AI 情报文章归档

Together AI 正与 IBM、NVIDIA 合作扩展企业级 AI 推理，首批在 IBM Cloud 上部署大规模 NVIDIA B300 GPU 集群，并采用 NVIDIA Spectrum-X 以太网组网，这是 IBM Cloud 上首个此类专用大规模推理集群，Together AI 也是首个客户。

研究重新审视跨 Tokenizer 的 On-Policy Distillation（OPD），发现严格 1:1 对齐已覆盖大部分学生生成 token，将 reverse KL 限制在学生选出的共享词表 top-16 子集即可达到全共享词表 OPD 的精度，并优于所评估的跨 Tokenizer 基线。

HiPLEX 是一个将预训练全双工文本策略因子化为控制策略与条件内容策略的强化学习框架，前者决定何时输出内容（pad/epad/con），后者仅在 con 时选择 token。

DAEDALUS 提出一种无需既有任务或 oracle 验证器、从自生成练习中自举可复用智能体记忆的方法：explorer 智能体生成有挑战性且可解的任务，solver 智能体尝试并从失败中提炼启发式，经反复验证后写入记忆库供测试时使用。

Google Research 提出用地学基础模型 PDFM 的位置嵌入作为即插即用输入，融入现有流行病学工作流。嵌入由隐私保护的搜索趋势、人流、建成环境密度和环境指标自监督合成，按月更新。

Google 发布基于 Gemma 4 的开源嵌入模型 EmbeddingGemma 2，采用 Apache 2.0 许可，将文本、代码、图像、视频和音频映射到统一的 768 维向量空间，参数量从 270M（文本/代码）到 740M（全模态）按需加载。

NeMo-DCR 是一种比特精确的增量压缩重配（refit）方案，只传输变化的权重，接收端得到的参数与缓冲区比特与全量重配完全一致。在 3% 和 5% 变化率下，30B-1T 模型的重配速度比仅传输全量 checkpoint 的基线快 12-40 倍；1T 模型经中继树在 3% 变化率下重配仅需 150 秒，而全量传输需 87.5 分钟。

Anthropic 扩大 Claude Startups 计划，成员最高可获 7000 美元 Claude 产品与额度，含一年 Claude Team（最多五个 Premium 席位）和一次性 1000 美元 API 额度。新增 Claude Startup Stack，合作伙伴折扣与额度最高价值 45000 美元。成立五年内或近两年获融资的初创公司可申请。

EmbodiedSmith 是一个通过递归自我改进（RSI）扩展具身数据生成的框架，将资产、场景与任务生成统一到一条支持自主创建和语言驱动定制的流水线中。其核心是智能体式精炼循环：场景生成预判下游任务需求，任务生成引导针对性场景编辑，二者迭代互促，提升长时程任务生成成功率。框架还支持移动机械臂、人形机器人和灵巧手，以及可变形物体与流体的交互。

研究者推出 World Models' Last Exam in Physics，一个基于测量的视频世界模型物理一致性基准，涵盖力学、光学、流体、热学与相变、电磁学、表面张力共 40 项受控任务。在 8 个视频生成模型、1280 段视频上的测试显示物理不一致普遍存在，最佳模型总分仅 57.76/100。该评测器与人类判断的一致性高于直接使用视觉语言模型基线。

Anthropic 介绍了 Project Glasswing 参与机构 Comcast 和 Booz Allen 使用 Claude Mythos Preview 加固代码库的实践。

作者分析 Claude Code 在任务结束后预填建议下一条消息的功能，认为它表面省输入时间，实际可能是低成本收集人类偏好数据的渠道。用户原样发送构成正标签，编辑则形成带 diff 的偏好对，来自真实代码库且在分布内，可作 RLHF 素材；预测下一轮用户消息本身也是有价值的训练目标。作者声明这是猜测，是否有此用途取决于用户的隐私设置。

针对冻结的视觉-语言-动作（VLA）策略可能选中局部安全但无法完成任务的动作，研究者提出可行未来解码方法 VICS-G，通过推导策略-环境轨迹在安全完成约束下的下一块边缘分布，识别候选动作是否仍保留安全完成路径。

PromptArmor 发布对 WebMCP 的安全解读。截至 2026 年 10 月 6 日，webmcp.com 注册表收录 2,959 个使用 WebMCP 工具的站点，Chrome、Edge、Brave 及 ChatGPT、Cloudflare、Shopify 已提供支持。

视频编辑框架 ALIVE 让插入的物体能与原视频内容产生连贯交互，而非仅静态出现，输入为编辑后的首帧和仅命名新增物体的指令。团队构建了 35,800 对编辑数据，并训练 VLM 从相同输入预测交互引导。

VeriFine 是一个 agent harness 框架，通过策略、训练课程与评判器的协同演化来扩展验证能力，解决固定评判器限制自我改进的问题。

IFCO 数据平台团队与 Databricks Forward Deployed Engineering 合作，将核心语义层作业的每日运行时间缩短超过 60%，并停用了昂贵的夜间全量刷新。改造后转换逻辑仍留在 dbt 中，运行在 Databricks 上，通过 Liquid clustering、merge 增量策略和行哈希校验等配置，让每次运行只触碰实际变更的数据。

Google DeepMind 于 10 月 6 日发布开放权重的多模态嵌入模型 EmbeddingGemma 2，将文本、图像、视频帧和音频映射到统一向量空间，参数量 740M。

Every 发布 Every Agent，一款运行在 Slack 中的智能体同事，用于把 AI 工作流推广到整个公司。用户可委派复杂工作、向团队分享 AI 实验成果，并接收 Frontier Alerts，在新模型或工具发布时获得针对自身工作流的提示。该产品对 token 零加价，用户支付与 Every 相同的价格。

研究者提出 Dev-Primitives——把仓库构件与常驻 LLM 配对、使其具备可执行智能体接口的模块化抽象，并据此构建 HERMES 框架，通过依赖感知动态激活与 bug 诊断机制在仓库规模上实例化这些原语。

Vercel COO Jeanne DeWitt Grosser 在 Tom Tunguz 的 Office Hours 节目中讲解团队如何搭建运行销售漏斗顶端的 Agent。

一篇综述系统梳理了在部署阶段为 LLM 增强参数内记忆的方法：将承载记忆的参数对象在推理时接入前向传播，以补充 ICL 消耗上下文窗口、重复编码成本随上下文长度增长的不足。文章按参数位置（Embedding、Attention、FFN 层或 Hybrid）与参数获取时间（部署中在线获取、部署前离线获取）两个正交维度组织现有工作，并讨论了干扰、安全、与 ICL 协同设计及递归自我改进等开放方向。

研究揭示工具调用智能体在从证据到行动的链条上存在断裂：在十种模型-框架配置中，静态动作判断能力强，但交互式执行明显偏弱。失败常始于执行前，智能体调查不完整或证据未建立就行动；单动作执行通常可靠，多动作工作流则暴露未解决的前置条件和执行不完整问题。为此研究提出 SafeActBench，涵盖六大领域、五种协议的 656 个案例，并用证据账本与轨迹评估器追踪信息建立与依赖满足情况。

Cursor 在 iOS 应用中上线本地智能体远程控制，用户可查看并回复电脑上正在运行的智能体。除企业组织外默认对所有用户开启，登录后账户中的电脑自动显示，在桌面应用批准配对即可使用。智能体仍在本机运行，需电脑保持开机联网，可在设置中开启防止休眠选项，企业管理员可在 Org settings 中开启此功能。

研究者改造以物体为中心的 3D 生成器 Trellis 2，使其能从单张图像生成完整的室内外 3D 场景网格。方法通过按相机距离自适应分块、显式建模 2D-3D 对应关系（区分自由空间、已观测表面与未观测区域），并合成约 4,000 个户外场景扩充训练数据。在 Tanks and Temples、ScanNet++ 及真实图像上，该方法在几何精度和感知质量上均超越所有基线。

TRACE 是面向 MoE 语言模型 RL 训练的 FP4 量化框架，用 rollout 侧量化结果引导训练侧 FP4 舍入决策，直接缩小训练与 rollout 两条量化执行路径的差异。它支持 FP4 权重/激活与 FP4 KV-cache rollout，在四个大规模 MoE 语言模型的推理、编码和长程 RL 任务上性能与 BF16 rollout 相当，rollout 提速最高 5.4 倍。

PromptArmor 发布 WebMCP 威胁情报解读，介绍 WebMCP 如何让网站向浏览中的智能体提供工具，并指出治理、提示词注入、Web 安全、误配置和操作漂移等新增风险。

Databricks 发布指南，介绍如何通过更换 dbt-databricks 适配器和连接配置，将现有 dbt 转换项目重新指向 Databricks Lakehouse，无需重写 DAG 或业务逻辑。

Preferred Networks 在 Microsoft Foundry（原 Azure AI Foundry）上线 PLaMo 3.0 Prime、PLaMo 2.2 Prime 和 PLaMo 翻译。

Manus 为什么推出视频编辑器？因为我们意识到，做出一个好视频不只是生成素材。 它还关乎： - 浏览互联网，搞清楚什么在走红 - 写代码来制作动态图形、版式和地图路线 - 每一步都使用最好的模型和工具 https://manus.im/blog/introducing-video-editor

Anthropic 工程师 Felix Rieseberg 说明 Cowork 的新旧架构差异：旧版在云端推理、在用户电脑上运行本地 VM，磁盘、电池和性能开销大，合上笔记本工作就停止。新版把模型推理和 VM 都移到云端，每个会话有独立沙盒，桌面应用只负责文件访问等需要本机设备的工具调用，官方认为这解决了手机使用、保持工作运行和电池消耗等问题。

华为与高通达成首份涵盖 5G 技术的交叉许可协议，高通将收购华为部分美国专利，交易完成后华为专利许可累计总金额超 69 亿美元。彭博分析师称，随着 DeepSeek 推出 V4.1 Flash，中国顶尖 AI 模型与美国领先模型的 LiveBench 跑分差距已缩小至 3%。此外，华为首款“韬定律逻辑折叠”芯片海思麒麟 9050 Pro 裸片显微照首曝，晶体管密度提升 55% 且面积小于前代。

麦当劳在芝加哥联邦法院被提起拟议的全国性集体诉讼，原告指控其借助基于非公开数据训练的 AI 定价算法，与特许经营商合谋操纵近 14,000 家门店的菜单价格，违反美国反垄断法。麦当劳回应称指控属主观揣测，巨无霸等餐品价格并非由 AI 设定，各特许加盟商拥有定价决策权；美国近年已出现多起针对企业利用算法开展价格协同的类似集体诉讼。

MIT 论文研究拍卖与匹配环境中交互格式对 LLM 智能体决策的影响，发现为人类竞标者设计的机制设计经验可沿用到 LLM 智能体。GPT-4o、Claude、Gemini 和 Gemma 仍常压低出价以保留利润；升价加简单留守或退出选择使 Gemma 的出价从低于价值 $5.30 收窄到 $0.30，一行说明拒绝只会重新分配的提示把匹配错误从 4.2% 降到 0.2%。

BestBlogs 10-06 早报汇总 10 条 AI 内容：GitHub 发布 ReviewBench，用贴近真实开发分布的代码变更评估 AI 代码审查质量，区分已知问题与新发现，并支持按严重程度、误报与漏报偏好比较。

GitHub 发布开放基准 ReviewBench，用于评估 AI 代码审查智能体，评测集为 187 个开源仓库的 219 个 PR、覆盖 19 种语言，并参考了 1.039 亿次 pull request 的分布。

Airbnb CEO Brian Chesky：“我们今年在 AI token 上的支出将远超预期，但这很好，因为 ROI 就在那里。 我认为现在可以放心地说，AI 是 Airbnb 身上发生过的最好的事。我觉得我们正在成为一家 AI 原生公司，这大概是我们业绩表现的头号解释。” - Airbnb 财报超预期后股价大涨 15% ---- 来自“CNBC Television”YouTube 频道，（完整视频链接见评论）

Epoch AI 新报告称 OpenAI 研究员按 API 牌价计算的编码智能体用量约每月翻倍。2026 年 1 月起中位数研究员日支出从不到 1 美元升至 8 月中旬的 601 美元，约合每年 200 万美元，已接近或超过雇佣一名研究员的成本；报告同时指出这一增速难以持续。作者另引述 Boris Cherny 表示自己什么都用 Fable，以及 Sam Altman 全程使用 ultra fast 模式做提示。

谷歌 Pixel 11 系列上线的 Call for Me 功能有望拓展至私人通话场景，Gemini 可代用户拨打亲友电话，界面示例中出现"妈妈"和"约翰"。该版本中 Gemini 的任务仍受约束，主要转达信息或做简单问询，并会提供拒绝接收 AI 来电的选项。此外还发现应用新增写入与删除权限板块，尚处开发阶段，正式上线时间未定。

Claude Code v2.1.290 发布，为 mod 的 turn.step 钩子结果新增 serverToolUses 字段，列出 API 自身运行的工具调用及其 id、名称、输入和起止时间。