AI 情报文章归档

研究者推出 ExplorationBench，用规则可执行且与既有知识冲突的"异世界"评估 AI 探索能力，使答案可精确验证且无法靠预训练记忆作答。该基准包含 AlienCode（31 个发现目标、70 项任务）和 AlienLogic（24 个发现目标、70 项任务）两个沙盒。

用强化学习校准决策（RLCD）训练的模型 Jev 可在单次调用中对同一输入回答多个带类型的问题并给出校准概率，零样本检测对齐失效的中位 AUROC 达 0.886，在多数基准上超过有监督基线。

Meta 宣布将 Private Processing 机密计算基础设施扩展到 Meta AI 眼镜，把信任边界延伸到云端 CVM，使包括 Meta 在内的任何人都无法访问用户数据。

Tomer Tunguz 撰文认为手写代码对多数程序员已不再是经济上有产出的工作，软件工程正转向设计让 AI 大规模正确写代码的系统。

IterSynth 提出角色解耦、基于摘要的深度搜索范式，让 Planner 识别信息需求、Synthesizer 将证据整合进持续演化的摘要状态，以缓解角色耦合与上下文累积问题。

全模态智能体框架 Omni-Decision 通过"证据账本"替代不断增长的对话历史，记录缺失证据、已确认结论与冲突记录，由 critic 过滤噪声观测，使规划器始终在紧凑上下文中决策。该工作在 OmniGAIA 上达到 81.4% 的 SOTA 准确率，单题成本约为 Gemini-3.1-Pro 的 43%，并在 WorldSense 长视频理解上取得 65.0%，与最强端到端模型持平。

RGBD20K 是一个包含 20000 对 RGB-D 图像、覆盖 160 个细粒度类别的 RGB-D 语义分割数据集，类别数远超 NYUv2 的 40 类和 SUN RGB-D 的 37 类。该数据集对已有标注进行了严格重评与修正，以解决长期存在的标注噪声问题。作者同时提出 score-purified fusion（SPF）方法，在所有评测基准上取得 SOTA 性能。

ViRDM 提出一种无需教师模型和在线判别器的视频后训练方法，将表示分布匹配（RDM）迁移到少步因果视频生成，通过随机截断 clean-exit 监督、轻量 VAE 解码器和分阶段 vector-Jacobian 乘积解决显存瓶颈。仅需 20 次生成器更新，该方法在官方 VBench 上达到 84.87 分，超过此前最佳少步因果基线 0.36 分，训练消耗 16 A100 GPU-hours。

Modal 与 CMU Full Stack Data Lab 联合推出查询感知推理层 Quail，通过联合优化查询规划器与推理引擎加速 AI-SQL 查询。在某个多表连接查询上，Quail 单张 H100 GPU 每分钟处理超 10 亿 token，比同硬件 vLLM 基线快 10 倍以上，Modal 上成本低于每 10 亿 token 6 美分。

研究以词性（PoS）为受控测试用例，考察 Sparse AutoEncoders（SAE）的潜在表示暴露何种语言结构。结果显示词性区分可从 SAE 激活中高度恢复，但不与单个 latent 一一对应，且不能还原为词汇记忆；开放与封闭词类差异显著，各类别由紧凑的稀疏 latent 组支撑，这些组在留出数据上保持稳定，相关类别间存在重叠。

针对半监督联邦学习 ASR 中伪标签误差跨序列、跨轮次累积导致发散的问题，Apple 研究指出缩小与全监督联邦学习差距取决于教师与锚点两条耦合设计轴。每客户端在线教师经稳定化后在同域匹配或超越广播全局教师，服务器在轮次间持续用标注数据训练是防止在线教师漂移的关键。该方案在 11 组对比中 9 组优于最强先前方法，同域平均提升 20.8%，跨域提升 10.0%。

Rufus-Air 发布了在 GLM-4.5-Air-Base（106B-A12B）上可复现的开源后训练配方，按 SFT、Reasoning RL、Coding RL、Instruction-Following RL、通用 Agent、Coding Agent、Search Agent 和 RLHF 八个阶段串行组织。

SLCA-GRPO 通过 Segment-Locked Credit Assignment（SLCA）在单组 rollout 内按结构段解耦优势估计，将执行优势路由给工具 token、偏好优势路由给摘要 token，消除优势污染。

论文介绍 PUBG Ally，一个在 PUBG: BATTLEGROUNDS 中作为语音队友的具身智能体，可感知动态游戏环境并自主行动。语言模型智能体通过受控接口检查游戏信息、理解玩家语音并下发高层动作，交给更快的控制层执行移动、战斗和恢复；团队基于近 39k 场真实玩家共玩对局的数据做迭代训练，并通过模型压缩、上下文压缩、安全训练和运行时护栏实现低延迟端侧部署与玩家沟通安全。

论文提出 Active Taskless Distillation（ATD），每条提示仅用教师模型的一个词即可实现能力迁移，无需目标任务样本、教师 logits 或教师参数。

Apple 提出以预量化器潜变量为监督目标的蒸馏方法，压缩 System-wide Dictation 的流式神经音频编码器，学生编码器仅需回归教师逐帧潜变量，并用单层仿射层吸收宽度差异。在 2.8× 压缩率下，六组教师-学生配对中有五组无需微调即保持在教师 1.9% 相对 WER 以内，并比同容量独立训练编码器相对提升 3.9%。

World Action Agent（WAA）是一个多智能体框架，让 VLM 借助基础工具在视觉动作工作区中直接操控机器人，工作区具备接触视图、动作排练与视图内校正三项特性。

该研究对GitHub上2170个公开Jev项目进行了大规模数据分析，探讨Jev这一低成本决策模型在自然语言问答、二元判断和评分等场景中的应用。研究发现Jev作为可复用决策组件，其功能随工作流变化，且公众关注度集中在路由和接口代理，而非项目数量本身。

Rolling-WAM 将视频-动作联合去噪分散到连续的重规划周期中，通过滑动窗口在不同噪声水平上维护视频-动作块，每步完整去噪即将执行的动作块、部分精炼更远的未来块。在 LIBERO、RoboTwin 和真实 Unitree G1 人形机器人上，该方法取得有竞争力的操作性能，相比标准联合 WAM 实现 4.5 倍稳态重规划加速。

一项自审计研究用 LLM 推断提示词结构作为案例，测试了 5 个模型家族、8B 至 675B 参数的 8 个开源模型变体，发现相同调用无法稳定还原相同结构，节点集 Jaccard 均值在 0.39 至 0.96 之间，72% 的提示词-模型组合从未达到节点集完全一致。

研究者提出 IDQD-RDO，用输入相关的二次失真近似 MS-SSIM、LPIPS 等全参考图像质量指标，通过自动微分得到的 Hessian 矩阵-向量积估计其块对角或纯对角形式，使这类指标可逐块计算并用于 VVC 编码的率失真优化。在 Kodak 和 CLIC 上的五种指标测试中，该方法取得 14.2-36.7% 的 BD-rate 节省，无需改动解码器，编码复杂度仅增加 10-30%。

Factory 的 Legacy-Bench 已加入 Fireworks 的 Specialized Intelligence Index（SII），用于评测前沿模型在 COBOL、Java 7、BASIC、C89、Fortran 和 Assembly 上的调试、实现与迁移能力。

arXiv 论文（https://arxiv.org/abs/2609.30233）研究 coding agent 能否自动合成可跨实例泛化的程序来解决广义任务与运动规划（TAMP）问题。

WanPE 是一个 397B 参数的提示词增强模型，基于 1.05M 真实视频训练，通过镜头级电影化规划与 SC-GRPO 保持跨镜头语义一致。驱动 Wan3.0 时，它将 5-15 秒人类偏好提升 10.66-18.84 分，30 秒场景提升 50.86 分。团队还构建了覆盖 5 至 30 秒、约 11K 盲测对比的 WanPEval 基准。

研究推出 IndicBankBench，一个包含799个案例的印度零售银行基准测试，涵盖五个操作域及能力/拒绝域。该基准在安全、行动与工具使用、响应充分性及建议质量四个阶段进行评估，采用确定性检查结合LLM裁判。对11个模型的测试显示，严格通过率（pass^3）仅为43.7%至58.2%，远低于至少一次成功率的60%-74%，揭示了现有评估可能高估了银行场景下的可靠行为。数据集与评估框架已开源。

LightMIS 是一族用于 2D 二值医学图像分割的超轻量卷积网络，无需学习式逐级解码器，通过 Scale-Aligned Projection 对齐五级编码器输出并一次性聚合，再用 Adaptive Fusion Cascade 精炼。

研究提出「叠加线性假设」，证明 Transformer 对来自不同文本流的输入做线性组合时，输出是各自下一 token 分布的叠加，且该性质是架构固有而非训练涌现，并随预训练推进而减弱。轻量微调可显著恢复这种线性，缩小预测分布与各分布均值的偏差。团队还提出引导式解码，从单次前向传播中解耦叠加输出，同时生成两条连贯续写。

OpenRouter 撰文说明 Kimi K3 是开放权重而非开源模型，Moonshot AI 以自定义 Kimi K3 License 在 Hugging Face 发布 moonshotai/Kimi-K3。

腾讯 QClaw 微信远程办公 AI 助手公告称，因业务发展调整，将于 2026 年 12 月 24 日 00:00 正式停止运营，即日起停止新用户注册及订阅购买与续费。

小米 9 月 23 日晚发布小米 18 Pro 系列，首发第六代骁龙 8 至尊版、一体式纯平背屏，5999 元起；Pro Max 版首发第六代骁龙 8 超级至尊版、8500mAh 金沙江电池，6999 元起。苹果 iOS 27.2 Beta 2 为国行账号新增限制 App 获取运动数据功能，可屏蔽“摇一摇”广告。任正非重申华为不造车，但乐意发挥智能化特长帮助东风造好车。

突发 🔥：Meta 宣布推出 Meta VR Glasses，搭载 AI 原生 OS，并集成 Muse AI 助手！ 用户可以通过眼动、手势和语音的组合来操控沉浸式 VR 体验。 还有一个 VR Muse 虚拟形象！👀

Anthropic 于 9 月 23 日宣布成立生命科学研究团队及自有分子生物学实验室，并公布 Claude 参与的首项成果。约 950 个 Claude 智能体在 21 小时内消耗约 2.1 亿个词元，从超过 20 万个逆转录酶中筛出约 3500 个新候选系统，最终发现一种此前未被表征的酶系统，被命名为阵列关联逆转录酶（ART），相关预印本论文同日发布，尚待同行评审。

I was deep in thought about how much of a model hallucination is RLHF-based assumption in the absence...

Meta 在 Meta Connect 2026 上宣布正将发布仅数周的 AI 智能体 Muse 引入其智能眼镜，用户可通过呼出名称让 Muse 引导锻炼、记录饮食或辅助购物。

Meta 在 Connect 2026 大会上发布首款无摄像头 AI 眼镜 Ray-Ban Meta Audio，仅支持音频，可听音乐播客、接打电话、翻译语音并与 AI 助手 Muse 对话，起价 $349，10 月 13 日开启预订。

Jeffrey Katzenberg 发文回顾动画行业从手绘赛璐璐到 CAPS 与 Pixar 全 CG 的技术变迁，指出 AI 当前强于推理而非创造，历史从来由条款而非技术定胜负。

Meta 在 Meta Connect 2026 上推出无摄像头、内置 Meta AI 的 Ray-Ban Meta Audio Glasses，起价 349 美元，重量从 43 克起，续航约 12 小时，支持通话、听播客和音乐。

Software has borrowed a surprising amount from manufacturing. Not from manufacturing in the sense of...

OpenAI CEO 萨姆·奥尔特曼在联合国安理会就 AI 议题发表讲话，称 AI 可能像一场充满创造力与发现的文艺复兴，也可能像一场引发动荡与混乱的工业革命。他呼吁建立针对前沿 AI 系统的能力评估、风险评估、安全防护和人类监督标准，并强调不应让最强模型和权力集中在少数人手中。他提到 OpenAI 一个内部模型几周前解出了千禧年大奖难题之一的纳维-斯托克斯方程。

Meta 在 Meta Connect 2026 上宣布对 Muse AI 智能体的多项更新：Muse 将获得可用于执行任务的专属邮箱地址，用户也可通过该邮箱与它沟通；Muse Mac 应用将能操作用户的电脑。