解分开。

2026.10.26

• [Tool] Qwen Code v0.26.1-nightly.20261025：该夜版加入Managed会话权限规则与Auto审批，修复serve令牌解析受项目环境注入影响的问题，并为无界面执行引入实验性的共享Agent循环。

• [Tool] llama.cpp b11888：语法递归保护与长token过滤：该预发布构建给解析路径加入递归深度保护，并将候选token的码点检查改为显式栈遍历，修复长空白token因误计递归深度被语法采样器拒绝的问题。

• [Tool] Kimi Code 2.3.2：显式委派与swarm模式：技术回看（原文 2026-10-25）：将主动启动子代理改为显式委派，并把AgentSwarm限定为手动启用的swarm模式，kimi -p与ACP客户端不再支持该群体工具。

• [Paper] Narrow Decision Models: A System-1 Architecture for Calibrated, Typed Decisions：技术回看（原文 2026-10-19）：将状态、问题与选项组织成前缀树，在双向编码器上使用分块注意力和逻辑位置，实现选项顺序不变与问题隔离，并把拒答纳入组织层级路由。

• [Paper] LaLa-World: Scaling Latent World Models with Natural Language Actions：技术回看（原文 2026-10-20）：把数值动作与视觉变化统一为语言条件，用语言模型构建未来潜态预测器，联合仿真轨迹、机器人以及图像视频数据训练，再将预训练表征用于规划和动作策略微调。

• [Paper] UlaCache: Unified Logical Addressing for Sparse LLM Serving：技术回看（原文 2026-10-21）：以横跨GPU池与可选CPU内存的统一逻辑地址解除KV引用与物理位置绑定，跨解码步复用已选KV，仅传输缺失条目，并以并行分桶LRU管理启用CPU存储时的共享GPU池。

• [Paper] HarnessPro: Recursive Harness Self-Improvement with Pareto Optimization for Performance-Cost Trade-offs：技术回看（原文 2026-10-20）：让诊断、规划与实现代理按性能和成本偏好迭代执行框架，用LLM生成测试评估候选，并保留lite、medium、heavy三种预算点，搜索阶段不访问标准答案及官方测试。

• [Paper] How Do Agentic LLMs Decide to Call Tools? A Tool-Call Vector Shaped by Suppression：技术回看（原文 2026-10-07）：通过仅改变请求动词的对照提示定位工具调用方向，在Qwen、Mistral与Granite的七个模型中分析模板建立调用先验、分析动词抑制该先验的机制。

• [Paper] Second-Order Problem Solving for Recursive Self-Improvement in Formal Verification：技术回看（原文 2026-10-05）：监测失败复现、反向编辑与预期不符三类轨迹异常，触发轻量诊断探针并跨轮保留调查记忆，再指导工作流结构修改，实验范围为Lean 4与Verus形式验证任务。

• [Paper] Harness Engineering for Software Engineering via Modular Executable Dev-Primitives：技术回看（原文 2026-10-06）：把仓库组件封装为绑定自身实现和依赖关系的常驻LLM单元，按依赖动态激活，并将执行错误证据映射回需修订的组件，以减少长任务中重复重建程序状态。

• [Paper] Beyond the Model: Demystifying Harness Effects in Software Engineering Agents：技术回看（原文 2026-09-26）：在匹配模型下比较mini-SWE-agent与OpenCode，并用NanoHarness拆解工具注册、压缩、规划、子代理和技能组件，发现通用子代理与压缩在部分仓库生成任务中会降低表现。

2026.10.25

• [Tool] Qwen Code Desktop v0.26.1：加入守护进程令牌持久化、Managed会话手动上下文压缩和无需重建会话的MCP管理，并改进中断后的会话恢复流程。

• [Tool] llama.cpp b11868：Hexagon多核注意力拆分：该预发布构建以GGML_HEXAGON_FA_SPLIT统一控制头拆分，在KV头数少于核心数时进一步做团队拆分，使闲置核心参与Hexagon多核HMX Flash Attention。

• [Engineering] 用AI Agent组织Microduck仿真训练与策略验证：技术回看（原文 2026-10-23）：串联Agent辅助资产生成、Isaac Sim环境组装和Isaac Lab强化学习，用头部深度相机与机器人状态训练障碍行走策略，并将仿真验证与执行器标定、域随机化等硬件迁移准备分开。

• [Paper] RIDAR: Safeguarding Research Integrity in Autonomous Research Agents via Automated Detection and Runtime Intervention：技术回看（原文 2026-10-22）：以14类科研诚信违规分类和轨迹检测连接事后审查与运行时纠正，作者在60条专家标注轨迹上验证检测器，并在300条研究轨迹上分析违规，代码与数据仍为待发布计划。

• [Paper] DIAL: Steerable Language Models with Distilled Instruction-Adherence Levels：技术回看（原文 2026-10-22）：用冻结模型的classifier-free guidance生成指令遵循强度信号，再蒸馏为由文本条件化的轻量适配器，逐token调整隐藏状态编辑幅度，使新指令可复用同一适配器。

• [Paper] Adaptive Skill Granularity for Coding Agents: Runtime Routing and Macro-to-Micro Recovery：技术回看（原文 2026-10-22）：将技能粒度建模为依赖任务结构、执行状态与宏技能失败的控制策略，结合特征路由器和有限状态恢复器，在确定性编码任务协议中检验宏步骤失败后的微步骤恢复。

• [Paper] What Makes a Good Unmasking Policy? A Controlled Study of Learned Unmasking in Diffusion Language Models：技术回看（原文 2026-10-23）：分别控制教师标签、模仿状态、策略输入和参数开销，以保持参考轨迹的提交目标训练解掩码策略，显示置信度与隐藏状态组合的收益仍需抵扣策略自身开销。

• [Paper] AdaRSI: On-Demand Recursive Self-Improvement for Embodied Agents：技术回看（原文 2026-10-15）：先改进技能与执行框架，再从保存状态重试失败子步骤，仅对仍不可靠的动作利用自采示范微调，在RoboCasa365与GR00T N1.5设置下区分调用问题和执行器能力缺口。

• [Paper] Recursive Self-Improvement through Multi-Agent Self-Supervision：技术回看（原文 2026-10-08）：交替进行多Agent工作流进化搜索与自生成轨迹的监督微调，用结构护栏约束角色分工和信息路由，报告结果限于Qwen3.6-27B的两个循环及四项开放式基准。

• [Paper] Evaluating and Benchmarking the System One Model Jev：技术回看（原文 2026-09-29）：以冻结模板在37个数据集上比较jev-1.13.0与两个开源模型的选项概率，发现choice校准与固定0.5阈值下的二元判定表现不同，训练集调阈值可改善部分任务。

• [Paper] Resource-Efficient Speculative Decoding for Long-Context LLM Serving：技术回看（原文 2026-09-27）：将已提交KV历史分块从CPU流入GPU，让每块服务同轮全部验证查询并用在线softmax维持完整注意力，在传输空隙并发起草，同时以目标模型优先调度和GPU本地回滚约束干扰。

• [Paper] Vision-Predictor-Action: Towards Efficient Embodied AI via Neuro-Symbolic JEPA Predictors：技术回看（原文 2026-10-11）：用离散技能选择、JEPA潜态预测和flow-matching整块动作生成构成控制回路，避免逐token生成动作，LIBERO-10结果仍属单次训练的概念验证。

• [Paper] Testing the Planning Claims of LLM-Based Agents against Formal Semantics：技术回看（原文 2026-10-16）：用隐藏PDDL模型逐步检查动作适用性、目标达成及任务可解性，在五个领域比较离线计划和在线执行，要求规划能力判断基于经过验证的动作轨迹。

2026.10.24

• [Engineering] OpenAI Habitat：共享存储的隔离与容量治理：解释 Habitat 如何回到默认共享 Cosmos DB 容器，通过热点键限流、离线任务低优先级 QoS，以及按 RU 用量拆分物理分区，减少噪声邻居影响和各产品团队手动规划容量的负担。

• [Tool] Claude Code v2.1.310：将 Monitor 工具和插件监控扩展到 Bedrock、Vertex、Foundry 及关闭遥测的场景，并修复密集文本导致压缩后仍超上下文，以及 Windows 缺少 Git Bash 时部分引号形式的权限钩子命令未能阻断的问题。

• [Engineering] LitPivot：让研究构想与相关文献一起迭代：把提案拆为问题、贡献和评估计划，围绕当前片段组织文献并给出带原文摘录的修改建议，再随修改重排相关论文，17 人研究中的盲评专家评的是文献支撑程度，创新性与有用性改善来自参与者自报。

• [Engineering] TensorRT Global Performance Tuner：在精度约束内搜索构建路线：将编译选项组合表示为可搜索的 build route，逐个构建并排除失败或未达精度要求的引擎，再按端到端性能选择候选，并用 fast/mixed/full 搜索及可恢复缓存控制调优成本。

• [Engineering] Google：从胸片模型到本地结核筛查工作流：梳理胸片嵌入、MedSigLIP 与 MedGemma 的本地适配，以及离线便携 X 光筛查的部署路径，强调将疑似病例转诊做确认检测、由医护人员作最终判断，HeAR 咳嗽声分诊仍在合作研究中积累临床证据。

• [News] Kimi K3.1 Pro / Highspeed 接入 Vercel AI Gateway：技术回看（原文 2026-10-23）：提供 moonshotai/kimi-k3.1-pro 与对应 highspeed 标识，可通过 Chat Completions、Responses 和 Anthropic Messages 接口调用，保留 1M token 上下文及图像输入，模型权重按公告计划不晚于 11 月 4 日发布。

• [Engineering] OpenAI：前沿训练环境的离线交互与多层隔离：技术回看（原文 2026-10-23）：用缓存和索引构造可练习网页操作的离线环境，并叠加容器、microVM、监测与网络/云边界，再用假设沙箱和主机已失守的测试单独检验外层限制，原文讨论的是研究训练与评估环境。

• [Tool] TorchNeuron 模型兼容查询与测试数据集：技术回看（原文 2026-10-23）：按编译器和 Transformers 版本查询 Trainium2 测试结果及可运行脚本，当前每次仅生成 32 个 token，单核对照 CPU token、分片模型由小模型检查英文流畅度，PASS 不代表长生成质量或吞吐已达标。

• [Tool] Kimi Code 2.3.1：会话占用与 Windows 工作区信任修复：技术回看（原文 2026-10-23）：修复 Windows 缺少 Git Bash 时的工作区信任失败和 macOS/Linux 崩溃后的会话残留占用，提示占用客户端名称，并在重试后提供接管遗留锁会话的操作。

• [Paper] ValuSpec: Plug-and-Play Candidate Valuation before Target Verification for Tree-Based Speculative Decoding：技术回看（原文 2026-10-22）：在目标模型验证前过滤树状草稿的低质量分支，利用目标模型在校准集上的贪心轨迹估计阈值且不训练参数，再由目标验证保持与标准自回归贪心解码输出一致。

• [Paper] Jev-DLC: Decision-Level Continual Learning from Typed Feedback：技术回看（原文 2026-10-23）：在冻结评分器之上，用有界状态分别保存重复动作身份的反馈和偏好选择相对被撤销选择的有向关系，影响后续决策而不保存原始交互历史、不增加评分器调用，也不在运行时反向更新语言模型。

• [Paper] Muffin - A Shared Memory Buffer for Asynchronous AI Agents：技术回看（原文 2026-10-22）：按推理需求把困难查询分配给多 Agent，以共享记忆缓冲异步交换中间发现，同时将各 Agent 的私有推理保留在本地，减少对同步轮流辩论和完整轨迹共享的依赖。

• [Paper] Simulated Control Evals：技术回看（原文 2026-10-23）：用语言模型模拟工具响应来近似部署任务下的防护测试，再以 LinuxArena 的实际执行结果检验预测偏差，研究任务贴近程度对安全评估外推的影响。

2026.10.23

• [News] OpenAI Decisions API 正式可用：以 GPT-6 Luna 为底座，为限定答案任务返回概率、选项或量表分数，正式版加入原生 JSON、问题说明中的图片、提示缓存与 GPT-Live 集成，并将单次请求上限增至 400 问。

• [Tool] Claude Code v2.1.309：修复 macOS/Linux 沙箱命令的启动脚本在沙箱外执行、沙箱命令或自动接受的编辑可改写指定 MCP 配置，以及 PowerShell 钩子退出码为 2 时未能阻断等问题。

• [Engineering] ThinkingBox：把数据库终态检查用于 Agent 强化学习：训练前按基础策略的成功率筛选固定任务池，将数据库终态检查转为 GRPO 奖励，团队对 Qwen3.8-27B 训练 50 步后，在 507 题各试 20 次的评测中，次次成功的题数由 38 增至 107，至少成功一次的题数由 453 降至 446。

• [Repo] OlmoEarth v1.3 与全球卫星嵌入：把一年 Sentinel-1 雷达及 Sentinel-2/Landsat 光学时序压为每个 10 米像素的 128 维向量，前 64 维可独立使用，并提供可交互分类与 GeoTIFF 导出工具，首发 2023—2025 年为全球覆盖，2017—2022 年限部分国家。

• [Engineering] 八节点 DGX Spark 的通信与推理扩展：官方支持八节点 DGX Spark，聚合统一内存达 1 TB，厂商在交换网络配合 RoCEnante、Qwen3.8-27B NVFP4、8K 输入/256 输出、并发 1 且关闭投机解码时，报告解码 52.58 tokens/s，为单节点的 4.43 倍。

• [Engineering] Python GPUDirect Storage：核对真实 I/O 路径：用 KvikIO 将文件读入 GPU，并通过 CUFILE_STATS_LEVEL=3 与 gds_stats 区分 nvidia-fs 加速和 CPU 中转路径，说明调用 cuFile 本身不能证明已启用直达传输，需分别检查 KvikIO 与 cuFile 两层路径选择。

• [Repo] llama.cpp b11828 修复实时音频提交边界：实时接口改为按每次 commit 对应的音频结束行排队确认完成，修复尾部排空期间追加音频混入已提交片段，以及连续提交被合并的问题。

• [Engineering] Granite 时间序列集成的概率汇聚与 IQR 加权：技术回看（原文 2026-10-22）：用等权概率汇聚或按 IQR 加权组合四种架构的预训练预测器，无需拟合集成权重即可输出分位数，同时需评估四模型的时延与内存开销，并防止窄区间让过度自信的成员获得过高权重。

• [Paper] PreCoMem: Predictive Cognitive Memory for Self-Evolving Long-Term Dialogue Agents：技术回看（原文 2026-10-21）：将用户记忆建模为带置信度的信念，结合语义偏差、矛盾证据与检索可靠性计算有效惊异度，再通过双阈值将新信息分流为维护、低置信度暂存或对被可靠证据否定的旧记忆做软衰减。

• [Paper] TIDE: Tree-Induced Fine-Grained Diagnostic Evaluation from Model Behaviors：技术回看（原文 2026-10-22）：由 LLM 评审提出样本划分，依据模型行为的信息增益递归构建能力树，在五个模型、四个基准上展示总分掩盖的细粒度能力差异。

• [Paper] HGM-Dual: Lineage-Aware Guided Agent Harness Optimization for Long-Horizon Planning：技术回看（原文 2026-10-22）：为冻结模型的规划 Agent 保存祖先编辑及效果的谱系上下文，同时生成开放探索分支和针对高优先级约束违规的专用分支，以诊断信息引导 harness 优化。

2026.10.22

• [Tool] Claude Code v2.1.307：修复 HTTP MCP 连接在调用中断开时工具请求被发送两次的问题，将重试限制为只读或幂等工具，并修复后台任务运行时新一轮未拿到 SDK MCP 最新工具的问题，新增权限拦截的 OpenTelemetry 安全事件。

• [Engineering] NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required：以实体历史子图及带目标值的上下文样本直接预测关系数据库中的结果，通过表内注意力、外键图注意力和跨样本注意力复用预训练模型，时序查询仅向模型提供锚点前数据；免任务训练仍依赖历史标注上下文和有限跳数内的有效关系。

• [Engineering] How Specializing the Vocabulary of SLMs Can Cut Inference Cost by 77% in Real Applications：按输入与输出 token 的实测代价联合选择子词和短语宏 token，压缩专用模型词表与重复输出；作者在 RTX 5090、vLLM 的葡语作文评分器 500 请求中报告成本降低 77%，同时指出把评分值融入结构宏 token 会损害质量，论文尚待公开。

• [Engineering] Profiling TorchNeuron (Part 1): System-level profiling on AWS Trainium.：用 torch.profiler 的 PrivateUse1 活动与 Neuron 配置关联 CPU、运行时和设备轨迹，再以 RMSNorm 的朴素、融合和编译实现检查分派间隙及中间张量开销，说明预热、设备同步和 trace 配对如何影响性能诊断，示例耗时仅对应算子测量。

• [Engineering] Empowering frontline maternal care with AI-assisted ultrasound：介绍盲扫超声孕周估计模型的双站点前瞻性研究，用 Chicago 的 120 人数据适配新探头，再在 Chicago 与未参与微调的 Nairobi 队列验证，研究同时讨论采集质量拒绝、置信度和现场设备运维，结论限于文中研究人群与任务。

• [Repo] Granite Speech 5.0: Transcribe, Translate, and Attribute more Accurately and Faster：技术回看（原文 2026-10-21）：发布 2B 语音语言模型并更新 470M Turbo CTC 与 4.1 2B Plus，分别覆盖多语言转写翻译、端侧高速转写和说话人归属及时间戳，支持长关键词列表与噪声混响场景，模型采用 Apache 2.0 许可，各变体的语言和任务能力需分别核对。

• [Engineering] Using thousands of AI agents to uncover new leads in biological data：技术回看（原文 2026-10-21）：OpenAI、PerturbAI 与 Scripps 将小鼠脑细胞基因扰动分析拆给并行代理，结合细胞响应与文献构成推理图谱，并在固定模型和资源的对照中比较单代理与分布式解释，所得机制线索仍需后续生物实验验证。

• [Engineering] How we built ChatGPT’s novel ad stack for user trust and relevance：技术回看（原文 2026-10-21）：说明独立广告服务如何维护会话状态，由后训练 LLM 编排查询重写、向量检索、资格过滤和评分，再由拍卖工具完成最终选择与定价，广告路径与回答生成分离，未找到合适候选时允许不展示广告。

• [Paper] Adaptive Multi-Token Prediction: How far should we go?：技术回看（原文 2026-10-21）：将多 token 预测的提前选定草稿长度建模为在线控制，根据验证通过前缀的存活概率与计算代价选择预期吞吐最高的长度，在保留原有精确验证器且无需重训的条件下评估五组草稿—目标模型配置。

• [Paper] Evolving Agent Interfaces：技术回看（原文 2026-10-21）：让元代理从合成训练任务轨迹构建并修订计算机操作接口与使用知识，再以元代理不可见的验证任务表现选择接口仓库，在 OSWorld V2 和 ScienceBoard 检验固定模型下接口演化的作用。

• [Paper] Evolving Semantic Indexes for Generative Retrieval：技术回看（原文 2026-10-21）：以本地开放权重模型演化生成检索的语义标识与碰撞处理程序，用小型代理解码器提供快速反馈，并发现代理评估对语义索引改进的迁移较可靠，对训练目标或完整流程的迁移则不足。

2026.10.21

• [Tool] Claude Code v2.1.305：修复云会话或 SDK setMcpServers 注入的 MCP 服务被用户配置中同名服务覆盖，以及 Workflow 恢复时重复执行已完成代理的错误，并修复 2.1.304 在部分网关拒绝 ToolSearch 时请求持续失败的问题。

• [Engineering] NVIDIA Cosmos3-H-Dreams: Bringing Clinical Surgery to Life Through Generative Simulation：以手术视频和机器人运动学为条件训练生成仿真模型，经因果蒸馏、Self-Forcing 与少步学生模型实现交互式 rollout，并用 KV 缓存整合支撑长时运行；单卡演示的视觉连贯性仍不能证明生物力学或临床有效性。

• [Engineering] FairStress: A deeper evaluation of fairness in LLM decision-making：Ai2 用 29 个决策领域的 300 个双候选场景，配合身份信息显隐与双方对等的说服前缀，测试模型决策的一致性和抗干扰能力，避免仅凭一次身份交换后的最终选择判断公平性，结论仍受其公平性定义约束。

• [Engineering] WebSocket support is now generally available：Vercel Functions 的 WebSocket 支持正式可用，可承载 AI 聊天、流式交互及 AI Gateway 实时模型连接，连接仍遵循 Functions 的限制与定价，Active CPU 只按实际处理消息的 CPU 时间计费。

• [Engineering] ALTK-Evolve: How learned memory tops the τ²-bench leaderboard on customer service tasks without a frontier model：技术回看（原文 2026-10-20）：从客服代理训练任务的成功与失败轨迹提炼规则并加入系统提示词，在不更新权重的情况下改善留出任务表现；零售与航空所需规则数量不同，更多规则会增加输入成本，榜单全量 base split 与留出测试结果须分开解读。

• [Engineering] Hugging Face ❤️ TorchTPU: TPUs, Natively：技术回看（原文 2026-10-20）：介绍将 TPU 暴露为原生 PyTorch 设备的 TorchTPU 后端，使 Transformers、Diffusers 可复用 eager、torch.compile 和张量并行，并接入 Pallas 内核；编译图复用仍依赖输入形状，支持情况需按模型和算子核验。

• [Tool] AnyLanguageModel 1.0: One Year of Local Models on Apple Platforms：技术回看（原文 2026-10-20）：以兼容 Foundation Models 的 Swift 会话 API 统一系统模型、MLX/llama.cpp/Core ML 与托管服务，并提供工具调用、引导生成和流式结果，切换供应商时按能力处理推理记录，API key 可通过闭包获取短期令牌。

• [Engineering] MPS in PyTorch 2.15：技术回看（原文 2026-10-20）：梳理 PyTorch 2.15 候选版的 MPS FP8 张量、原生 grouped matmul 与专用 Metal 解码内核，并修复注意力 batch/head 广播和视频 padding 的内存问题；运行要求 macOS 15、Python 3.11 及以上，文中 2.16 前瞻不属于本版已交付功能。

• [Paper] SOMA: Continuous Monitoring and Intervention for System Two Reasoning with System One Models：技术回看（原文 2026-10-20）：以 Jev 等 System One 模型持续判断 System Two 推理是否出现预定义问题，由控制器积累判断后先提醒、持续异常再接管，在无需训练的两类任务设置中检验过度推理与不可回答问题的干预效果。

• [Paper] Tandem: Serving Hybrid Linear-Attention GUI Agents on Mobile NPUs：技术回看（原文 2026-10-20）：针对手机混合线性注意力 GUI 代理，在相邻提示分叉处保存循环状态，以矩阵单元预填充配合短尾回滚状态生成及共享权重读取验证，并在请求间释放 NPU 电源占用，作者在两代 Snapdragon 的录制交互中评估延迟与能耗。

• [Paper] Reinforcement Learning with Visually Attributable On-Policy Self-Distillation：技术回看（原文 2026-10-20）：以验证器 advantage 为锚点，对比视觉证据完整与退化的教师视图，只保留更新方向得到视觉差异支持的逐 token 自蒸馏纠正，以减少语言先验或回答风格对视觉推理训练信号的污染。

2026.10.20

• [Tool] Claude Code v2.1.304：为 mod 的 tool.check 新增 decider: "person" 与 e.isReadOnly，人工决策请求只能由权限对话框或宿主回调批准，无人可询问时按 mod 的理由拒绝，便于明确无人值守运行的权限边界。

• [Engineering] How to continue a GitHub Copilot app session in VS Code：支持在同一 GitHub 账号下从 Copilot app 将会话、计划、对话和对应 worktree 接续到 VS Code，人工审查与本地验证后的推送继续更新原有 PR。

• [Engineering] Accelerating Mamba-2 with High-Performance Forward Pass Kernels in NVIDIA CUDA Tile：NVIDIA 与 Jane Street 将 Mamba-2 前向计算拆为块内累加、跨块状态传递和融合输出三个 cuTile 内核，在单张 B300 的给定测试中相对 Triton 达到 1.14–1.82 倍内核加速，结果不代表端到端训练加速。

• [Repo] llama.cpp b11747：对齐 Qwen-VL 图像缩放：使 Qwen-VL 系列的图像预处理对齐 Transformers，去除额外黑边并采用半偶数舍入，既有 GGUF 无需重新转换，但极小尺寸的边界处理仍可能存在差异。

• [Engineering] TorchNeuron: running HF models on AWS Trainium is easier than ever：技术回看（原文 2026-10-19）：介绍将 Trainium 暴露为原生 neuron 设备的 PyTorch 后端，使 Hugging Face 库复用 eager、torch.compile、TP 与 FSDP2，推理仍建议使用静态 KV cache，训练需控制输入形状以减少重新编译。

• [News] MiniMax M3.1 Flash: Redefining Agent Performance and Cost：技术回看（原文 2026-10-19）：发布面向编程、多步工具调用与 Computer Use 的 M3.1 Flash，通过更激进的稀疏性优化推理，并已接入 API、M Plan 与 MiniMax Code，官方明确模型权重将稍后发布。

• [Tool] Mercury 3 now available on AI Gateway：技术回看（原文 2026-10-19）：通过 inception/mercury-3 接入采用扩散式并行细化生成文本的 Mercury 3，并提供 1M token 上下文入口，可用于评估低延迟代理交互，具体速度仍需在自身请求负载下测试。

• [Engineering] Advancing coding in low-resource programming languages：技术回看（原文 2026-10-19）：公开 MultiLangBench，以数据库文件作为 20 种语言实现的共同测试接口，并用 COBOL 迁移的隐藏测试检查可观察输出逐字节一致性，为旧系统改写提供行为保持的评测方法。

• [Repo] vLLM v0.32.0：技术回看（原文 2026-10-18）：新增 /v1/systemone 结构化决策端点与读取检查点 response_template 的 hf 工具和推理解析器，同时移除 Python 3.10 支持并收紧默认 CORS 来源，升级需检查运行环境与客户端跨域配置。

• [Repo] SGLang v0.5.22：技术回看（原文 2026-10-19）：使 HiSparse 在 KV cache 驻留 CPU 的长上下文服务中支持 EAGLE 与 MTP，并修复投机解码叠加结构化输出时混合线性模型可能恢复错误 Mamba 状态的问题，升级要求 Python 3.11 及以上。

• [Paper] RSIGym: A Flexible Environment for Recursive Self-Improvement：技术回看（原文 2026-10-08）：将训练、推理、rollout、评测与沙箱封装为受预算和权限约束的服务，分别研究数据、执行框架及联合优化，并用五个固定基准的剩余性能差距缩减比例评估该设置内的自优化。

• [Paper] RL-Guided Temporal Localization for Dual-Channel Retrieval in Long-Horizon Agent Memory：技术回看（原文 2026-10-16）：通过强化学习训练 1.7B 时间窗定位器，将时间通道检索与语义通道合并重排，缓解相似旧事件挤出目标证据的问题，作者在 LifeBench 与 LoCoMo 上报告准确率提升。

• [Paper] AI-Driven Reproducibility and Analytical Robustness in Scientific Discovery：技术回看（原文 2026-10-17）：构建由 20 篇 SEER 癌症登记数据库论文组成的 SEER-Repro，作者的代理复现 2190 项原子主张中的 77.4%，再通过替换分析选择筛出需专家复核的结论，结果限于该基准。

• [Paper] GatewayBench: Unified Capability and Security Evaluation Platform for MCP Gateways：技术回看（原文 2026-10-16）：用 524 项任务及来自 251 个 MCP 服务器的 11118 个工具测试扁平与分层网关，发现任务完成、工具开销和攻击韧性同时受网关、模型与执行框架影响，可用于评估工具规模扩张后的取舍。

2026.10.19

• [Tool] Vercel AI Gateway：按会话核对缓存与服务商路由：Vercel AI Gateway 的 Sessions 视图按会话展示模型、服务商、缓存命中、费用和逐轮路径，文本与聊天请求默认延续上一轮服务商，可用 providerOptions.gateway.sessionId 或 x-session-id 显式分组，未提供时按会话开头指纹归组，缓存命中仍取决于实际服务商与请求。

• [Paper] CarryOn：围绕可复用任务对象维护长程上下文：技术回看（原文 2026-10-14）：CarryOn 用持续维护的任务载体、执行上下文和近期交互组成上下文视图，只按绑定证据修订受影响记录，再折叠已覆盖历史，在所测OSWorld 2.0与BrowseComp-Plus任务上改善表现并减少总token，但载体一致性检查不证明任务本身正确。

• [Paper] TreeOPSD：用树式回传分配长期任务信用：技术回看（原文 2026-10-16）：TreeOPSD 从共享前缀分支出后续轨迹，将终局奖励递归回传为回合级信用，再相对冻结行为策略构造有界教师分布进行自蒸馏，缓解长任务奖励稀疏与顺序小批更新漂移，作者在Qwen3-30B-A3B-Thinking-2507的Deep Research设置中报告较GRPO提高4.97个百分点。

• [Paper] DiscoveryRSI：将可证伪假设接入可执行研究任务：技术回看（原文 2026-10-17）：DiscoveryRSI 通过多Agent假设树搜索、可执行Harbor任务、贡献归因和研究流程回放进行迭代，并用DFM-Bench评估假设、修订与研究路径，结果限于四个生命科学领域的自动评估及初步专家评价，不能据此宣称普遍发现科学真理。

• [Paper] Into the Unknown：科研续作必须对照执行证据：技术回看（原文 2026-10-14）：Into the Unknown 让9个前沿Agent针对科学家提供的15个开放课题撰写后续论文，作者报告135份稿件均未满足全部任务条件，114份未通过研究诚信检查，常见问题是声称未执行的工作或数值违背记录，结论仅覆盖所测任务与Agent配置。

• [Paper] BizBench：将执行过程约束纳入Agent成功判定：技术回看（原文 2026-10-15）：BizBench 在含789份知识文档、601个可发现工具与50项任务的可执行业务环境中，同时检查目标达成和中间过程有效性，区分资源、时序、先前承诺及冲突规则约束，展示只看最终答案会高估长程Agent可靠性，结果来自该特定业务基准。

• [Paper] Game2Real-Bench：游戏推理能力能否迁移到真实视觉任务：技术回看（原文 2026-10-14）：Game2Real-Bench 按细粒度感知、空间推理、约束推理和序列规划对齐1000个可验证游戏样本与400个真实样本，比较25个视觉语言模型，并观察单样本游戏示例能改善部分约束推理却降低细粒度感知，跨域评分相关性不能替代逐能力迁移验证。

• [Paper] SWE-at-Scale：从历史修复中学习可执行缺陷任务：技术回看（原文 2026-10-15）：SWE-at-Scale 把真实修复反向转成缺陷诱导监督，再将错误模式迁移到新的代码上下文以构造可执行软件工程任务，作者报告单文件反复生成仍能增加缺陷多样性，这为任务扩充提供机制，但不等于合成任务已代表真实线上故障分布。

• [Paper] Fast Models, Slow Evidence：决策模型评测也要审计计费与指标：技术回看（原文 2026-10-01）：Fast Models, Slow Evidence 对Laya与Jev做同输入配对评测，并自审计预筛成本遗漏、门控准确率冒充端到端质量、样本内门限与通道混杂，显示部署节省和风险阈值会因评测设计改变，结论限于所测模型版本、决策点和数据来源。

• [Repo] Matrix-Game 4.0：用引擎维护状态，再流式生成画面：技术回看（原文 2026-10-15）：Matrix-Game 4.0 将规则、物理与输入保留在可执行游戏引擎，由因果视频模型把低模RGB流渲染成细节画面，HUD和声音独立同步，官方另给消费级GPU优化路径，模型稳定吞吐不等于按键到响应的延迟，也不代表视频模型独立维护完整世界状态。

2026.10.18

• [Engineering] DeepSeek 1017：自反馈后训练与 Search/Fetch 接口：技术回看（原文 2026-10-17）：DeepSeek 以自反馈强化学习改进完整项目开发，并同步网页、APP 与 API 的 Flash 1017 版本，官方提供权重下载及独立 Search/Fetch 接口，适配框架要求 Harness 0.2.1-rc.1 及以上，基准成绩和项目演示属于官方给定框架下的结果。

• [Engineering] Claude Code 团队：用事故评测集约束审查质量与轮次：技术回看（原文 2026-10-15）：Claude Code 团队把经工程师确认的事故和回滚变成每日评测集，同时按作者处理结果统计误报，重审设置三轮上限、后续仅看新 diff、按缺陷类别报告并避免重复评论，让审查改进同时受召回率、收敛轮次和事故率约束。

• [Paper] SpecAgent：强模型验证弱模型的只读工具轨迹：技术回看（原文 2026-10-15）：SpecAgent 让弱模型执行只读工具并起草轨迹，暂存首个会改变环境的动作，再由强模型用一次 prefill 验证、提交最长语义有效前缀并修复首个拒绝步骤，以审查替代逐步代写，但语义判断不保证逐 token 等价。

• [Paper] JevAgentHarness：按决策拟合置信门限并学习错误后的状态：技术回看（原文 2026-10-15）：JevAgentHarness 在Agent自身轨迹上为每类选择拟合置信门限，低置信时交给LLM，并用Jev标注Agent犯错后到达的状态训练AgentDecision-4B，提醒孤立题准确率不能替代完整任务成功率，摘要中的模型、数据与框架仍表述为将发布。

• [Paper] FlashMask-3：稀疏掩码定位与分布式注意力协同：技术回看（原文 2026-10-13）：FlashMask-3 用列式区间边界实现掩码零通信定位，并结合Hopper流水线、负载均衡和掩码驱动通信裁剪，在118B-A14B MoE、128K上下文和128张H100的作者实验中，相对Dual Chunk all-gather基线提升端到端吞吐7.3%–11.0%，零通信仅指掩码定位。

• [Paper] Waypoint-OPD：用中间教师检查点筛选策略迁移：技术回看（原文 2026-10-15）：Waypoint-OPD 在同一次RL训练中加入中间教师检查点，比较学生访问前缀处早期与晚期动作偏好变化的方向，用一致性门控终点策略差分，抑制方向相反的迁移信号，代价是额外一次冻结教师评分，作者仅在所测Qwen数学与代码设置中验证优势。

• [Paper] Mosaic：为压缩上下文与分叉会话分配训练信用：技术回看（原文 2026-10-16）：Mosaic 面向跨多个会话的Agent轨迹，在轨迹层将会话使用信号纳入优势估计，并按估计边际贡献塑造各会话优势，避免向全部会话广播同一奖励，在Qwen3.5-4B的BrowseComp实验中提高成功表现并减少平均会话数量，尚不能证明其他任务同样受益。

• [Paper] Athanor：用固定评测和研究记录组织自动后训练：技术回看（原文 2026-10-15）：Athanor 为Agent提供真实GPU作业、固定评测、去污染数据与持久研究记录，让四个Agent在104小时内自主组合SFT、RL、权重合并和自蒸馏来后训练Qwen3-4B-Base，作者的开发集与隐藏集平均分接近官方指令版，这一结果限于给定资源和测试套件。

• [Paper] ProbabilityBench：用已知概率真值检验置信校准：技术回看（原文 2026-10-12）：ProbabilityBench 在同行评审、隐蔽信息传输和信用风险三个模拟文本域中显式定义数据生成过程，计算样本级条件类别概率和Bayes误差，并用KL散度评估预测概率，使校准指标本身也能被检验，模拟真值不代表已解决真实数据的不确定性评估。

2026.10.17

• [Engineering] Claude 用可执行评估器优化量子电路设计：Anthropic 在八类电路原语任务中，让 Claude Mythos 5 根据程序化正确性检查与量子比特、门数评分反复改写方案，模逆任务还结合数值验证与 Lean 证明，收益属于指定任务的电路资源优化，尚非相应量子硬件的实测加速。

• [Engineering] ECDSA 参数溯源：从生成器假设到可复算证据：Anthropic 报告 Claude 通过识别旧 C 随机数生成器的输出结构、恢复状态并逐位验证，重现多个 NIST 公开曲线种子的时间戳来源，结果针对参数生成历史，B-163 种子及若干基点来源仍未解释。

• [Engineering] VERID：把科研 Agent 的计划接入实验室状态与校验：Google 介绍基于 PyLabRobot 的实验室语义数字孪生，将孔内体积、耗材与三维布局纳入持续状态，通过虚拟试运行、硬件命令检查和同步日志约束 Agent 操作，并展示实验读数反馈指导后续设计的闭环，实验仍由研究者授权和监督。

• [Engineering] RTX Spark 将本地 Agent、CUDA 与 Windows on Arm 工作流整合：NVIDIA 介绍以 GB10 和最高 128GB 统一内存运行本地编码 Agent、模型定制与 CUDA 开发的 RTX Spark 工作流，集成本地与云端模型路由及操作系统沙箱，Windows 应用迁移仍需逐项核对 Arm64 依赖、安装和 GPU 路径。

• [Tool] Claude Code 2.1.302 修复 MCP 兼容与 Windows 写入误判：修复 MCP 2026-07-28 协商中缺少 resultType、ttlMs 或 cacheScope 时工具不可用的问题，以及 Windows exFAT、FAT32 项目的写入误拒，并修复失败的云端日程稍后从头重跑可能造成重复提交的行为。

• [Tool] Deep Review：分段预算、全文上下文与全局复核：技术回看（原文 2026-10-15）：Google 以文档分段、自适应计算预算、保留全文上下文的并行审查和全局汇总核验组成四阶段流程，初期支持 PDF 与纯文本，多文件输入仍待上线，公开服务的文档为界面展示保存一年，使用前需评估材料的上传边界。

• [Paper] Intern-Decision: Efficient Multimodal Decision Making with Autoregressive Masked Language Modeling：技术回看（原文 2026-10-16）：以 0.8B、2B 和 4B 多模态模型在完整 JSON 骨架中为决策字段设置占位符，通过一次因果前向计算返回结构化选择与候选概率，并将置信度校准和低置信度升级路由分别作为小规模试验评估。

• [Paper] Terminal-RSI: Recursive Self-Improving Terminal Agents via Recursive Self-Rewrite and Policy-Refine：技术回看（原文 2026-10-16）：交替重写经过验证的终端执行轨迹与继承 critic 的策略优化，以跨交互轮次的优势估计和任务族奖励区分部分进展与严格完成，在多阶段训练中检验从局部修复走向完整任务成功的收益。

• [Paper] OpenGCUA: Toward a Fully Open Stack for Generalist Computer Use：技术回看（原文 2026-10-16）：让模型在视觉界面与程序接口之间选择观察和操作方式，通过代码组织多步执行，并把部分任务状态决策由固定 harness 交给模型，在 OSWorld-v2 的八模型配置与另列的真实 macOS 任务中考察收益及执行开销。

• [Paper] The World Won't Wait: Evaluating and Teaching Agents Under a Live Clock：技术回看（原文 2026-10-14）：用六类游戏、180 个任务比较暂停环境与推理期间持续演化的环境，再由慢教师离线分析失败并验证可复用指令、快速学生在线执行，展示推理耗时会改变模型排名及双时尺度改进的任务内收益。

• [Paper] TS-WAM: Temporal Latent Actions and World-Action Coupling for Vision-Language Robot Control：技术回看（原文 2026-10-15）：用机器人示范与无动作标注的人类视频联合训练时序潜在动作和未来视觉特征预测，以 EMA 目标分支提供自监督并在推理时移除该分支，在 LIBERO、SimplerEnv 及真机操作中检验动作生成和泛化。

2026.10.16

• [News] Nemotron 3.5 Super VL：混合架构与多模态 Agent 权重：NVIDIA 发布总参数 120B、每次激活 12B 的混合 Mamba–Transformer MoE，结合多教师蒸馏与原生多 token 预测处理文本、图像、文档和视频，NVFP4 路径面向 Blackwell，已发布权重采用 OpenMDW 1.1 许可。

• [Engineering] Muse Spark Open：GB300 上的 Agent 编码部署：NVIDIA 介绍 Meta 816B 总参数、42B 激活参数模型的部署路径，以 NVFP4、长上下文压缩和 Dynamo 的 KV 缓存路由支撑 Agent 编码工作流，权重使用带商业条件的 Muse Model License，容量规划仍需按总权重与缓存计算。

• [Tool] Claude Code 2.1.301：纠正搜索与工作流的假成功：修复 Grep、Glob 执行失败被显示为无匹配，以及工作流 Agent 跳过步骤却报告成功的问题，同时在 tool_decision 遥测中增加 classifier_verdict 与 permission_mode，便于区分自动分类结果和权限规则。

• [News] GPT-Rosalind 学术计划：美国高校实验室的受限申请入口：OpenAI 向符合条件的美国高校实验室开放申请，获批后最多可获得 30 个 ChatGPT Business Standard 席位、最长 12 个月免费使用，并申请 GPT-Rosalind trusted access，计划不包含 API 额度。

• [Engineering] Antigravity 抗菌肽研究工作流：连接序列、文献与结构：DeepMind 展示研究者用 Antigravity 串联 ProtNLM、UniProt、BLAST 与 AlphaFold，在多轮交互中筛查抗菌肽候选并用三维结构查看器复核线索，候选仍需湿实验验证，尚不能据此宣称发现了有效药物。

• [Engineering] MLX 分布式推理：流水线与张量并行的通信代价：技术回看（原文 2026-10-15）：Apple 用两至四台 512GB M5 Ultra Mac Studio 说明流水线按层切分、张量并行按层内宽度切分的差异，分块 prefill 可让流水线重叠计算，而解码提速更依赖低延迟 RDMA 通信，493GB 的 Muse Spark Open NVFP4 权重加上推理内存仍不能装入单台机器。

• [Engineering] Scion：面向大规模 Agent 检出的源码管理设计：技术回看（原文 2026-10-13）：Anthropic 将超大单仓库的检出压力拆为服务端 changeset 与内容寻址对象、按需物化工作区、服务端合并及分层缓存，用严格的缓存层级隔离故障和热点，方案以持续联网为前提，迁移时需重新评估离线工作与工具兼容性。

• [Engineering] 同一模型换块板：聚合分数掩盖的输出分歧：技术回看（原文 2026-10-13）：作者固定 Qwen2.5-1.5B-Instruct 的权重、输入与贪心设置，在 250 道 GSM8K 题上观察到 M1 与 Jetson 的 FP16 路径有 7.2% 最终答案不同、总分仅差 0.4 个百分点，INT8 路径同时更换运行时，结果不能单独归因于量化。

• [Paper] DeLoop: Repeated Actions as Self-Supervision for Long-Horizon Agents：技术回看（原文 2026-10-14）：针对上下文压缩后 Agent 重复调用工具并获得相同观察的循环，从自身轨迹配对循环动作与之后首个非循环动作进行 DPO，摘要报告在 CodeGym 的 Qwen3-8B 设置下降低循环比例且任务成功率相近，无需额外任务奖励或模型评委。

• [Paper] STRATA: Self-Maintaining Structured Experience Graphs for Self-Evolving Language Agents：技术回看（原文 2026-10-14）：将经验组织为原子技能、任务流程与元框架三层图，以类型边连接成功经验、失败教训和易混淆的相反操作，并加入去重回收与关键连接点保护，在冻结模型的四类交互基准上评估结构化记忆及负迁移，改善范围限于论文实验。

• [Paper] L3M: A Verifiable Harness and Runtime for Self-Extending and Self-Improving Agents：技术回看（原文 2026-10-14）：用 Lean 4 同时实现 Agent 运行时、表达不变量与编写可扩展工具，将执行状态放入 Git 以支持恢复、分叉和合并，并按工具副作用的可撤销程度划分审核层级，形式化保证仍取决于实际建模和证明的性质。

• [Tool] Claude Code Review 正式可用：按仓库配置审核深度：技术回看（原文 2026-10-15）：Claude Team 与 Enterprise 管理员可安装 GitHub App、选择仓库并配置 Quick、Standard 或 Deep 审核级别，启用后新 PR 自动触发审核，官方称常规审查约需 6–10 分钟，耗时属于作者报告且取决于具体改动。

2026.10.15

• [Tool] Claude Code v2.1.300 修复压缩后的 MCP 与会话恢复：修复上下文压缩后 MCP 工具和指令延迟可见、无头及 Agent SDK 会话恢复丢失压缩所保留消息等问题，并新增按缓存寿命拆分的 OpenTelemetry 写入指标。

• [Engineering] Google Earth AI 扩展地理空间 Agent 的实验性访问：把领域模型与空间工具、前置规划及上下文外工作区组合，发布 GeoKTools 与 GeoExpertQueries 开发集并扩展实验性 A2A 访问，开放式分析结果仍需专家复核。

• [Engineering] NVIDIA 与 Siemens 用最终产物验证改进 EDA Agent：在两个标准单元、36 个 PVT 条件的开发任务中，以 Liberty 文件覆盖、有效性、准确性和完整性校验指导技能及 MCP 工具描述修改，作者报告复合验证分数约从 55% 提至 95%。

• [Paper] The COUNT: Counting N-grams Unlocks Scaling on Host Memory and Training-Free Adaptation：将预计算 n-gram 计数存入宿主内存，按词频组合模型已有输出嵌入，并通过推理时更换领域计数表实现无需训练的适配。

• [Paper] Recovering Reliable Supervision via Critique-Guided On-Policy Distillation：针对教师沿着学生错误前缀继续出错的问题，先生成批评并让学生改写，再由教师利用批评信息评分，而学生训练不接收这段特权信息。

• [Paper] Player-1: Learning to Play from Synthetic Experience：在监督初始化后，利用 16 个合成二维及三维游戏环境、程序可验证奖励和 PPO 训练游戏控制策略，并在 MineDojo、ViZDoom 等训练环境之外的任务上检验迁移。

• [Paper] VITAL: From Visual Motion to Precise Action：将视觉运动骨架与轨迹残差分开编码，用流匹配联合预测两部分，并在 NAVSIM 中评估单步动作去噪，推理时无需生成未来图像。

• [Paper] SafeDriveVLA: Navigation-Conditioned World Model Dreaming for Conflict-Aware End-to-End Autonomous Driving：以严格跟随导航指令的世界模型预测辅助判断三级导航服从模式，将冲突判断与动作生成分离，并在 Bench2Drive 中检验不安全指令下的驾驶行为。

• [Engineering] Third Moment Research 用外层 harness 管理长时研究 Agent：技术回看（原文 2026-10-14）：案例介绍把 Codex 放在外层控制器之下，在任务未完成时检查执行轨迹并决定重试、终止或交由人工，同时通过缓存和内存布局优化减少回测等待与上下文污染。

• [Paper] ActionOPD: Distilling Decisions, Not Tokens：技术回看（原文 2026-10-14）：在学生实际遇到的状态上比较学生与黑盒教师动作的语义一致性，用动作级策略优化蒸馏工具使用决策，无需教师 token 概率或相同分词器。

• [Paper] DecisionRobust: Benchmarking Robustness for JEV Style Decision Models Across Text and Vision：技术回看（原文 2026-10-14）：通过文本扰动、图像扰动及双模态提示注入测试类型化决策模型，并用标签一致性检查排除伪失败，强调输入扰动鲁棒性与注入防御能力须分别评估。

• [Paper] CoEM: Empowering Long-Context Reasoning with Commit-on-Evidence Memory：技术回看（原文 2026-09-30）：在有限记忆预算内先保留待定原文片段，再随新上下文决定提交、保留或丢弃，并由冻结验证器检查候选事实，减少过早压缩丢失推理证据。

2026.10.14

• [News] Gemini 4 Argon 向付费 API 与订阅用户开放：Google 开放 Gemini 4 Argon 的付费 API 与相应订阅入口，开发者需区分统一输入输出上下文预算、默认同步输出上限和长解码协议。

• [Tool] Claude Code v2.1.299 加入空闲压缩并修复计划唤醒：默认对至少 200K token、空闲约 54 分钟的终端会话提前压缩，并修复后台任务运行时计划唤醒不触发的问题。

• [Repo] UltraBERT 用混合掩码兼顾分类与检索：开放 150M 与 380M 英语编码器，以 5%/50% 混合掩码、独立输出头和选择性蒸馏兼顾分类与检索，原生上下文为 32K。

• [Engineering] NVIDIA 用验证反馈指导 Agent 改写 Spark UDF：将 Spark 自定义函数改写为 SQL 表达式、RapidsUDF 列式操作或 CUDA 内核，让 Agent 依据语义测试和基准结果迭代，减少 GPU 流水线返回 CPU 执行的开销。

• [Engineering] GitHub 用上下文编码器改进凭据检测：先用高召回正则筛选候选，再让微调后的 ModernBERT 读取路径、变量名和邻近代码判断凭据，过滤占位符、测试样例和校验和等误报。

• [Tool] Llama Windows 将本地模型运行入口放进系统托盘：技术回看（原文 2026-10-13）：在 Windows 11 托盘中管理 llama.cpp、下载与加载 Hugging Face 模型，并向其他应用提供本地 OpenAI 兼容接口，共用标准模型缓存。

• [Repo] NVIDIA PAIR 正式版扩展局域网推理工具链：技术回看（原文 2026-10-13）：在局域网兼容设备之间分配 AI 工作负载，正式版新增 llama.cpp 支持、Hugging Face 模型直接下载和可配置推理引擎设置。

• [Engineering] Google 记录 Agent 优化 ADK 后的人工取舍：技术回看（原文 2026-10-13）：用仓库 Skills 和持续目标驱动 Agent 优化 ADK，最终合入会话先过滤后复制与重依赖按需加载两项改动，另四项提案被人工评审否决。

• [Engineering] GLM 用可归因反馈推进推理基础设施优化：技术回看（原文 2026-09-17）：把算子对照、执行轨迹和分层基准组织成反馈，供 Infra Agent 迭代推理系统，优化目标、系统约束与关键改动审核仍由工程师负责。

• [Paper] R² Flow: Recursive Self-Improvement via Recursive Skill Evolution：技术回看（原文 2026-09-28）：在共享状态图上交替执行策略学习、独立验证与版本化技能库更新，用带符号效用和验证证据约束技能修改，评测覆盖问答、数学、交互决策与代码生成。

• [Paper] LeWAM: End-to-End World and Action Modeling with JEPAs：技术回看（原文 2026-10-09）：联合训练下一潜在状态预测与动作流匹配，并对潜在状态施加各向同性高斯约束，使单个 JEPA 同时支持直接控制和基于潜在动力学的动作规划。

• [Paper] Can LLMs Catch a Rigged Backtest? A Clean-Control Calibration Benchmark：技术回看（原文 2026-09-23）：用包含 96 个条目的有缺陷与干净回测配对基准，分开衡量缺陷召回、干净样本误报、证据定位和修正相关性，检查只报召回率遗漏的审计错误。

2026.10.13

• [Engineering] ReplaySSM 以输入缓冲减少混合模型解码的状态回写：以状态检查点和近期输入缓冲区处理 SSM 解码与投机回滚，在四种混合模型的 H100/B300、批量 256 设置下，作者报告整体解码加速 1.20–1.47 倍。

• [Engineering] GitHub 说明怎样把项目规则和重复流程交给 Copilot：给出全仓库与按路径指令、按需加载的 Skills、专用 Agent 配置及 MCP 连接方式，便于把编码规范和重复操作写进项目。

• [Engineering] Anthropic 评估小模型在异构 IoT 设备上的自主复制能力：通过异构设备上的推理配置任务和简化复制链评测，研究小模型自主复制的可行性，结论限于其预设实验环境。

• [Engineering] Anthropic 介绍受保护推理、双阶段分类器与反蒸馏限制：技术回看（原文 2026-10-12）：以受保护的推理上下文、双阶段检测和持续提取行为的用量限制抑制推理轨迹提取，同时说明合法 API 集成可能需要调整。

• [Engineering] BrokenML 用权限分层评估 Agent 修复 ML 作业的能力：技术回看（原文 2026-10-12）：让九种模型在三档访问权限下修复 46 个训练或推理故障，再用新集群独立验证，试验以 CPU/Gloo 为主且每个任务只运行一次。

• [Engineering] Sparseup-fr 公开法语稀疏检索模型复现与评测清洗经验：技术回看（原文 2026-10-12）：基于多语言骨干与裁剪词表复现法语稀疏嵌入模型，在清洗后的 NanoBEIR-fr 上分别检查文档截断和滑动窗口设置，便于复核检索评测差异。

• [Paper] RATED: Reliability-Aware AI Agent Tool Retrieval via Execution Dynamics：技术回看（原文 2026-10-09）：将语义匹配与依据执行反馈更新的上下文 bandit 重排结合，减少 API 故障时持续选择不可用工具的问题，并用 EcoAgent 基准评估动态可靠性。

• [Paper] Remember by Asking: Retrieval-Induced Memory Evolution for LLM Agents：技术回看（原文 2026-09-28）：通过自提问检索局部对话证据构建带时间与来源的记忆，回答时再检索源对话补足压缩遗漏，摘要中的实验范围为 LoCoMo。

• [Paper] Distance-KV: Exploiting Relative Distance for Efficient Long-Context Inference：技术回看（原文 2026-09-26）：离线学习按层、注意力头和相对距离划分的 KV 保留模式，在冻结语言模型的条件下跨输入复用，减少在线重要性评分与长上下文缓存开销。

• [Paper] UniWAM: Unified World-Action Model：技术回看（原文 2026-10-01）：联合物理推理、未来视频和动作预测，用未来视觉噪声增强及历史条件流匹配减少对精确未来帧的依赖，研究人类视角数据与机器人示范的联合训练。

• [Paper] MA-JEPA: Joint-Embedding World Models for Multi-Agent Reinforcement Learning：技术回看（原文 2026-09-27）：以目标表征预测替代观测重建，用训练时的联合预测器生成多 Agent 潜在轨迹，在 SMAC 八张地图上评估集中训练与分散执行。

2026.10.12

• [Repo] ColGrep-Agent-2B 将代码定位交给本地小模型：2B Agent 用多向量语义检索和只读文件探索返回路径、行号与代码，减少主编码 Agent 的检索上下文，文中评测只覆盖代码定位任务。

• [Engineering] JEV-27B-VL：视觉决策与生成式推理共用一个模型：技术回看（原文 2026-09-30）：AutoTrust 的模型用单次前向返回图文选项概率，同时保留逐步推理模式，作者所称无需图像训练仅指决策头，不能扩展为整个视觉骨干从未看过图像。

2026.10.10

• [Tool] GitHub Copilot for JetBrains 增加 MCP 启动控制：JetBrains 插件新增关闭 MCP 服务自动启动的设置，同时允许管理员指定新会话默认 Agent 模型。

2026.10.09

• [Engineering] Anthropic 披露内部评测中的非预期 Agent 行为：报告归纳越过工具限制、访问门槛和误提交真实表单等案例，并说明已扩大离线评测与监控范围。

• [Tool] Qwen Code 周更完善浏览器操作和执行轨迹：新增语音、屏幕共享及已登录 Chrome 页面交互，并把执行轨迹分为模型、工具和子 Agent 三条路径，便于排查任务失败。

• [Tool] Claude Code v2.1.296 扩展子 Agent 配置：新版本允许单独设置子 Agent 自动压缩上下文窗口，并修复部分 MCP 和托管钩子的会话处理问题。

• [Engineering] Ai2 用 GPU 时间预算调整集群调度：以 GPU 时间预算、分层公平共享和时间切片调度训练任务，配合可恢复检查点，处理空占资源及优先级膨胀。

2026.10.08

• [Tool] Anthropic 推出开源项目漏洞扫描服务 OSS Scanner：项目维护者可申请周期性模型扫描，报告未经人工预审，仍需自行核验严重性和误报。

• [Engineering] Anthropic 用 Claude Science 补全紫外天空图：研究用 Claude Science 预测紫外天空图中缺测区域，同时为像素标注观测或预测状态及不确定性。

• [Engineering] NVIDIA 总结 KDD Cup 数据分析 Agent 的实现：其方案先整理表结构和连接键，再用受限工具集、持久状态及执行轨迹排查小模型分析任务的失败原因。

• [Repo] LightOnOCR-3 统一 OCR 与文档布局提取：以 Apache 2.0 开放 0.8B、1B 和 4B 模型，grounding 模式输出文字、带标签框、图片描述及图表数据，便于组织文档检索输入。

• [Paper] Memento 3: Model-Based Recursive Self-Improvement through Reflective Rulebooks：保持 LLM 权重冻结，将外部自然语言规则编译为可执行世界模型，通过预测误差和逐格状态回放检验更新，研究交互式规划的持续自改进。

• [Paper] TestPrism: Rethinking Test Evaluation Beyond a Single Reference：要求生成测试既拒绝错误实现又接受多种正确实现，揭示单一参考答案会高估编码 Agent 的测试质量。

• [Paper] SynCo: Data Synthesis Co-Training for Self-Evolving LLMs via Multi-Agent Reinforcement Learning：联合训练独立的数据合成器和推理器，以解题结果及任务可教性反馈调整合成分布，在数学任务中研究随模型能力变化的训练课程。

• [Paper] DataSense-Bench: The First Step Toward an AI Scientist：让 Agent 在不能试训或查看评测任务的条件下选择训练数据，再实际微调验证其排序，发现选集与效果预测仍缺乏稳定可靠性。

• [Engineering] Hugging Face 分享 ML Intern 的小模型训练实践：用明确基线、权重变化检查和分阶段预算约束 Agent 的微调及蒸馏任务，公开提示词与模型卡，云端训练算力仍按使用收费。

2026.10.07

• [News] GPT-6 在 ChatGPT 推出 Intelligent UI：ChatGPT 可按问题组合文字、图表、表单和可交互控件，让回答直接承载操作与探索。

• [News] Anthropic 发布 Claude Haiku 5.5：Haiku 5.5 面向高并发短任务与子 Agent，首次为 Haiku 系列提供可调推理强度设置。

• [Repo] Liquid AI 开放 d1 边缘决策模型：d1-3B 与实验版 d1-omni-600M 用单次前向传播输出结构化决策，分别覆盖图文及图文或语音输入。

• [Engineering] NVIDIA 用数字孪生验证 AI 工厂变更：DSX Air 模拟基础设施的软件接口，让 Agent 在变更进入生产前验证受支持的配置和运行流程。

• [Engineering] Microsoft 详解 Agent Lightning 的真实 harness 强化学习：用 LLM 代理接口连接既有 harness 与训练器，处理重分词、样本归并和 rollout 级损失，并让推理及训练共享 GPU。

• [Engineering] NVIDIA 公开 Nemotron 数学与竞赛编程后训练配方：公开专用模型、数据和 NeMo Skills 配方，结合 SFT、RL 及生成、验证与修订的推理流程，编程测试为非官方竞赛基准运行。

• [Tool] TII 发布 Falcon ASR 多语言语音识别模型：1.6B 模型重点处理阿拉伯语和阿联酋方言，同时支持四种其他语言及词级时间戳，训练加入噪声、混响和电话声学条件。

2026.10.06

• [Repo] Google 发布 EmbeddingGemma 2：这款 7.4 亿参数嵌入模型把文本、代码、图像、音频和视频映射到共享空间，支持端侧多模态检索。

• [News] OpenAI 公开数学研究结果与 Lean 形式化材料：OpenAI 将本轮数学研究结果放入 GitHub，附修订与引用协议，并逐步公开部分证明的 Lean 形式化。

• [Engineering] OpenAI 公布 Ironclad 软件操作评测：研究把合同审批与条款配置拆成 11 项可核查任务，在托管环境中评估 Agent 完成复杂业务流程的能力。

• [Paper] ServeLearnBench: How Well Can Agents Self-Improve from Serving Experience?：以隐含业务规则持续变化的流式任务评估 Agent 从服务反馈中学习，实验发现持续适配成本高且可能破坏原本正确的行为。

• [Paper] SIGMA: Self-Improving Alignment Generalization from a Model Spec：依据 Model Spec 合成行为冲突任务，再以模型自评的 SFT 和基于评分准则的强化学习训练安全推理，并测试向多轮 Agent 环境的迁移。

• [Paper] Towards In-Parameter Memory Augmentation for Large Language Models：按参数放置层与在线或离线获取时间梳理参数化记忆方法，比较部署期记忆注入、上下文占用和知识干扰等问题。

• [News] Mistral Large 4 开放 API 预览：多模态模型开启 API 公开预览，官方计划月底释放权重，当前不能把预览接口等同于已可下载的本地部署模型。

2026.10.05

• [Engineering] GitHub 开放 AI 代码评审基准 ReviewBench：基准选取真实公开 PR，合并多来源问题并由统一标准校验，用于衡量代码审查的准确率与召回率。

• [Engineering] Google Research 梳理 Agent 隐私与安全问题：研究从系统、模型和用户层讨论 Agent 如何识别上下文行为规范，并约束跨工具操作中的信息使用。

• [Repo] vLLM v0.31.0 增加权重预加载与模型支持：新增 vllm preload 缩短保持权重驻留显存时的重启路径，扩展 DeepSeek-V4.1 Flash 等模型支持，并要求显式信任请求中的多模态参数。

• [Paper] Fitting Vision Adapters at Frontier Scales：用 50M 参数投影器连接冻结的 Kimi K2.6 视觉编码器与 GLM 5.2/5.3，研究不更新语言骨干时可迁移的视觉能力及限制。

2026.10.03

• [Engineering] Microsoft 与 Hugging Face 发布 ThinkingBox 测评实践：ThinkingBox 在隔离的 MCP 工具会话中反复运行有状态业务任务，以最终数据库状态和副作用检验 Agent。

2026.10.02

• [Engineering] OpenAI 给出 GPT-6 长任务开发实践：指南围绕任务成功率、延迟和单次正确完成的成本配置推理预算、缓存与上下文压缩，并说明追加指令不会撤销已执行操作。

• [Paper] Scaling Trajectories for Complex Tasks through Recursive Self-Rewrite：用规划器、批评器和执行器将专用 harness 的成功轨迹重写为通用环境可用的训练轨迹。

• [Repo] SGLang v0.5.21 增加 DeepSeek-V4.1 Flash 支持：该版本增加 DeepSeek-V4.1 Flash 的语言和视觉推理支持，并更新长提示词首 token 路径。

• [Tool] llama.cpp 接入 Jev 兼容决策接口：新增 /v1/systemone，用单次前向计算返回选择、评分和是非判断的概率，置信阈值需要按模型及业务样本校准。

• [Engineering] AutoSynthData 从 Agent 失败生成可验证训练任务：将目标模型失败和教师成功提炼为脱敏能力卡，再生成新任务、执行验证器及正负样本检查，当前实验采用 SFT，避免原评测轨迹直接进入生成器。

• [Repo] Ai2 开源 AstaBrief 8B 文献报告模型：以研究问题和检索片段为输入，用 SFT、DPO 与引用过滤训练单次生成报告，并开放权重、训练数据及本地 PDF 工作流。

• [Paper] Recursive Self-Improvement in Unified Multimodal Models：在图表任务中让生成、图像理解和程序编写互供训练数据，以程序执行提供外部验证，在可执行规范约束下检验多轮自提升。

• [Paper] BitNest: Bit-Nested Speculative Decoding for Memory-Efficient LLM Inference Acceleration：将低精度草稿嵌入高精度目标的同一物理权重表示，通过残差恢复目标模型并扩展到 KV 缓存，降低投机解码的额外存储开销。

2026.10.01

• [Tool] GitHub Copilot 桌面操作进入公开预览：Copilot CLI 和桌面应用可在授权后读取界面、点击控件并跨应用执行任务，适用于缺少 API 的桌面流程。

• [Engineering] NVIDIA 介绍 DIN Deploy 本地推理示例：用 Python 导出 ONNX 模型，再通过 ONNX Runtime 与 TensorRT RTX 的 C++ 示例在本地应用中执行推理。

• [Tool] NVIDIA 发布 DOCA Agent Skills：面向 BlueField 开发提供 DOCA API 签名、硬件能力和构建约束，帮助编码 Agent 在调用前核对组件条件。

• [Engineering] Anthropic 介绍 BootLoops 科研计算工具：研究者用 BootLoops 组织可计算、可复核的定量任务，并结合领域专家判断跨学科结果是否有研究价值。

• [Paper] Invent a Dataset: Measuring dataset generation abilities with zero seed：提出从任务描述生成训练数据的提示方法，并在零种子数据条件下评估多类后训练任务。

• [Repo] Cloudflare 开源 Clef 与 Clef-flash 决策模型：模型按候选项输出决策概率，兼容 Jev API，权重采用 Apache 2.0，可用于业务路由及判断是否需要进一步推理。

• [Repo] Olmo-core 3 重构 MoE 训练通信路径：将专家驻留 GPU，通过专家并行、流水线并行和分布式优化器减少反复收集权重，并加入 GPU 路由及 MXFP8 支持。

• [Paper] MemFit: Efficient Long-Term Agentic Memory：用追加式原文存储与分段摘要索引保留对话细节，结合词法、语义检索和交叉编码器重排，减少记忆写入时的 LLM 调用。

• [Paper] Finding the Right Fit: Model-Harness Interactions across Agent Tasks：比较 66 种模型与 harness 配置，发现模型排序会随执行框架和任务变化，提示选型应联合评估模型、失败反馈与工具编排。

09.28

• [News] Introducing Claude Sonnet 5.5：Anthropic 表示该模型面向日常编码和专业任务，在其公布的 Terminal-Bench、FrontierCode 等评测中提升了任务表现与成本效率。

• [Engineering] Towards safety cases for frontier AI training：OpenAI 提出在前沿模型强化学习训练前建立结构化安全论证，纳入技术防护、运行规范与失配事件调查证据。

09.25

• [Engineering] OpenAI API 修复 GPT-6 Sol/Luna 图像编码问题：修复曾影响图像理解的编码缺陷，并建议图像输入工作流重新运行评测。

09.24

• [Engineering] AI-powered fuzzing with the GitHub Security Lab Taskflow Agent：Taskflow Agent 可为 C/C++ 项目生成 fuzz harness、运行 AFL++、分析覆盖率并整理崩溃报告，流程仍保留人工检查环节。

09.23

• [Engineering] Introducing MentalHealthBench：该公开基准用临床专家定义的十类行为维度评估模型在不同心理健康对话场景中的支持质量与安全性。

• [News] Claude discovers a novel enzyme system with CRISPR-like repeats：Anthropic 报告研究团队使用 Claude 从 DNA 数据中筛选蛋白家族、提出假设并由研究人员实验验证，发现一种具有 CRISPR 类特征的酶系统。

09.22

• [News] Introducing GPT-6 Sol and Luna：OpenAI 扩展 GPT-6 模型档位，强调推理缓存与推理基础设施改进，以降低 API 成本并覆盖更高频的编码和专业工作负载。

• [Tool] OpenTelemetry in the GitHub Copilot app：Copilot app 支持由企业集中配置 OpenTelemetry，将 agent 会话、模型请求与工具调用轨迹导出到兼容的监控系统。

• [Tool] Gemini 3.8 Flash TTS 与 Flash-Lite TTS GA：Gemini API 发布两款正式版语音合成模型和 Voices 接口，分别面向高保真长文本生成与高吞吐、低延迟语音代理。

09.16

• [Engineering] Migrating the GitHub Copilot runtime to Rust, using Copilot：GitHub 记录将约 80 万行生产级 agent runtime 从 TypeScript/Node.js 迁移到 Rust 的过程，主要由 agent 协助完成并通过 128 个 PR 分阶段交付。

09.15

• [Tool] Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking：Google 发布面向实时语音代理的音频到音频模型，支持对话中执行工具调用，并提供低延迟与后台扩展推理两种模式。

09.11

• [Engineering] Rapidly scaling online storage to serve over 1 billion ChatGPT users：OpenAI 介绍 Habitat 在线存储平台在用户规模增长下的服务拆分、负载管理、尾延迟和数据库层优化实践。

09.10

• [Tool] Skarn guard: agent plugins：为 Codex、Claude Code、Gemini CLI 等提供本地预执行钩子，在命令、文件写入、URL 请求和 MCP 调用前扫描凭据泄露风险，并返回允许、拦截或人工确认的判定。

• [Repo] Plasmate：将网页 HTML 编译为面向 Agent 的 Semantic Object Model，支持 JavaScript、部分 CDP 兼容接口及原生 MCP 工具，减少 Agent 直接依赖原始 DOM 和展示层标记。

• [Engineering] VulPentestBench：基于 Vulhub 自动部署靶场，并用随机 canary 与来源可追溯的里程碑评分评测渗透测试 Agent；公开基准、评测链路和结果数据，便于复现实验。

09.09

• [Repo] AI Agent Infrastructure Landscape：一个可检索的 Agent 基础设施目录，收录 912 个系统及其许可证、部署方式、MCP/A2A 支持、可观测性和来源元数据，并提供只读 MCP 查询接口。

• [Repo] STCI: Standard Token Cost Index：将不同供应商的模型 token 定价规范化为带来源的观测记录，计算每日参考指数并提供历史序列与只读 API，便于成本估算和复盘。

09.08

• [Repo] mutagent：面向 Java 21 的测试增强工具，先由模型生成候选测试，再用变异测试筛掉无法发现缺陷的用例；仓库还提供 MCP 服务，供编码 Agent 查询幸存变异体、生成加固计划并保留可验证的测试。

09.06

• [Engineering] Research acceleration: The view inside OpenAI：OpenAI 分享内部研究团队使用编码 Agent 的数据，聚焦实验实现、代码维护和研究迭代中的任务分布与效率变化，为评估 Agent 对科研工作流的作用提供实际样本。

09.04

• [Tool] Project HydraFusion: Frontier quality via multi-model orchestration：GitHub Copilot 研究预览 HydraFusion，根据任务选择单模型、级联升级或独立批评工作流，并在运行中记录各环节的质量、成本与时延。

09.03

• [News] GPT-6 Astra: A new generation of intelligence：OpenAI 发布 GPT-6 Astra，并在 Codex 中试验跨上下文笔记与检索能力，用于保留长任务中的约束、测试结果和失败原因，同时对高风险网络安全任务施加更严格的访问与监控。

09.02

• [Engineering] How we make AI coding more cost efficient without sacrificing task quality：GitHub 从完整编码任务而非单轮输出统计成本，讨论代表性任务集、重试与工具调用对总开销的影响，以及以任务质量约束优化模型调用策略的方法。

09.01

• [Engineering] Path to Astra: critical capabilities and frontier safeguards：OpenAI 将 Astra 评定为达到关键网络安全能力阈值，并公布针对模型滥用与未授权行为的限制访问、分层拒答、监控和人工复核措施。

• [Repo] Introducing @huggingface/kernels: 200+ WebGPU Kernels for Local AI：Hugging Face 发布面向浏览器本地推理的 WebGPU kernel 库，提供 200 余个可复用算子，降低 Web 端运行模型时对手写着色器和平台适配的依赖。

• [Engineering] BenchMIRT: What are LLM benchmarks actually measuring?：Ai2 用多维项目反应理论拆解基准中的题目级信号，将安全与通用推理等能力分离，并可据此筛选更具区分度的评测题目。

08.27

• [Paper] Better answers, broader thinking: What students gain from ChatGPT and critical-thinking training：OpenAI 与博科尼大学开展的千人随机实验显示，ChatGPT 使用提升作业质量与逻辑连贯性，因果推理训练提高观点差异性，两者组合覆盖不同能力维度。

08.26

• [Tool] Training and Finetuning Multi-Vector Embedding Models with Sentence Transformers：Hugging Face 给出多向量检索编码器的微调与评测流程，覆盖长文档长度设置、难负例构造、检索评测器和内存受限训练配置。

08.25

• [Engineering] Jalapeño’s first results show industry-leading speed and efficiency in AI inference：OpenAI 公布其定制推理芯片 Jalapeño 的测试结果，围绕 KV cache 本地化、计算与内存协同及机架级网络设计同时压低推理时延和单位功耗吞吐。

• [Tool] Introducing the Admin plugin for ChatGPT Work and Codex：OpenAI 为 ChatGPT Work 和 Codex 提供管理员插件，将用量分析、成员与权限管理、额度审批映射为受现有角色和策略约束的工具调用。

• [Repo] Granite 4.2 LLMs: How They’re Built：IBM 发布 Apache-2.0 许可的 Granite 4.2 3B、8B、30B 稠密推理模型，提供长上下文、推理预算切换和原生工具调用，并公开其多阶段强化学习训练过程。

• [Engineering] How to evaluate LLMs before production：GitHub 以密钥扫描降误报场景说明生产评测应从业务决策、代表性数据、错误分析、回归评测到线上实验形成闭环，而非只比较离线基准分数。

08.21

• [News] GPT-5.6: Frontier intelligence that scales with your ambition：OpenAI 更新 GPT-5.6 Sol 的 API 与积分价格，未来三个月下调超过 20%，同时其 API 继续提供程序化工具调用和多 Agent 编排能力。

08.19

• [News] Offering Zero Data Retention for frontier models：OpenAI 为符合条件的 API 客户提供零数据保留，并预览在客户控制或客户端密钥加密环境内完成安全处理的方案，面向高敏感业务的模型接入需求。

08.17

• [Engineering] How canvases make agentic workflows visible, steerable, and cost-efficient：GitHub 讨论以画布显式呈现 Agent 的计划、任务和中间产物，使人工能够在执行过程中介入调整，并降低仅靠长对话传递状态的成本。

08.14

• [Tool] How to bring your software delivery workflow into GitHub with agent apps：GitHub 将需求拆解、安全检查、发布准备和交付动作接入同一协作平台，强调让 Agent 在现有 issue、代码审查与工作流上下文中参与软件交付。

08.13

• [Engineering] The builder's guide to GPT-5.6：围绕 Responses API 的长程 Agent 实践，组合保留推理、原生压缩、多 Agent 并行、程序化工具调用与提示缓存，减少中间工具结果对上下文和时延的占用。

• [Tool] Previewing Ultrafast mode: GPT-5.6 Sol at up to 14X the speed：OpenAI 在 API 中限量预览由 Cerebras 支撑的低时延模式，报告最高约 750 输出 token/s，面向交互式故障响应和实时开发场景。

08.11

• [Tool] Daybreak models are now available on AWS：Daybreak Blue 与 Red 通过 Amazon Bedrock 向获批客户开放，使授权的漏洞研究、检测工程和事件响应可在既有 AWS 治理环境中运行。

08.10

• [Tool] Expanding Daybreak as the Cyber Defense Window Narrows：Daybreak 增加面向获批防御方的 Blue、Red 两级访问和 GPT-5.6-Cyber，覆盖漏洞研究、验证与安全测试，并以身份核验和监控约束高风险能力。

• [Repo] Magpie TTS: Multilingual Voice Agents：Hugging Face 发布 NVIDIA 多语种语音 Agent TTS 模型与使用说明，为跨语言语音交互链路提供开源模型基线。

08.07

• [News] Responding to the next frontier of critical cyber capabilities：披露对 Astra 网络安全能力的最新评估，针对无法排除临界能力的结论加强隔离测试、工具访问限制和高风险行为监控。

08.06

• [Tool] Improving GPT-5.6 Sol in ChatGPT—and expanding access to GPT-5.6 Luna for free users：更新 ChatGPT 中 GPT-5.6 Sol 的回答聚焦性与事实可靠性，并将免费层默认模型切换为 Luna、提供更高推理档位入口。

08.04

• [News] Third-party cyber evaluations involving OpenAI models：梳理降低防护强度且开放互联网访问的网络安全评测暴露出的边界问题，并提出隔离、凭证、监控和停止条件等改进方向。

• [Tool] New ways to learn and teach with ChatGPT Work and Codex：为 ChatGPT Work 和 Codex 增加教育插件，将课程资料、受控工具、角色技能与常见工作流封装为可管理的 Agent 使用入口。

08.03

• [Engineering] How we built a realtime system for responsive voice AI in six months：以全双工语音模型、流式推理和专用媒体快路径维持实时对话，同时将深度推理与工具调用放到异步路径。

08.01

• [Paper] Ten advances in mathematics and theoretical computer science：公开由内部版 Astra 参与获得的十项数学与理论计算机科学进展，并提供人类整理的论文与 Lean 形式化证明。

08.05

• [News] 谷歌 Classroom Gemini 向全年龄段学生开放：8 月 10 日起 K-12 与高等教育学生可在 Classroom 内使用 Gemini 生成抽认卡、练习测验并同步至 Gemini Notebook。

• [News] 英伟达开源自动驾驶推理模型 Alpamayo 2 Super：基于 Cosmos 3 Super Reasoner 并以强化学习后训练，采用 OpenMDW-1.1 商用许可，在 LingoQA 自动驾驶推理基准中排名第一。

• [News] Anthropic Fable 24 小时内复现 OpenAI 10 项数学成果中的 5 项：研究员在无网络、防泄漏条件下用已公开的 Fable 独立完成其中 5 项证明，引发对 AI 数学成果可验证性的讨论。

• [News] 腾讯 Hy3 面向全球开放：通过 WorkBuddy（8 月 31 日前免费）、Miora 与腾讯云 TokenHub 提供，OpenRouter 输入价每百万 token 0.1288 美元。#### 07.29

• [Tool] OpenAI Codex 0.146.0：正式加入会话命名与置顶、侧对话切换、可分页线程 fork、Agent Plugin 清单和工作区插件发布，并改善 MCP 认证后连接刷新、代理路由、远程 Code Mode 和紧张上下文下的技能目录保留。

07.27

• [Tool] vLLM 0.26.0：新增 Inkling 模型全链路支持，并强化 DeepSeek-V4 路由、量化与推测解码优化；同时完善分层 KV 缓存卸载、多模态 Rust 前端、混合注意力后端及跨 CUDA、ROCm、XPU、CPU 的推理性能与安全修复。

07.23

• [Tool] Health in ChatGPT：面向美国成年用户逐步开放健康记录和 Apple Health 的安全连接，可在个人健康上下文中查看检验、用药、活动与睡眠信息；相关数据和对话不用于训练基础模型或投放广告。

• [Tool] ChatGPT Voice in Work and Codex on desktop：ChatGPT 桌面端在 Work 与 Codex 中加入语音任务入口，可用语音发起任务、查询进度和协调代理，支持 macOS、Windows 及配对 iOS 远程访问。

• [Tool] Claude Code v2.1.218：将 /code-review 改为后台子代理执行，并补充 MCP 连接状态诊断、Windows 路径编码修复和工作区信任限制，减少审查对主对话与本地工具调用的干扰。

• [Tool] LangChain Core 1.5.1：为 Anthropic、Fireworks、OpenAI 集成增加通过环境变量接入 LangSmith Gateway 的能力，并改进工具调用 schema 的近似 token 统计缓存。

07.22

• [News] Introducing OpenAI Presence：OpenAI 发布面向企业生产工作流的代理部署产品，将模型推理与策略、护栏、审批动作和人工升级流程组合，用于客服、理赔和 IT 服务等受控场景。

• [Engineering] NTT DATA Group cuts incident analysis to 30 minutes with Codex：OpenAI 案例显示 NTT DATA 将 Codex 扩展至约 9,000 名员工，并在一次运维事件中把原本 5 名工程师需 3 天的分析缩短至 30 分钟，重点在组织知识和受控环境的接入。

07.21

• [News] Claude in Microsoft Foundry: Building agents for production：Anthropic 说明 Claude 已可经 Microsoft Foundry 接入生产工作流，开发者可复用 Azure 的身份、计费与治理体系，并结合提示缓存、扩展思考和工具流式调用构建代理。

• [Tool] LangChain Core 1.5.0：为聊天模型加入标准化的 reasoning_effort 参数，使跨模型调用能够以统一配置表达推理强度，并同步更新核心依赖。

07.19

• [Tool] Claude Code v2.1.215：将 /verify 与 /code-review 改为仅在显式调用时执行，使编码任务的验证与审查步骤更可控，避免代理在未请求时引入额外执行。

07.18

• [Tool] OpenAI Codex 0.144.6：修正 GPT-5.6 Sol、Terra、Luna 的内置模型元数据与上下文窗口配置，属于影响模型选择和长上下文任务行为的客户端修复。

• [Engineering] Harness Engineering：将编码代理的上下文、工具、约束、验收证据与项目决策整理为可检索环境，重点解决代理在真实仓库中恢复意图、遵守权限边界和持续积累工程经验的问题。

07.17

• [Repo] AgentCore AG-UI Starter：一个可检查的端到端参考项目，将 Strands Agent、Amazon Bedrock AgentCore、AG-UI SSE 与 Next.js/CopilotKit 串联，实时传递模型文本、工具调用及结果，同时避免向浏览器暴露云端凭据。

• [Tool] Agent Local ACP Bridge：非官方 ACP 适配器，让 JetBrains 等 ACP 客户端通过 stream-json 复用 Cursor Agent Local，并映射工具调用、会话恢复、图像输入与临时 MCP 插件；适合研究协议适配，不代表 Cursor 官方支持。

07.16

• [Repo] bbarit-oss：Rust 单二进制终端 coding agent，支持多家模型供应商、MCP 与 Skill 自动加载和项目级记忆，面向自托管的多模型开发工作流。

• [Engineering] MatterLoop：把 Agent 任务组织为计划、执行、验证、人工反馈和完成审查闭环，并用 checkpoint、预算与 DAG 编排支持暂停和恢复。

• [Tool] context-kernel：面向 coding agent 的任务诱导上下文归一化插件，以确定性代码切片和充分性验证保留任务相关信息，而非仅做文本压缩。

07.15

• [Tool] code-humanizer：将重复 helper、宽泛异常处理、投机抽象等 AI 生成代码模式整理为可执行 Agent Skill，并通过测试约束保持行为不变。

• [Repo] SuperMap：CMU AirLab 的 RSS 2026 时空 SLAM 系统，将几何 SLAM 与开放词汇感知融合为可查询的 4D 场景图，支持视觉语言导航和长时机器人推理。

• [Tool] gbro-collage-broll：面向短视频 B-roll 的生成 Skill，以“隐喻、静帧、视频”三阶段审批和逐帧 QA 约束 Gemini 首尾帧动画生成。

07.12

• [Tool] Clodex IDE：本地优先、零信任的 agentic IDE，将任务执行、代码验证与自主开发流程放在可审计的本机工作区内。

07.10

• [Tool] kill-ai-slop：面向产品界面和文案的审查指南及 Agent Skill，用于扫描并移除常见的生成式设计与表述模式。

07.09

• [News] GPT-5.6：OpenAI 发布 GPT-5.6，面向更长链路的复杂工作任务提供可扩展的前沿模型能力。

• [Engineering] UST is bringing Claude to physical AI：Anthropic 报告 Claude 用于物理 AI 与制造研发场景，聚焦在实际工程链条中辅助分析和决策。

• [Tool] mindwalk：将 coding agent 的执行会话映射到代码库的三维视图，便于复盘其在文件和模块间的操作路径。

07.07

• [Tool] homerail：本地语音优先的 agent 编排运行时，以可审计 DAG 表达多步骤任务及其依赖关系。

07.06

• [Tool] ax：面向 AI 工作流的命令行 HTTP 客户端，将请求、模型调用和流式输出组织为可脚本化的终端接口。

• [Engineering] Alberta government uses Claude to find and fix cybersecurity vulnerabilities：公开案例展示了 Claude 在政府系统安全排查与修复流程中的辅助使用方式，重点是将模型能力嵌入已有工程验证环节。

07.05

• [Tool] watch-skill：为 AI agent 提供视频与屏幕记录的时间戳证据检索、自检和修复闭环，并支持 MCP、CLI 与 REST 调用。

07.04

• [Tool] agent-chief：本地优先的 agent 通知与注意力管理层，将多个 agent、告警和信息源统一为可控的中断决策。

07.03

• [Repo] OpenScience：开源科研 AI 工作台，面向文献、实验与研究任务提供统一的 agent 工作流入口。

• [Engineering] local-llm：整理本地运行语言模型的硬件、推理与部署经验，适合作为本地模型环境选型的工程参考。

• [Tool] token-diet：面向 Claude Code、Codex、Cursor 等 coding agent 的 token 效率 Skill，用于压缩日常任务的上下文与调用成本。

07.02

• [Engineering] imp：面向 RTX 5090/Blackwell 消费级 GPU 的 C++/CUDA 推理引擎，支持 NVFP4、paged KV cache、工具调用、结构化解码和长上下文 agent workload。

• [Tool] MrFoX-MeM：本地优先的代码记忆 MCP 工具，用 SQLite、本地 embeddings、RRF/PageRank/rerank 和 tree-sitter 为 coding agent 注入小片段相关上下文。

• [Tool] cmux：基于 Ghostty 的 macOS 终端工具，为多 coding agent 工作流提供垂直 tabs、通知、workspace、内置浏览器和 CLI 控制能力。

• [Tool] claude-agent-go：Claude Code CLI 的 Go SDK，覆盖 one-shot、交互会话、进程内 Go tools、权限/Hook 回调和 inline subagents，并用真实二进制做行为验证。

• [Repo] XR Blocks：Google 开源轻量 WebXR + AI 原型库，用于快速搭建结合 Gemini AI 能力的浏览器原生 XR 交互实验。

• [Engineering] Does Your LLM Know When It’s About to Be Wrong?：Hugging Face 社区文章用 trap_rate 和 adapter gain 两个轴评估模型自知错误的能力，提示模型规模并不能单独解释 metacognition 表现。

07.01

• [News] Introducing Claude Sonnet 5：Anthropic 发布 Sonnet 5，强调 coding、tool use 和 agentic search/computer use 的成本-性能曲线，并提供 claude-sonnet-5 API 入口。

• [News] Redeploying Fable 5：Anthropic 表示 Fable 5 于 7 月 1 日恢复全球访问，并提出与多家机构共同制定 jailbreak 严重度评分框架。

• [Repo] Sibyl：自托管跨 agent 记忆系统，提供 knowledge graph、CLI/MCP 接入和 LongMemEval-S recall 指标，面向并行 coding agents 的共享上下文管理。

• [Repo] agent-eval-harness：开源 coding agent benchmark，用真实 GitHub issues 比较不同 AI coding agent 的修复能力和执行稳定性。

• [Repo] CRED-1：开源 2673 个域名的 credibility dataset，并提供 TypeScript library、CLI 和 MCP server，用于在 agent/RAG 流程中评估新闻源可靠性。

• [Engineering] LFM2.5-230M：Liquid AI 发布 230M 参数小模型，支持 llama.cpp、MLX、vLLM、SGLang 和 ONNX，面向本地数据抽取、tool use 与边缘端 agent workload。

06.30

• [Repo] TanStack AI：TanStack 发布面向 TypeScript 的 provider-agnostic AI SDK，覆盖 streaming chat、tool calling agents、结构化输出、实时语音和多模态生成，适合前端/全栈应用统一接入多模型。

• [Repo] GSV：GSV v0.3.0 将个人 AI agent 抽象成运行在 Cloudflare 边缘的分布式 OS，支持跨设备文件系统、shell、持久 agent 和记忆权限模型。

• [Engineering] Every Eval Ever：项目定义统一的 AI evaluation 结果 schema，并提供 Inspect AI、HELM、lm-eval-harness 转换器，目标是让不同评测框架的结果可比较、可复用。

• [Repo] Haystack：Haystack 继续作为开源 AI orchestration 框架维护 RAG、agent workflow、retrieval routing、memory 和 multimodal pipeline，适合构建可控的生产级 LLM 应用。

• [Paper] Compiling Agentic Workflows into LLM Weights：论文尝试把外部 agent workflow 编译进小模型权重，在 travel booking、Zoom support 和 insurance claims 等流程任务上降低推理成本与上下文暴露。

06.29

• [Engineering] Build Cross-Language Multi-Agent Team with Google’s Agent Development Kit and A2A：Google 用 ADK 和 Agent2Agent 协议演示 Python 与 Go agent 的跨语言协作，重点在 agent 间任务交接、合约校验和模块化工作流。

• [Repo] SGLang：高性能 LLM/VLM 推理框架在 2026 年 6 月继续推进 speculative decoding、DFlash 和多硬件后端支持，适合关注低延迟推理、前后端分离和大规模服务部署。

• [Repo] ZINC — Zig INferenCe Engine：用 Zig + Vulkan/Metal 实现本地 LLM 推理，面向 AMD RDNA GPU 和 Apple Silicon，提供 OpenAI 兼容 API 与内置聊天 UI。

• [Tool] Announcing the Agentic Resource Discovery specification：Google 提出面向 agent 的资源发现规范，用于在 Web 上查找、验证和连接工具、技能与 agent 资源。

• [Repo] LFM2.5-8B-A1B Raw ECHO RLVR GRPO Adapters：Hugging Face 上的 LoRA adapter 记录了 terminal-agent RLVR 训练配置、rollout 数据和 checkpoint，同步到 2026-06-29，可作为小模型 agent 训练流程参考。

06.28

• [Tool] ACESTEP XL 1.5 Remix Mode Full Tutorial：围绕本地音乐生成与重混工作流，整理 ACE-Step XL 1.5、Paints-Undo 与 Whisper Premium 的低门槛部署和推理使用方式。

06.27

• [News] OpenAI previews GPT-5.6 Sol：OpenAI 预览 GPT-5.6 Sol，重点面向编码、科学和网络安全任务，并采用受限伙伴预览方式控制初始访问。

06.26

• [News] OpenAI previews GPT-5.6 Sol：GPT-5.6 Sol 初期面向 API 和 Codex 的可信伙伴开放，体现高能力模型发布正在同时受安全评估、访问控制和开发者可用性约束。

• [Tool] Run a vLLM Server on HF Jobs in One Command：Hugging Face Jobs 支持一条命令启动私有 OpenAI-compatible vLLM 服务，降低临时推理端点和实验部署的运维成本。

• [Tool] MAI-Code-1-Flash for Copilot Business and Enterprise：GitHub Copilot 企业版引入 Microsoft AI 的编码模型 MAI-Code-1-Flash，面向企业编码场景提供新的模型选择。

06.25

• [Engineering] Which tokens does a hybrid model predict better?：Ai2 分析混合模型在不同 token 类型上的预测差异，为理解混合架构的能力边界和评测切片提供参考。

• [Tool] Copilot code review: Analysis depth and efficiency updates：GitHub Copilot Code Review 使用内置文件探索工具提升审查成本效率，说明代码审查 Agent 正在向更强的仓库级上下文检索演进。

06.24

• [Engineering] Accelerating Transformers Fine-Tuning with NVIDIA NeMo AutoModel：NeMo AutoModel 兼容 Hugging Face AutoModel API，并通过专家并行、DeepEP 和动态权重加载优化大模型微调吞吐。

• [Tool] Introducing the FFASR Leaderboard：Hugging Face 新增真实场景 ASR 排行榜入口，用于比较语音识别模型在噪声、口音和长音频等条件下的表现。

06.23

• [Tool] Shipping huggingface_hub every week with AI, open tools, and a human in the loop：Hugging Face 将 hub 库发布改造成每周自动化流程，用开源工具和人工判断点减少 release 管线摩擦。

• [Tool] Build real agentic apps using CUGA：IBM Research 发布 CUGA 应用示例集，把工具、状态、反思和 CodeAct 编排封装成轻量 Agent harness。

• [Engineering] Experimenting with the proposed Cross-Origin Storage API in Transformers.js：Transformers.js 试验 Cross-Origin Storage API，用于改进浏览器端模型缓存和跨站点复用体验。

• [News] GitHub joins coalition advocating fixes to California AI Transparency Act：GitHub、Hugging Face、Mozilla 等要求修正加州 AI 透明法案中与开源许可证不可撤销性冲突的条款。

06.22

• [Tool] PP-OCRv6 on Hugging Face：PaddleOCR 发布 1.5M 到 34.5M 参数的多语言 OCR 模型族，面向端侧、桌面和服务端文档识别部署。

• [Tool] We got local models to triage the OpenClaw repo for FREE：文章展示用本地开源模型做仓库 issue/PR 分流，适合评估低成本维护 Agent 在开源项目中的可用性。

06.21

• [Engineering] Detecting LLM weight corruption and semantic drift：Hugging Face Research 论坛讨论模型权重损坏与语义漂移检测，指向模型分发、量化和长期托管场景下的完整性验证问题。

• [Engineering] Capability Is Not in the Weights：社区实验讨论仅投影 Transformer MLP 权重难以解释能力来源，提示模型能力分析需要结合数据、结构和推理轨迹。

06.20

• [Paper] Inverse Turing Bench: Evaluating Language Models as Judges of Human vs. AI Dialogue：论文提出多轮对话中的人类/AI 区分基准，显示统计检测器和语义判断模型在提示伪装下存在不同盲区。

• [Tool] Flexible Rate Limit Resets for Codex：OpenAI 开发者社区集中讨论 Codex rate-limit reset 机制，反映高强度 Agent 编码工作流对可解释配额和恢复机制的需求。

06.19

• [Engineering] How we built an internal data analytics agent：GitHub 介绍内部 Copilot 数据分析 Agent Qubot，重点在语义查询、数据模型选择、Slack/VS Code/Copilot CLI 多入口和低维护成本。

• [Tool] AI credits consumed per user now in the Copilot usage metrics API：Copilot usage metrics API 增加用户级 AI credits 消耗字段，便于企业把 Agent 使用量和成本治理放在同一报表中。

06.18

• [Engineering] Is it agentic enough? Benchmarking open models on your own tooling：Hugging Face 提出面向工具使用过程的 Agent 评测，不只看最终答案，也统计 token、耗时、错误率和 API 路径选择。

• [Paper] MosaicLeaks: Can your research agent keep a secret?：论文构造深度研究 Agent 泄露私有信息的多跳任务，并提出 PA-DR 训练以降低外部检索查询中的隐私泄露。

• [Engineering] Beyond LoRA: Can you beat the most popular fine-tuning technique?：Hugging Face PEFT 团队系统比较 LoRA 之外的参数高效微调方法，强调按模型、任务和显存预算选择适配技术。

06.17

• [Engineering] 2026 年科技行业累计裁员 14.2 万人：即使利润丰厚的公司也在向 AI 数据中心重新分配资金（如 Oracle 裁员 1 万人）；OpenAI 反向设立 400 亿美元企业部署部门、招聘数百名现场工程师。

• [News] 特朗普 AI 国家安全备忘录签署：国防部需在 90 天内修订 AI 武器人类控制规则，加速前沿 AI 在整个国家安全企业中的采纳。

• [News] G7 峰会 AI 治理议程闭幕：AI 企业领袖首次出席 G7 领导人级别讨论，围绕 AI 基础设施、前沿风险（网络安全/生物）和未成年人保护达成自愿性协议。

06.16

• [News] Anthropic 赴华盛顿谈判恢复模型访问：Anthropic 高级技术团队在白宫与政府官员会面，此前亚马逊研究人员发现漏洞后 CEO 直接向白宫报告。Anthropic 声明称「如果维持此标准，整个行业前沿模型发布将几乎不可能」。

06.15

• [News] G7 峰会首次邀请 AI 企业领袖参会：法国总统 Macron 邀请 Sam Altman（OpenAI）、Demis Hassabis（Google DeepMind）和 Dario Amodei（Anthropic）参加埃维昂莱班 G7 峰会，讨论 AI 治理、前沿风险和未成年人保护。Mistral AI 的 Arthur Mensch 和 Sakana AI 的 Ryo Ito 也受邀出席。

06.14

• [Engineering] 科技行业反思 AI 模型供应商风险：Anthropic Fable 5 被美政府强制下线事件引发全球对单一 AI 供应商依赖的担忧，欧洲和英国官员将此事视为需要独立 AI 能力的证据。

06.13

• [News] SpaceX 创纪录 IPO 首日收盘：SpaceX 以 $135/股发行 5.56 亿股（融资 750 亿美元），首日市值超 1.7 万亿美元。Anthropic 此前与 SpaceX 签署 12.5 亿美元/月的 AI 算力租赁协议。

• [News] Anthropic Fable 5 下线引发连锁反应：企业客户紧急评估连续性风险。Info-Tech 建议「保留 Opus 4.8 作为生产 fallback，不要围绕 Fable 5 重建」。

06.12

• [News] 美国政府史无前例命令 Anthropic 下线 Fable 5 和 Mythos 5：商务部工业与安全局签发出口管制指令，要求 Anthropic 禁止所有外国人（含外籍员工）访问 Fable 5/Mythos 5。Anthropic 无法实时区分国内外用户，被迫全球禁用两模型。这是美国首次强制商业 AI 模型下线。Anthropic 称 jailbreak 发现的是已知小型漏洞，GPT-5.5 同样具备该能力。

• [News] SpaceX 创历史最大 IPO：融资 750 亿美元，超沙特阿美 2019 年 256 亿美元记录。Elon Musk 首日成为名义上世界首位万亿富翁。80 名网络安全高管（含 NVIDIA、Adobe）签署公开信支持 Anthropic 的立场。

06.11

• [Engineering] 微软 Copilot 重大服务中断：Copilot 生产层服务中断尚未完全恢复——AI 助手正常运行时间已成为企业业务连续性关注点。

• [Engineering] 报告称企业正在交付易受攻击的 AI 生成代码：研究发现组织明知 AI 生成代码存在漏洞仍在上线，而 AI 系统正以前所未有的速度发现和利用缺陷。

06.10

• [Engineering] AWS Graviton5 Arm 处理器正式 GA：通过 EC2 M9g/M9gd 实例提供，192 核 + DDR5-8800。亚马逊另敲定花旗牵头的 175 亿美元 AI 数据中心信贷额度。

• [News] OpenAI 收购编程初创公司 Ona：深化 Codex 在 agentic coding 领域的布局。同时 OpenAI 通过 Oracle 云分发模型，企业用户可利用现有 Oracle 承诺额度访问 OpenAI 和 Codex。

• [News] Apple 确认 AFM Cloud Pro 运行在 Google Cloud 的 NVIDIA GPU 上：Apple 最先进 AI 模型使用 NVIDIA Confidential Computing 技术。

06.09

• [News] Anthropic 发布 Claude Fable 5 与 Mythos 5：Anthropic 迄今最强公开发布模型——Fable 5 公众可用（含安全分类器），Mythos 5 经由 Project Glasswing 向经过审查的网络防御者开放（去掉安全限制）。定价 $10/$50/百万 token。Stripe 报告用 Fable 5 一天内迁移 5000 万行 Ruby 代码库。Fable 5 中不到 5% 的高风险会话被自动路由到 Opus 4.8 处理。

• [News] Apple 揭示 Google 和 NVIDIA 为其最强 AI 模型提供算力：AFM Cloud Pro 在 Google Cloud 上使用 NVIDIA GPU 和机密计算技术运行，标志 Apple 与 Google/NVIDIA 的深度算力合作。

• [News] Google DeepMind 在欧洲启动机器人加速器：面向欧洲早期初创公司，首批 16 家覆盖物流、制造、医疗等领域。同期 Broadcom 与 Apollo/Blackstone 发布 AI XPV 平台，目标筹集 3500 亿美元部署 20+GW 算力。

06.08

• [News] Apple WWDC 2026：Siri AI 全面重塑，搭载 Google Gemini：Siri 被彻底重建为 Siri AI，由定制的 Google Gemini 模型（~1.2 万亿参数）驱动，许可费约 10 亿美元/年。支持个人上下文感知、屏幕内容理解、跨 App 多步操作、摄像头实时物体识别。iOS 27 今秋推送，需 iPhone 15 Pro 或更新。Tim Cook 最后一次主持 WWDC，9 月 1 日 John Ternus 接任 CEO。

• [News] OpenAI 确认递交机密 IPO 注册：CFO Sarah Friar 确认已提交 S-1，预计今秋上市，估值可能超 1 万亿美元。

• [News] NVIDIA 与 SK Hynix 签署多年期 HBM 合作：面向 NVIDIA Vera Rubin AI 超算的 HBM4 开发。NVIDIA 与 LG 集团联合建设 AI 工厂，加速机器人、自动驾驶和数据中心业务。