AI 情报文章归档

TypeSafe 决策模型 Jev 在封闭评分标准且证据随请求提供时，准确率与 LLM-as-a-Judge 持平，概率校准更好，成本仅为后者的 1/5、延迟为 1/10。

研究者提出 Complex KDA（CKDA），通过将单个 delta-rule 变换与通道门控提供的第二次反射结合，使 Kimi Delta Attention（KDA）无需提高更新秩即可实现 2D 旋转。

针对 Agent Harness 递归自我改进容易过拟合训练任务、在分布外基准上收益消失的问题，研究者提出 RRSI，通过时间退火预算约束候选编辑数量、用 critic 过滤基准特定提案、用 pruner 剔除过小或过贵改动。

EdgeGen 是一个合成任务生成框架，从 Agent 规范中提取合规规则，生成违反这些规则的、基于数据库的边缘案例任务，可与现有合成数据方法结合用于微调和 harness 优化，形成无需人工标注的全自动闭环。

Tomer Tunguz 撰文提出最新一波 AI 正在接管软件中的 if-then 判断原语，Jev 与 SemIf 这类专用决策器以数百毫秒返回结果，成本比传统生成式调用低约 76x 到 209x。作者在自己的 Agent 中替换了约四分之一的调用，在 98 条人工核验的生产邮件线程上，Jev 达到 80%、本地 SemIf 达到 82% 的分类准确率，高于生产模型的 47%。

WorldCrafter 是一个视频世界模型，通过可相机查询的隐式 3D 感知记忆，解决长时程与跨视角下难以保持历史观测一致的问题。其记忆编码器与姿态条件读取模块与视频生成器联合训练，在去噪前将历史观测压缩为固定数量的目标视角专属 token，无需显式深度对应。结合近期时序上下文与少步蒸馏，该模型可从单张图像或文本提示实现流式场景探索，在静态与动态场景中显著提升长时程一致性与相机控制精度。

研究者提出 CARE 框架，通过收集失败 rollout、建模分阶段失败后偏差分布，合成代表性失败状态与纠错示范，提升 VLA 策略偏离标称轨迹后的恢复能力。推理时 CARE 结合分阶段规划与物理落地的 3D 监控，触发原子级调整或重操作。

X-Planner 是一个面向具身推理的规划前端，用事件结构化方案同时解决监督与表示问题。其规划数据整合 Ego、UMI 与遥操作数据并按来源区分标注深度，模型侧共享 VLM 主干提供离散事件状态与经 Staircase Decoding 传递连续 CoT 状态的隐式接口两种规划形式。

V7 推出 V7 Go 智能体平台，通过 Context Graph 将企业文件转化为智能体可查询的记忆，其最难的图查询测试中 GPT-6 Astra 准确率达 89%。平台用 GPT-5.6 Luna 做结构化抽取、GPT-5.6 Terra 和 Sol 负责推理与工具调用，在 HERB 基准上检索系统比官方基线高 69%、不可答查询的幻觉减少 38%。

RULER 用实例感知评分标准为 SVG 生成提供强化学习奖励，无需配对 SVG 真值或人工偏好标注。它把每条指令转成覆盖语义、视觉、风格三个维度的六项评分标准，由 judge VLM 对渲染结果逐项打分，加权满意度经 GRPO 优化。

VideoGen-Agent 通过多任务智能体强化学习训练，让多模态智能体调用增强、生成、验证等外部工具完成视频生成。团队同时提出覆盖 600 条提示词的 VABench 基准，该智能体在其上把基础文生视频模型从 56.5 分提升 19.1 分至 75.6；仅升级生成工具、不额外训练智能体即可进一步升至 86.1，人类评审在 84.3% 的对比中更偏好升级后的配置。

vLLM 在 GB300 NVL72 集群上对 Qwen3.8-2.4T 做 PD 分离部署，8K/1K 负载下高吞吐场景达到每 GPU 5000 total token 吞吐，低延迟场景每用户 180 生成 token，并给出完整 pareto 前沿。

长鑫科技宣布第五代技术平台正式量产，每张晶圆产出较上一代提升 50% 以上，24GB LPDDR5X 全面进入国产主流旗舰手机。苹果 iOS 27 正式版支持中国大陆调休日，9 月 20 日首个调休日闹钟正常响起。小米 18 Pro 系列官宣 9 月 23 日发布，搭载 2nm 旗舰移动平台与徕卡双 2 亿影像。

曾运营npm五年的seldo发布长文，主张npm、PyPI、Docker Hub等软件包注册表对达到规模的企业按Docker模式收取供应订阅费，并将固定比例版税按依赖树权重自动分账给其代码进入付费客户依赖树的维护者。

藏语智能全国重点实验室研发的智达 AI 输入法正式发布，这是中国首款藏语多语言全模态 AI 输入法，覆盖手机、电脑等全终端，支持文字、语音、图像多模态输入。其语音输入覆盖卫藏、安多、康巴三大方言，词库涵盖 23 个学科术语，配套藏文字体集同步公开。发布会上还展示了智达大模型，共 9 个版本，参数规模覆盖 8 亿至 1000 亿，支持 56 种语言互译及图像、视频理解。

How We Could Build a Civilization We No Longer Know How to Rebuild For centuries, anyone could look...

AI 评测机构 Vals AI 在 Twitch 直播中对 OpenAI 模型 GPT-6 Astra 进行了 141 小时的《我的世界》长时自主游戏测试。GPT-6 Astra 展现出长周期规划能力，搭建半自动烈焰人农场收集 6 根烈焰棒、获得 3 颗末影珍珠；但营地遭苦力怕自爆炸毁储物箱与重生床后，AI 连续数小时只循环种土豆，对绿色物体高度警惕并误认甘蔗为苦力怕。

Disclosure: I'm the author of rebar, the open-source tool this post is about. It is alpha, and I'm...

Hey there, oji_ai_dev here. Working on AI agents and bots as a side hustle often brings a different...

The Invalid State of PR #48 The merge button was gray. Thirty cycles in, that was the only...

这篇评论文章认为前沿 AI 实验室夸大智能体失控风险，目的是游说美国政府授予反垄断豁免并遏制开源竞争。

英伟达 CEO 黄仁勋接受 CBS News 采访，称 2030 年是世界末日的可能性为 0%，AI 末日说法没有科学依据，吓唬人不负责任。此番言论回应前 Anthropic 研究员考克森关于超级智能开发拿人类生命做赌注的观点。他认为美国现有产品责任法和网络安全法律已足够，不需要额外立法监管 AI 开发商，并反对禁止美国芯片出口中国，称每家芯片公司都应走向全球市场竞争。

一位产品负责人分享自己处理几乎所有问题都遵循的六步框架：理解已有信息、补齐缺失信息、定义问题、定义清晰简单的解法、定义目标、带着紧迫感行动，并在获得新信息后反复回到第 3-5 步。他认为最常见的失败模式是没能清晰定义问题、没能给出清晰简单的解法，并称"我喜欢犯错"，因为犯错能帮助更快明确问题、找到正确解法。

日产 CEO 伊万・埃斯皮诺萨透露，第 14 代 Skyline（V38）轿车将于今年 12 月正式亮相，项目从立项到完成仅用 26 个月，比上一代 V37 的 55 个月缩短一半以上，得益于 AI 在设计、工程、测试和生产环节的广泛应用。新车采用后轮驱动和 FM 前中置平台，预计提供 6 速手动与 9 速自动变速箱，搭载 3.0 升涡轮增压 V6 发动机，并正在评估混合动力版本。

Most AI-in-product integrations fall into two camps, and both have a ceiling. A chatbot bolted onto...

贝索斯反驳AI将取代放射科医生和软件工程师的说法，认为AI会提升这些从业者的能力。他以挖地下室时有人递上推土机作比喻，称经济生产力将大幅提升，反而可能出现劳动力短缺。

哎呀。以前"快"可是件坏事 💅 Jev 现已面向所有人开放，无需等待名单。 在这里开始使用：https://console.typesafe.ai

When exploring large language models, you will often come across terms such as base model, chat model...

中国顶级的 AI Lab，在使用 Nvidia 芯片做训练，并且开始大量使用华为芯片做推理，是这样么？

Iterations in one early set ate about 350 000 tokens each. The only reason anyone could say that out loud is that every task carried an estimate and a recorded fact — estimate, status, incidents and budget on one thread, or the cost of a r…

On a Thursday afternoon a traveller published 178 trip reports at once. Two years on the road, Canada...

Baseten CEO Tuhin Srivastava（@tuhinone）刚抛出 2 个数字，展示 AI 推理增长有多快： Baseten 上的 token 用量同比增长 40 倍，而过去 12 个月收入增长约 10 倍。 ---- 来自 "Sources Podcast and Alex Heath"（@alexeheath）YouTube 频道，（完整视频链接见评论）

We're building FamiliaSync, an offline-first family organizer where all data stays encrypted on your...

KubeIntellect is an AI agent that runs kubectl against a live cluster, so its tools carry a role...

早在7月，有一份报告在网上引起广泛关注，称 Waymo 比纽约的营运车辆更危险。该分析后来被证明是错误的，更新后的报告发现 Waymo 要安全得多。好在他们用新数据做了更新，不过 https://www.openplans.org/how-for-hire-autonomous-vehicles-impact-nyc

这个周末你是怎么用 grok bot 的？分享你最好的技巧！

Generation got cheap. Trustworthy review did not. So we add reviewers. More eyes on the PR, more...

你无法阻止 MUSE MADNESS 【引用 @mignano】：两件事感觉不可避免： 1. Muse 2. Muse 对 Meta 的发展轨迹产生重大影响

Jev 现已向所有人开放。无需等待名单。在此开始使用：https://console.typesafe.ai

Ethan Mollick 主张把这一呼吁从经济学扩展到整个社会科学：AI 领域变化太快，不能等数十年才做出完美因果识别的论文，需要快速、前瞻、由 AI 能力深度支撑的研究。他引用 @alexolegimas 的观点指出，经济学界习惯追求干净识别，但当下更需要方法论可靠、方向多元的即时信号，例如多个独立团队得出「AI 暴露度高的初级岗位招聘放缓」这一相近结论。