AI 情报文章归档

This is a submission for the Sanity Challenge, Path Two: Vibe-Code Something Strange What I...

PromptArmor 披露 Databricks Genie Code 会执行恶意 Skill，在用户查看分析结果时展示钓鱼弹窗并通过浏览器将租户数据外泄，全程无需人工审批。组织级 Skill 治理、guardrail agent、编码环境出口控制和聊天展示沙箱均不阻止该攻击；Databricks 于 2026 年 8 月 16 日收到披露后认定确保上传 Skill 无恶意内容属用户责任。

EverMind AI 发布开源多智能体系统 Raven，为每个模型和领域单独构建 harness，从失败中演化并经统计检验后替换，由 host agent 将目标拆成任务图分派给各模型-harness 组合。

FieldAI 正在洽谈融资 7 亿美元，投后估值达 100 亿美元，较上一轮 20 亿美元估值一年多内翻至五倍。据《商业内幕》援引知情人士报道，公司已签署投资条款清单，领投方尚未披露；自 6 月以来新增至少 3,500 万美元营收及订单，总规模突破 1.35 亿美元，客户超 30 家。

爆料者 @elder_plinius 称提取了 OpenAI GPT-6 Sol Codex 的完整系统提示词及工具定义，共约29.4万字符、1902行，已发布到 GitHub。

This is a submission for the Hacktoberfest Weekend Challenge: Build for a Friend What I...

据《华尔街日报》报道，TypeSafe AI 于 9 月 15 日发布的决策模型 Jev 不生成文本，而是用“面向校准决策的强化学习”把输入归类到预设输出，日均处理 token 已达一万亿，约 25% 的财富世界 500 强企业在用。

My dadi's best recipes have never been written down. Ask her how much salt goes in, and she says "ek...

BestBlogs 10-05 早报汇总十则 AI 内容：ChatGPT 负责人 Tibo Sottiaux 谈常驻智能体、插件生态与收益分享；Temporal 演示把人工审批当作异步 API，worker 关闭后批准事件仍可保存并恢复。

BestBlogs 早报精讲三篇：ChatGPT 负责人 Tibo Sottiaux 谈常驻智能体、插件生态与减少 ChatGPT、工作模式、Codex 之间的复杂性；Temporal 演示把人工审批当作异步 API，在等待审批时关闭工作进程、离线提交批准后重启即可恢复业务；Crusoe CEO 则从供电交付与旧芯片利用解释算力成本。

This is a submission for the Hacktoberfest Weekend Challenge: Build for a Friend What I...

Meta 于 10 月 2 日推出开源项目 Muse Gadgets，在 GitHub 按 Apache 2.0 许可发布 ESP32 固件和 Linux 设备 SDK，让开发者为个人 AI 智能体 Muse 打造自定义硬件。

RealtimeWAM 通过 Teacher-Anchored Consistency Distillation（TACD）实现一步动作生成，并用 Cross-Expert Wavefront Pipelining（CEWP）让视频与动作专家异步重叠执行，消除专家间等待。

研究团队提出 One-stage Policy Optimization（OnePO），仅用强化学习即可将基座模型适配到医疗领域，解决冷启动中的 Gradient Starvation 与 Teacher-Distribution Anchoring 问题。

研究者提出 Execution-Aligned Progressive Noise（EAPN），通过在 chunk 间传播共享噪声轨迹并与实际执行位移对齐、在 chunk 内建模时间相关性，让新动作块从执行一致的生成状态延续，而非从独立噪声重启。

FairRSFM 是一个生物群区感知基准，将 14 类陆地生物群区样本映射为六个生态宏组，在冻结骨干的统一协议下评测遥感基础模型。

研究者提出一种扩散语言模型（DLM）后训练方法，在冻结预训练 DLM 的特征空间中最小化生成分布与参考分布的 Maximum Mean Discrepancy（MMD）。

HLA-WM 是一种免训练的混合线性注意力框架，将几何引导的粗粒度检索与细粒度循环线性状态计算结合，缓解 Gated DeltaNet 的长程遗忘问题。在 60 秒 SANA-WM-Bench 上，它无需额外训练即提升全部六项重访一致性与相机控制指标，包括 0.74 dB PSNR 增益和 28.5% 旋转误差下降，并泛化至 MBench-A 的 547 个样本。

研究者提出 Hybrid Linear Attention（HLA），一种面向 Gated DeltaNet（GDN）的查询相关分块级注意力机制，通过内容相关的路由门控动态混合历史状态。

研究提出一种框架，用轻量瓶颈网络将 MM-DiT 中间上下文 token 映射到冻结 LLM 的输入空间，让 LLM 直接根据隐藏表示回答关于生成图像的问题。结果显示，上下文 token 在去噪早期就编码了全局语义，即使输入空提示词仍可解码出图像特定信息，且可读性更高的生成往往获得更高人类偏好分数。基于此提出的 Contextual Alignment 训练技术可提升生成质量与分布覆盖。

论文研究训练数据如何建立基座模型回复起始 token 与后续推理行为的关联，固定特定起始 token 线索可让基座模型在数学和编码上接近其 RL 训练版本，如 ".\n\nOkay" 将 Olmo-3-7B 的 MATH-500 pass@1 从 42% 提升到 78%，"Alright," 将 Qwen3-14B 从 72% 提升到 87%。

Tomer Tunguz 撰文判断 AI 推理将超越数据库成为软件业最重要的市场：2025 年推理市场约 $25b，2026 年约 $130b，接近 Gartner 预测的 $161b 数据库市场，2027 年达约 $350b，接近数据库 $190b 的 2 倍。

S2PD 提出串行到并行扩散方法，在高噪声阶段进行自回归扩散以协调相互依赖的事件、产生有效状态转换，低噪声阶段切换为并行扩散联合精修整个视频并缩短采样时间。该方法以两种架构实现：从零训练的像素空间扩散 Transformer，以及通过 LoRA 微调并加入因果注意力的预训练视频模型。在游戏、物理模拟和真实视频上，S2PD 比匹配的双向基线更可靠地遵循规则，时序稳定性和采样效率也优于其他串行方法。

研究者提出激活对齐方法，通过在合成无标签数据上训练轻量线性变换，把仅用部分上下文的"学生"模型中间激活映射到使用全部数据的"教师"模型激活，从而在不增加推理成本的前提下恢复性能。

OpenRouter 发文比较 OpenAI、Anthropic、Google 与 OpenRouter 四家的服务端代码执行工具，介绍各自沙箱的语言、网络、持久化与计费差异，并推出处于 beta 的 openrouter:shell 与 openrouter:bash 工具，可在 Responses 和 Messages API 上为任意模型运行命令。

针对用户个性化反馈稀缺导致轻量对齐器难以训练的问题，研究者提出近似帕累托最优（APO）方法，先按更新兼容性对用户分组，再结合梯度下降与受控上升协调相互竞争的目标，学习支持少样本适配的对齐器初始化。在 Fed-ChatbotPA 和 UltraFeedback 上，仅用 20 个本地样本即持续优于现有方法。

一项 arXiv 论文在受控检索环境中测试七个智能体，发现它们对失效信源的结果 97-100% 判为无用，却大多不据此停止调用。提示词线索只改变停止时机而非停止依据，预算声明会让 7-8B 模型拖到截止点；只有让智能体在连续五次判为无用后强制给出回答的整合步骤，停止行为才跟随证据，该规则在预注册的 300 个新问题上复现有效。

LoGRA 通过低秩梯度草图保留学习信号，将 LLM 强化学习后训练的平均训练内存最多降低 45.7%，且不牺牲性能。该方法结合 predicted-KL 步长控制，避免过大更新破坏训练，并能在单个八卡节点上稳定训练 27B 参数模型超过 1,100 步，而稠密 Adam 在此场景下会内存耗尽。代码已在库中开源。

研究将先验数据拟合网络（PFN）的表征用于表格异常检测，提出免微调方法 ZEN 与微调方法 FOCUS。在 ADBench 基准上，ZEN 的平均 AUROC 高于所有基线，FOCUS 进一步提升，且方法可跨 PFN 模型泛化。研究基于冻结的 TabPFN 特征，用样本到最近邻的特征空间距离打分，并筛选适用层与特征提取流程。

InterMimicGen 是一个自演化动作模仿框架，让机器人动作数据与跟踪策略相互促进，将稀疏、异构的人-物交互动捕数据重定向为人形机器人参考动作。它训练出基于物理的通用跟踪器，在带灵巧手的人形机器人上于仿真中执行这些动作，并通过数据飞轮迭代扩充可执行动作，最终迁移到真实机器人。

TextReg 是一个正则化框架，通过正则化文本梯度实现软惩罚目标，缓解 LLM 提示词优化中的分布过拟合问题。

研究者提出 ACG-Bench，一个面向双臂视觉-语言-动作模型臂级组合泛化的基准，包含 8 个任务族、23 个任务-条件对，其中 17 个为未见过的组合。

Stepped MoE 提出一种统一框架，将弹性结构与稀疏门控架构结合，让单一模型可在 1、2、3、4 billion 参数间灵活切换。该模型在知识密集型基准上比同规模稠密模型准确率高 2-5%，延迟与稠密模型相当，并通过共享参数节省设备磁盘空间，适配端侧 DRAM 与算力限制。

针对 VLA 模型推理昂贵导致机器人走走停停的问题，研究者提出 RACE（Reliable Action-Chunk Extension）框架，通过辅助的一步去噪过程预测子技能切换时机并以此约束动作生成。

MiniCorp 是一个用于研究 AI 智能体如何集体运营公司并规模化生成企业数据的办公模拟器，以电商公司为演示场景。它连接外部市场世界（客户、动态竞争对手与市场机制）和内部智能体世界，智能体观察事件、讨论选项并做出战略决策，决策会持续影响市场并形成反馈闭环。

研究者提出 Empirical Variational Autoencoder（EVA），一种面向连续值（非向量量化）序列的通用生成框架。EVA 基于 VAE 的证据下界，仅需在 VAE 之上增加一个线性层，即可从训练数据中经验地学习自回归隐先验，替代传统标准高斯约束，缓解先验与后验之间的隐分布差距。在图像与声音合成实验中，EVA 生成质量与自回归扩散基线相当，但推理速度显著更快。

Apple 与斯坦福大学研究者设计了两款采用 Wizard of Oz 技术的开放式探针，让用户训练基于自身定义现象的个人化机器学习系统，并在为期一周的探索性研究中日常使用。研究识别出四类本体论边界协商场景：现象边界、作为关系一部分的主体、何为信号何为噪声，以及数据的客观性。论文已被 ARES 2026 的 AI4TCI Workshop 接收。

TypeSafe AI 的首个模型 Jev 在 Modal 上于发布后三天内处理超 1 万亿 token，并在 OpenRouter 1K-10K token 上下文榜单登顶，承接 15.1% 的请求。Jev 并非大语言模型，而是非自回归的 System One Model，以状态和问题为输入，并行输出带概率的结构化类型值，训练采用自研的 RLCD 方法。

WildMatch 提出一种弱监督适配方法，仅用身份标签即可将预训练关键点匹配器迁移到野生动物重识别任务，无需关键点级或几何对应标注。该方法用预训练匹配器挖掘信息量高的图像对，从身份一致性中导出弱正负监督，对比微调匹配网络以强化同身份对应、抑制异身份对应。在多个开源野生动物重识别数据集上，其准确率超过现成匹配器和一种 SOTA 局部-全局融合方法，并在留出个体的开放世界协议下学到可迁移的对应先验。

一篇 SoK 系统梳理了 139 个论文家族，按决策接口、执行路径与校验归属分类。其中 50 个家族声称其引擎适配控制回路或时间预算，仅 4 个给出匹配测量；全部 139 个中只有 4 个报告截止时间达成情况。缺口集中在决策不含确定性计算步骤之处：72 个家族提出 22 项声称，无一有支撑，仅 2 个指明覆盖责任方。