Narayanan 与 Unger 提出超越自动化的人机协作 AI 研究议程

普林斯顿大学教授 Arvind Narayanan 在 ICML 上提出，除非出现递归自我改进等不连续性，否则 AI 应被视为一种变革性但可适应的正常技术。他呼吁 AI 社区不应接受工作将被完全取代的叙事，而应专注于培养与 AI 互补的技能，以实现人机“共超智能”。

Arvind Narayanan 在 AI as Normal Technology 博客撰文，主张在两种 AI 安全叙事之外走第三条路，即承认 x-risk 警告者真诚但论断可能错误且适得其反。

Arvind Narayanan 等学者重发文章指出，当前关于 AI 存在性风险（p(doom)）的概率估算缺乏严谨的方法论支持，主要依赖直觉而非验证模型。由于不存在历史参照类，归纳法失效；演绎法和主观估算法也面临假设争议。作者认为这些数字具有误导性，尤其当决策者据此制定限制开源模型等高成本政策时，缺乏正当性基础。他们主张区分学术预测与公共政策应用，并呼吁建立更广泛的“大帐篷”式 AI 安全运动，而非仅聚焦于超级智能带来的灭绝风险。

Sayash Kapoor 发布超 1.3 万字长文，用 AI as Normal Technology 框架调和 AI 安全社区与网络安全社区对 OpenAI - Hugging Face 等失控事件的分歧。

当前 AI 热点，聚合 1 个独立信源、12 条信号。

LangChain 发布 langchain-scaledown 集成，并在 LangSmith LLM Gateway 中支持 ScaleDown 的约束解码模型（CDM），用于降低长时智能体上下文管理的成本和延迟。

Pydantic AI 创始人 Samuel Colvin 发文认为图库是个错误，代码本身就是图，通过类型提示获得类型安全、通过 async 获得并行执行。他提出图 API 存在类似 CAP 定理的取舍，类型安全、并行与快照三者不可兼得，并以此解释为何在 pydantic-graph V2 移除持久化、将持久执行交给 Temporal。

Google 工程师用 Gemini 4 Argon 在 google/adk-python 上无人值守跑 11 小时，提出 6 项优化、审查后合并 2 项，使长会话内存会话准备时间降低约 40%，包导入加快 21%。

Anthropic 发布工程复盘，因 Claude 使日均合并代码量从 2026 年 5 月约 2,500 增至 9 月超 30,000，五个月内自研版本控制系统 Scion 并完全替代 git，同时推出代码评审工具 Antique。

MIT 工程教育副院长 Justin Solomon 在播客中谈到，OpenAI 模型上个月给出 Navier-Stokes 解失效的反例证明，但他和《Odd Lots》主持人读不到第二页。