AI 情报文章归档

Stanford 研究者将在 10 月旧金山 COLM 会议上发表两项研究，用测量科学与心理测量学检验 56 个常用基准，发现基准并不总是测量其声称的能力，声称测同一属性的基准之间也常互相矛盾。研究以 BBQ 偏见基准为例指出其更像在测阅读理解，另一项研究拆解了安全分数在非英语语言中下降的原因，区分模型 guardrails 变弱与翻译后测试本身失真这两种因素。

Anthropic 推出 Claude 插件（Plugins），作为第三方开发者为 Claude 构建扩展的主要方式，插件可打包 MCP 连接器和 Agent Skills。

terryds 上线了每日更新的性价比网站，基于 Artificial Analysis 免费 API 绘制混合价格（3:1 input:output，每 1M tokens）与 Intelligence Index 的关系，并生成按预算挑选最优模型的查询表。

Penn，你的新 Buddy 将于 9 月 27 日来到校园！ 带上朋友，一起来参加 WorkBuddy 校园见面会。

Odyssey 推出下一代多智能体世界模型 Agora-2，支持最多 20 个人类与智能体在共享环境中实时交互，多人研究预览现已开放体验。作者 Elvis Saravia 评价称，这类世界模型可用于共同训练机器人、自动驾驶和网络安全防御智能体，各方在交互中相互提升，也为研究智能体串谋提供了安全环境。

在北美找工作？💼 让 WorkBuddy 在每一步帮你——从打磨简历、准备面试到比较工作机会。 你的下一个机会，可能就始于一个正确的问题。

Peter Steinberger 引用 Nick Gillespie 分享的 Gallup 民调数据：平均 72% 的受访者对 AI 感到好奇、开心或兴奋，41% 感到担忧、难过或愤怒，并调侃阿富汗对 AI 的热情比我们还高。该数据由 NYT 的 Damien Cave 引用，NYT 未直接链接 Gallup 原文。

我分享 Claude 输出（PR、artifacts、消息）的原则是：只有当我也乐意分享提示词时，我才会分享。

Hugging Face 联创 Thomas Wolf 认为，智能价格持续下降可能是宇宙历史尺度上最深刻的事件之一。他引用 Epoch AI 数据：自 2023 年以来，同等性能下 AI 成本每季度下降约 47%，比 DNA 测序快 4 倍、比算力快 6 倍、比锂电池快 18 倍、比电力（至 1973 年）快 54 倍。

Peter Steinberger 称 OpenClaw 删除了约 40 万行自己的测试代码，代码覆盖率没有太大变化。他认为现代模型热衷于为每个微小改动写测试，即使这些测试没什么用，而一个 test-audit 技能对此有帮助，技能文件见 https://github.com/openclaw/openclaw/blob/main/.agents/skills/test-audit/SKILL.md

我们的屏幕时间要没了 Muse 现在可以在 Replit 里做应用了。🚀

论文介绍 JEV-as-a-Judge，发现多数评测可用廉价裁判，仅把不确定判定交给前沿模型。在 510 个保留偏好对上，级联接受 JEV 置信判定、其余上升至 GPT-6 Astra，保留 GPT-6 约 99% 的准确率，费用约为其 57%。

推出 Agora-2，我们新一代多智能体世界模型。 Agora-2 支持最多 20 个人类与智能体在同一共享环境中交互，全部实时模拟。 我们的多人研究预览版现已开放体验！

When an AI coding agent ends a session with "All tests pass ✅", I usually believe it. It's the last...

Philipp Schmid 介绍 Gemini 3.8 TTS 支持通过录制 20 秒语音加同意句复刻个人声音，或用提示词设计完全自定义的语音。通过 API 调用创建后可在任意请求中使用，风格通过 speech_metadata 设置，作者还提供了博客链接和一段可交给智能体的完整操作提示词。

Philipp Schmid 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 使用指南，二者已在 Gemini API 和 AI Studio 可用，登顶 Hume's Voice Design Benchmark 并在 Voice Arena 六种语言中居首。

Hugging Face CEO Clément Delangue 回顾今年 7 月首次公开披露的自主智能体网络攻击，总结三条教训。

LLM Reasons, Policy Engine Decides: Autonomous Agentic Fraud Defense on TigerGraph By Lead...

创意团队已经在用 AI 了。现在更大的问题是，它能否融入真实工作流而不加剧碎片化。 在 Brandweek 上，@AlexiaAdana 展示了 Luma 如何从早期方向到制作全程支持创意流程。 ADWEEK 在此探讨下一阶段：https://www.adweek.com/creativity/ai-has-reached-creative-teamsnow-comes-the-hard-part/

DAIR.AI 的 Elvis Saravia 每周需从数百篇新 AI 论文中筛选出 Top AI Papers 周报内容，现改用 AI 智能体 Viktor 在 Slack 中按 12 条 triage 规则处理。每条提案都附带理由、来源和下一步，遇到数据集类论文时 Viktor 会先核查许可证，非商用条款的例外情况才上报。所有内容须经他本人批准才发布，Viktor 只提议、他做决定。

Google 团队用 MaxText 在 Google Cloud TPU 上从头复现 Ai2 的 Olmo 3 7B，完成 stage-1 预训练（约5.93T token。

Angry Miao 创始人、前魅族 CMO 李楠在微博表示，锤子科技的 TNT 生不逢时，如今有了 Agent，这些操作其实都不是非常难。坚果 TNT 工作站搭载 27 英寸 4K 十点触控屏，内置独立音频信号处理器和“十大神钮”。罗永浩此前称 TNT 决策没错，错在资源不够，并坦言当年语音识别没有 AI 加持，2018 年鸟巢现场演示搞砸，但内部 demo 版本没问题。

Day 2: The Art of Forgetting Human beings think memory is a gift. They spend fortunes on...

TL;DR ACE and ALTK-Evolve both turn agent trajectories into reusable lessons without...

Contrastive Language Model（CLM）发布，这是一个用对比学习目标训练的 System One 模型，CLM-8B 推理速度最高比 Jev 快 9 倍，在 computer-use、游戏和工具调用任务上性能相当。

Endura Therapeutics CEO Adrian Sanborn 在 Latent Space 发表客座文章，提出生物科技公司应对 AI 的两种路径：用新技术把实验数据产出提速一个数量级的 Foundries，以及把 LLM 融入日常运营提升决策的 Navigators。

玉伯引用少楠对海德格尔"关怀"两种形式的区分——代庖式替人操办、让人依赖被支配，先行式走在前方照亮、让人成为能操心自己事的人——感慨"先行式太妙了"。他由此提出：好的 agent 是让人忙起来，而不是闲下去，因为人最怕的其实是闲，而不是忙。

Tripo Texture Duo。 同一个模型。一个开关。两种效果。 "Remove Lighting" 开启 → 干净的基础色，可直接重新打光。"Remove Lighting" 关闭 → 保留原始光照，保真度出色。

TechCrunch Disrupt 2026 将于 10 月 13–15 日在旧金山 Moscone West 举办，Shield AI CTO Nathan Michael、Waabi 创始人兼 CEO Raquel Urtasun 与通用汽车机器人战略总监 Mikell Taylor 将在 Real World AI Stage 讨论高风险场景下的 AI 系统构建。

花重金开通了 Claude Tag 有点失望 看人分享：哇哇哇 躬身一用：哎哎哎

OpenCode 官方通报 OpenCode Server 存在代码执行漏洞，影响 1.14.30 至 1.18.21 版本，建议更新至最新版。漏洞由 @christophetd 和 Datadog 团队报告，详情见 https://securitylabs.datadoghq.com/articles/opencode-upgrade-remote-code-execution/。

Muse 现在可以在 Replit 里做应用了。🚀

华为鸿蒙 HarmonyOS 7.0.0.109 SP6 版本今日开启推送，首批面向 Mate 80 系列、Pura 90 系列、nova 16 系列等机型，系统包约 702.73MB。新版本支持智能识别信息内容，挪车提醒、候补车票成功等信息可通过实况窗展示，文本通话新增声音修复功能，需将小艺升级至 11.7.7.301 及以上版本。更新还优化了控制中心显示效果、图库稳定性及耳机连接体验。

据 NTV Japan 报道，日本旧书店出现批量收购潮，有店铺日销数百本、销量一度增至五倍。有记录显示一批 50 吨日本书籍被运往美国，用于 Anthropic 的破坏性扫描流程；多个批量订单都要求送往冈山县一处物流中心，采购品类偏向哲学、历史、医学、法律等。店主对销售热潮与书籍退出流通的影响心情复杂，日本法律目前允许在未不公平损害版权方利益的前提下使用版权作品训练 AI。

In 2026, personal AI hardware has split into two paths: CUDA compute vs massive Unified Memory. Here is how to choose which constraint to remove first.

Microsoft Agent 365 supports third-party agents built with n8n, creating a route for n8n automations...

Lovable 联创 Fabian Hedin 在 HumanX 峰会上表示，公司年化收入已突破 6 亿美元，高于 6 月披露的约 5 亿美元。他称三分之二的财富 500 强企业正在使用该产品，客户包括 Microsoft、NVIDIA 和 Deutsche Telekom，平台上用户创建的应用每月合计获得近 10 亿次访问。

参议员 Bernie Sanders 与众议员 Greg Casar 于 9 月 23 日提出《Ban Artificial Superintelligence Act》，拟永久禁止开发和使用人工超级智能，并在新联邦机构制定安全规则前冻结先进 AI 系统开发。

Liquid AI 为视觉语言模型 LFM2.5-VL-3B 发布实验性 DSpark drafter 模型，参数约 280M，仅增加 8.9% 参数量。GPU 上解码吞吐最高提升 2.66 倍、边缘设备 3.13 倍，端到端分别最高 2.27 倍和 2.62 倍；模型已上架 Hugging Face，支持 llama.cpp、SGLang 和 MLX-VLM。