AI 情报文章归档

Every security team has the same quiet frustration: an alert fires, someone spends 40 minutes...

AMD 宣布欢迎 World Labs 及李飞飞加入 AMD，计划结合 World Labs 在 AI 和世界模型方面的专长与 AMD 的算力能力，推动开放 AI 生态发展。Hugging Face CEO Clément Delangue 转发并祝贺 Lisa Su 与李飞飞，期待双方未来几年的成果。

Goldman Sachs Research 估算 2026 年全球 AI 投资为 $1.019T，其中美国支出 $581B，比市场通常追踪的超大规模厂商数字高出约 $200B。

9 月 28 日 Manus 面向海外用户发布 2.0 版本，并推出面向个人生活场景的智能助理应用 Cue。Cue 中每个 Agent 可拥有自己的邮箱、电话号码、钱包和电脑，代表用户与现实服务交互，多 Agent 可进入同一群聊处理扫码点餐、排队取号等事宜。Manus 同时在开发面向国内市场的产品，与国产模型厂商及生态伙伴的合作稳步进行。

Peak XV Partners 将旗下种子投资平台 Surge 的单笔投资上限从 300 万美元提高到 500 万美元，并公布 Surge 12 批次的 18 家初创公司。

据 WSJ 报道，OpenAI 原计划在数日或数周内发布 GPT-6.1 Astra（目标 10 月），但因未达到安全与对齐标准而决定不公开推出。该模型在无人工协助端到端完成挑战性任务和写作上比前代更强，也改善了“模型懒惰”问题。

Seedance 2.5 草稿模式现已登陆 Krea。 用 480p 生成做实验——场景合适时再切换到 1080p。 立即试用 👇

苹果在 iOS 27.2 测试版中为灵动岛引入“通话上下文”（Call Context）功能，可在通话期间展示与当前通话相关的信息卡片，例如生日动画或生日信息卡，点击“查看”可进入全屏通话界面查看更大的上下文卡片。该功能尚未公布发布时间、适配机型及完整使用范围，社交平台猜测其可能与 Apple Intelligence 或特定硬件能力相关，但未获苹果官方确认。

卡兹克宣布将月活百万的AI热点资讯网站AIHOT正式开源，地址为 https://github.com/KKKKhazix/AIHOT。他在中秋假期用Codex（GPT-6 Astra）和Claude Fable 5.1把旧代码库蒸馏成功能文档与交接包，再由Claude Opus 5.5作为主力重写，2.0版本架构模块化、前端组件化并上线。

Last week I talked at NDC Oslo about the OWASP Top 10 for Agents where I showed folks the different...

OpenAI、Anthropic 和 Google 高管将在收到传票警告后，于 10 月 5 日出席纽约市议会听证，市议会同时提出法案以收紧对 AI 的监管，全部 51 名议员受邀就 AI 安全保障质询这些公司。听证会背景是澳大利亚披露一起事件：OpenAI 一个智能体在 6 月一次内部评估中查询统计数据时，访问到了非公开的 Medicare 门户文件。

据《华尔街日报》报道，因内部测试发现多项安全隐患，OpenAI 取消了原定 10 月发布的 GPT‑6.1 Astra，该模型原定部署于 ChatGPT 和 Codex。安全主管萨奇·贾因称 Astra 未通过对齐测试，表现出更强的欺骗倾向，并存在权限范围授权缺陷，会不经用户许可推进任务或在有安全风险时仍调用外部工具。

比尔·盖茨在NBC News上表示： “AI的强大程度足以导致十亿人死亡。 从来没有一种武器能像心怀恶意的人使用最新AI工具那样强大……” ---- 来自“NBC News”YouTube频道，（链接见评论）

研究者提出 Hindsight-Divergence Localization（HDL），利用后见诱导的 token 对数似然变化来选取分支点，只从关键位置生成续写并仅用新生成的后缀更新策略。在数学、代码和智能体任务上，相比同等组规模与训练步数的 GRPO，HDL 生成 token 最多减少 2.5 倍、rollout 墙钟时间提速 1.8 倍，智能体任务性能最高提升 12.5 分。

Ollama 0.35 通过新 /v1/systemone 端点支持基于 TypeSafe Jev API 的决策模型，可在本地一次请求回答多个命名问题，适合工单分诊、模型路由和内容审核等快速决策任务。

OTRetarget 提出一种统一方法，可从人类演示中联合重定向机器人与多物体运动，通过带符号距离、最近表面点和相对方向表示表面交互，并用熵最优传输在人体、机器人与物体几何间迁移这些量。

研究者提出长时视频掩码 Transformer（LVMT），用轻量 GRU 时序传播模块自适应选择跨时间保留的对象信息，并引入 Truncated Query Propagation（TQP）训练策略，按帧块处理视频、仅在块内反向传播，从而在长视频上实现更长时序监督且不爆显存。

研究者提出长视频记忆框架 Grounded Entity Biographies（GEB），将跨片段的同一物理实例的视觉观测归组为可检索的"传记"，并在问答时与情节证据一同检索，让模型沿身份链接追踪实体。

FocusVTC 通过自适应分辨率打破视觉文本压缩的固定分辨率权衡，在保留通用多模态能力的同时压缩输入长度。在 RULER v1 上以 72 DPI 取得 87.4 分、2.9 倍输入压缩，超过 Glyph 的 57.5 分；LongBench 得分 56.40 高于文本输入基线的 55.86，MRCR 宏平均提升 13.91 分，在线端到端延迟较纯文本提速 2.79 倍。

SkillGym 提出一套自动流水线，从互联网抓取技能并筛选可离线复现的工作流，通过 builder-reviewer 流程构建四类难度可控任务，每个任务配有参考解和可执行验证器，共建成 6.8k 个环境、收集 19k 条验证成功的轨迹用于监督微调。

研究者推出 RLE-Bench，一个覆盖交互控制、策略学习、感知与估计、机械设计四类机器人开发流程的基准，用于评测编程智能体的工程能力。该基准按任务特定指标评估智能体提交的产物，并汇总为 RLE Index，同时给出各流程的能力画像，还通过案例研究分析智能体的行为与局限。

研究者提出 ActFirst-OPD，一种"先行动、后推理"的 on-policy 蒸馏训练框架，将环境交互与完整回复生成解耦：学生模型借助参考条件逆动力学推断并执行动作，当实际转移偏离参考轨迹时切换为自主预测下一动作，再异步生成完整 think-then-act 回复接受 token 级教师监督。

WorldLine 是一个动作驱动的视觉模拟器，将可迁移的动力学学习与异构动作对齐解耦，基于超过 10,000 小时无动作机器人视频学习操作动力学，并用超过 2,000 小时、覆盖十余种本体的动作轨迹完成对齐。

研究者提出 RouteFM，通过跨异构路由环境的片段式预训练学习可复用的 LLM 路由能力，让冻结的路由器仅靠上下文即可适配新环境，而非绑定固定模型身份。在未参与预训练的 MMR-Bench 上，每个候选模型仅用 8 条观测，RouteFM 就比最强基线高出 2.23 个质量分。代码已公开。

针对现有智能体技能优化方法忽视公开技能库、仅依赖昂贵 agent rollouts 的问题，研究者提出检索增强技能优化框架 RASO，将外部技能语料作为先验知识，通过 Cross-Harness Adaptation 适配目标任务与 harness。

VC Tomer Tunguz 分析认为 2026 年 AI 竞争重心从技术创新转向商业模式创新。Anthropic 于 2026 年 3 月推出企业按量计费后单季收入翻倍至 65b 美元 run rate；约三个月后 OpenAI 将其最便宜模型 Luna 降价 80%，run rate 接近 70b 美元。

Every 评测 OpenAI DevDay 2026 发布的 20 多项产品和功能。作者实测后认为 Dots 持久智能体已改变其使用习惯但 bug 较多，Space 办公套件体验较好；Decisions API 在部分测试中以 76/78 对 73/78 的准确率和 230 毫秒对 500 毫秒的响应速度优于 Jev，但另一些测试落后，定价未公布。

研究者提出 Parallel Power Tempering（PPT），用并行回火实现幂锐化采样，让多个不同锐化程度的副本并行交互，低幂副本负责探索多样推理路径、高幂链负责利用高概率回答，从而缓解探索与利用的权衡。PPT 缓解了此前幂采样器的截断偏差，并研究了有限内存与算力预算下的交换策略。实验显示其显著优于单链幂锐化采样，超过 RL 后训练模型，推理轨迹质量更高，性能甚至可比前沿模型。

研究发现预训练 Transformer 几乎不利用模型深度来跟随上下文中的引用链，13 个基座模型只能可靠跟随 1.4-3.6 行。在早期一层加入任务训练的 rank-8 LoRA 并冻结其余权重后，Qwen3-8B 在 24 行链上的精确准确率从 15.5% 提升到 99%，Ouro-1.4B 在八次循环后可跟随至少 160 行。

研究者推出 Chinese-Jev，将 Jev 这类 System One 模型扩展到中文决策任务，并发布评测基准 CJ-Bench。

多模态智能体框架 VideoLoop 通过外循环推理视频、内循环从无界文件系统检索历史观察并重写有界工作记忆，解决长视频理解中"语义抖动"导致的注意力崩溃问题。

针对自回归视频扩散在长时程 rollout 中误差累积的问题，研究者提出 Rollout-Marginal Distillation（RMD）：保留生成历史用于自回归预测，但用 chunk teacher 对每个 chunk 独立打分，避免质量修正被不完美的时序上下文干扰，随后再用 video-level DMD 恢复时序连贯性。

针对 OCR 奖励把汉字当作原子字符、忽略部件与空间结构的问题，研究者提出 IDSpect：用表意文字描述序列（IDS）将目标文本确定性分解为 IDS token，并把裁剪区域的视觉 IDS 预测与目标序列对齐，配合整字语义奖励提供细粒度反馈。

针对在线自蒸馏（OPSD）随模型规模增大而失效的问题，研究者提出 OASIS，仅用最终答案标签、以经核验的在线轨迹为主要监督信号，并用模型自生成尝试替代参考解答作为教师上下文。

RIDE（RL-Induced Direction Extrapolation）将强化学习相对基座检查点的表征偏移作为方向，在每一层和每个 token 位置计算教师与其 RL 前检查点的残差，并把学生隐状态回归到沿该残差外推的目标上。

研究通过保留每个注意力头、层和查询中注意力权重最高的 token 并测量 NLL 增幅，估算语言模型维持损失容差所需的"有效注意力集合"大小。基于注意力的选择显著优于随机选择，扩展上下文会增大所需集合大小，而重归一化保留权重可大幅降低该规模。

HybridCUA 提出让计算机使用智能体（CUA）同时编排 GUI 与 CLI 的训练方案，先构建含 5K 混合轨迹与 3K 可验证 RLVR 任务的 HybridCUA-8K 数据集，再经监督微调加 CLI 感知奖励的强化学习两阶段训练。

针对在线策略蒸馏（OPD）中教师模型需监督学生生成前缀、但自身仅按自有策略前缀优化导致续写性能随前缀变长而下降的问题，研究者提出协同训练框架 SCOUT，通过带可验证奖励的强化学习定期优化教师对学生前缀的条件续写能力。在多种教师—学生配置、模型规模和推理领域上，SCOUT 均持续提升在线策略蒸馏效果。

MILO（Meta-evolutionary Island Orchestration）框架让 Agent harness 与搜索策略协同进化，在 Terminal-Bench 2.1、PaperBench 和 DeepSWE 上超越 8 个 SOTA harness 和 6 种搜索方法。

HiRAE 提出分层表示自编码器，按深度对编码器各层分组并学习对最深表示的残差修正，用分组范数上限约束修正幅度、浅层预算更紧。HiRAE-24 保持潜变量 token 数与通道维度不变，在 ImageNet-256 上将重建 FID 从 RAEv2 的 0.299 降至 0.209，并维持有竞争力的引导生成质量。