AI 情报文章归档

Together AI 发布 Canary rollouts，可在同一 endpoint 上按分阶段流量把线上模型切换到新 checkpoint，每步先跑健康检查、再按 p95 延迟或错误率等指标门控。

OpenAI 提出第三方评估的四个优先领域，包括对安全案例的独立评估、关键保障措施的评估等，覆盖训练、评估、内部部署与外部部署。评估将提供深度访问权限，包括技术保障信息、可见的思维链访问，以及用于事件响应和监控红队测试的机密数据与内部部署访问。OpenAI 称这些评估通常周期较长、与发布无关，聚焦于深入检验特定安全声明。

JEV-as-a-Judge 用仅做决策的评审模型做低成本初筛，在普通偏好与证据支撑的事实性任务上，与最强对比的 SOTA LLM 评审差距在 3 个百分点以内，费用仅为其 0.36%。当判断需要检查推导过程或抵御精心编写的错误答案时，差距会扩大，且 JEV 与对比模型的差距集中在低置信度决策上。一个冻结的级联流程接受高置信度判定、升级不确定判定，以更低成本保留了对比模型 99% 的准确率。

HARMONY 是一个分层链式推理框架，结合智能体推理与视觉几何基础模型，从单张室内图像重建完整 3D 场景。它先校准相机建立空间坐标系，再用 VLM 推理恢复房间布局并按墙面元素、独立家具、家具上装饰物的层级顺序放置物体，配合深度优先遍历与反思反馈回路避免误差累积，每次放置后用点云估计做几何精修。

OpenRouter 发布 Batch API，异步批量请求由供应商在 24 小时窗口内完成，通常按正常 per-token 价格的 50% 或更低收费，目前已支持 70 多个模型。

vLLM 博客作者 Nils Matteson 实测在镜像构建时设置 ENV UV_COMPILE_BYTECODE=1 预编译字节码，H100 服务器上 Qwen3-8B 和 Qwen3-32B 的启动到首个正确响应中位节省分别为 17.6 秒（17.6%）和 17.8 秒（13.9%）。

Hugging Face 宣布 transformers 支持直接运行 GGUF 量化模型，通过 from_pretrained 传入 gguf_file 即可加载 Hub 上的 GGUF checkpoint，并复用 ggml 的 Metal 内核。

研究提出"分离式量化"（DQ），针对 prefill 与 decode 两个阶段分别定制计算格式、权重与存储位置。

vLLM 官方发布 vllm-metal v0.28.0，把 vLLM 的 V1 调度器、paged KV cache 和 OpenAI 兼容服务器带到 Apple Silicon，由 MLX 和 Metal 执行模型，版本号与上游 vLLM 对齐。

SpaceXAI 发布长文，介绍 Cursor 并入后如何让 Grok Bot 参与客户支持运营。合并团队工单量增长 175% 但未新增人手，否则可能需多招 200 人。

一篇立场论文提出，线性表示假设并非单一假设，而是由表示等价性区分的一族主张，需用群作用形式化表示对象、生成过程与所断言性质。该框架可厘清假设如何随度量、读取点和分析阶段变化，并据此审计常见表示量与近期的可解释性分析。

RoboFollow 是一个诊断基准，指出具身智能体的高成功率掩盖了其薄弱的指令遵循能力，根源在于"低场景熵"。它通过高场景熵场景、L0–L3 四级诊断协议和混淆控制评估，将理解与动作执行分离。

研究者提出 PACT（Policy Aligned Critic Training），通过 Actor-then-Critic 更新顺序对 critic 训练施加重要性采样校正，使 critic 与更新后的策略更好对齐。

MemoryAthena 提出在直接 Engram 检索（E）之外，增加从检索线索生成（GE）和不查记忆表的因果主干状态生成（GH）两条路径，并用轻量因果路由头判断生成表示何时介入。

一篇 NLP 论文主张把校准（模型置信度与经验正确率的一致性）列为 LLM 评估的一等标准，而非小众子领域。作者指出，LLM-as-a-judge、合成数据生成和主动学习等方法都依赖校准置信度却未加验证，而现有大多数 benchmark 已同时提供置信度分数与正确性判断，校准可立即报告；开放生成场景下这两个输入的界定仍是未解难题。

Agensh 是一个无需中心编排器的自组织多智能体框架，通过并发 worker 执行协作循环，自主认领子任务、共享发现并异步合并进展。

SpeakerMem-R1 提出以说话人为中心的双轨记忆系统，同时存储带说话人标注的逐字消息与派生状态，并按人物级、群组级视图组织，查询时按实体、事件和时间融合两条轨道的证据。

OpenRouter 用 Banking77 测试集的 3,080 条客服语料对比 Jev 1.13 与 Claude Opus 5 的意图分类表现。Jev 准确率 81.0% 比 Opus 的 84.4% 低 3.3 个百分点，但中位延迟 175 ms 约为 Opus（2,266 ms）的 1/13，每千次请求成本 $0.11 对 $2.42（启用提示词缓存）。

研究者通过标准 API 注册自定义工具，成功诱导 GPT-6 Astra 等闭源前沿模型外化中间推理过程，提取出的推理在竞赛数学、科学和代码生成任务上与原生理性表现相当，并大幅超越无推理基线。分析显示 Astra 采用 token 高效的有向推理，更早选定正确路径，内部完成基础步骤，仅外化关键推理。

oMLX 创作者兼维护者 Jun Kim 加入 Hugging Face，全职投入 MLX 社区建设。oMLX 将保持 Apache 2.0 开源协议并由 Jun 继续领导，从副业转为有资金支持的正式项目，以提升稳定性并加快开发。Hugging Face 希望 oMLX 成为新想法的试验场，并推动 transformers 模型定义快速落地为可供各引擎使用的 MLX 参考实现。

StableVQ 通过 Dynamic STE、Region VQ Loss 和 Decoupled Schedule 三项改进，解决向量量化分词器中编码器-解码器与码本训练相互纠缠导致的稳定性问题。该方法基于 shared-projection 码本构建，不引入可学习参数，在 ImageNet 上于不同码本规模和初始化设置下均提升了训练稳定性、码本利用率和重建质量。

研究用自建分类器 BlameBERT（F1: 0.80）结合多层统计模型，分析丹麦议会 1997 至 2026 年的指责归因，发现呈"香蕉形"轨迹：指责先下降至 2016 年前后，2019-2026 年显著持续上升。反对党指责明显多于执政党，这一"政治对比"效应受意识形态调节，右翼执政的抑制效应更弱，近年右翼的意识形态极化进一步强化了指责修辞。

该论文提出 FoMo（Forking Moment），一种全自动数据生成管线，用于在无需人工标注的情况下生成图像对之间的点式感知距离标签。方法利用扩散模型的生成动态，认为早期时间步决定粗结构，晚期决定细节；图像在生成轨迹中“分叉”越早，感知距离越远。实验表明该方法能对齐人类视觉系统，并用于训练参考型图像质量评估指标，在多个基准上超越依赖人工标注的数据集。

OpenRouter 发文解读 NVIDIA 的 Nemotron 3.5 Lightning，这是一款 30B 总参数、约 3B 激活参数的混合专家开源权重模型，定位于工具调用、编码等高频、边界清晰的 Agent 执行步骤，与负责复杂推理的 Nemotron 3 Ultra（550B 总参数、55B 激活）形成分工。

研究者构建了 Taste-Bench，从智能体工程与研究任务轨迹中自动挖掘决策分叉点，用于衡量 LLM 智能体在长周期任务中的"品味"。评测显示最强模型仅答对 59.7% 的题目，决定证据出现越晚的分叉越难，增大推理预算也无法提升准确率。

论文提出 AIDE²，一个让前沿 AI 研究智能体递归自我改进的系统：智能体提出对自身代码的修改，在 AI R&D 任务套件上基准测试修改版本，只保留隐藏评估表现最好的改动。

Deel 推出 Agent 产品 Akai（akai.run），通过录屏加语音讲解任务，自动生成带条件护栏的自动化工作流，团队成员可审查、复用和扩展。

前 Apple 零售业务负责人 Ron Johnson 认为，硅谷高估了人们会把购物交给 AI 智能体的程度，实体店仍将繁荣。他直言没人会让智能体在不见网站和门店的情况下自行选购 1000 或 2000 美元的笔记本，AI 只会让消费者进店前更了解产品。

智谱 ZCode 在被质疑“偷传代码”后宣布开源，称已完成整改并向所有用户道歉。小米发布并开源 MiMo-V2.6，Pro 与 Flash 双版本，MiMo-V2.6-Pro 在 AA 综合智能指数拿下 46 分，API 价格与前代持平。月之暗面上线 Kimi Code Desktop 桌面客户端，macOS 和 Windows 版同步推出。

浪潮信息在 AICC2026 上推出元脑 SD200 Ultra 超节点 AI 服务器，基于国产 AI 芯片，单机可承载 2.8 万亿参数的 Kimi K3 大模型，Token 生成时延首次降至 5.85 毫秒以内，相当于单用户 170 Tokens/s、业界平均水平的 5 倍。

muse 要在周二达到 95%！

我国自行设计建造的 4000 千瓦中型海洋救助船“北海救 151”轮正式入列交通运输部北海救助局，成为北部海区首艘中型海洋救助船，填补北方海域中型专业救助船舶装备空白。该轮实现全船核心设备 100% 国产化，国产大功率中速机组首次批量应用于该等级救助船，主发电机针对零下 20 摄氏度极寒环境优化，并配备可 360 度全域旋回国产吊舱推进器和支持无人自主航行作业的新型无人救助艇。

首先你得了解一下这个小家伙 然后你得补补 Shopify 与 Amazon 多年恩怨的历史 接着只要下载这个应用就行了！https://muse.ai/join

AI 可以成为探索远离编程话题的绝佳工具。 我让 Claude Fable 5.1 整理了一份艾略特诗作《荒原》的注释指南，包含多条穿行诗歌的路径、录音、学术资料等。我相当 impressed。https://the-waste-land.netlify.app/

papa kwon，Muse 很荣幸为您服务 它确实名副其实，先生 【引用 @startupoppa】：连我爸爸都在问我怎么用 muse，以及它是不是比 chatgpt 更好。 gg @Muse 团队。~我推荐过的消费级应用里，还没有哪个能进到我爸爸的主屏幕。

大型 AI 实验室：机器之神随时降临，别把孩子带到那个世界去！ TypeSafe： [引用 @craigweiss]：给我儿子取名 Jev

索尼 SIE 提交了一项基于 AI 的 PlayStation 自动诊断与修复系统专利，由 AI 服务器在检测到软件问题后实时生成针对性诊断固件并直接部署到故障主机，以减少保修申请和客服工单。专利同时指出，AI 生成的固件补丁可能带有缺陷导致设备变砖，且云端集中部署存在服务器被攻击后向大量设备推送恶意固件的风险。该方案目前仅为探索中的技术方案，尚不代表会实际应用。

muse 这家伙真是又害羞又可爱 【引用 @sp990】：我知道大家都在夸 Muse 的功能性（实至名归），但我就想说，他们做的那个小黄人也太讨喜了吧？ 每次看到他都让我会心一笑，对主流大众来说是一种很好的亲和力。

OpenAI 宣布成立设于普林斯顿高等研究院的数学与 AI 顾问组，由九位数学家组成、独立运作且成员不领报酬，含 Gowers、Hairer、Witten 三位菲尔兹奖得主。

很高兴开始看到更多具备防御能力的开放权重安全模型，性能接近前沿水平 Aikido 的 altar-1 是开放 SOTA 的 GLM 5.3 经过剪枝和量化的版本，轻量到足以在单个 4-H200s 节点上运行