全部 AI 动态

miniTE 技术报告：用原生 NVFP4 实现稳定高效的强化学习

针对原生 NVFP4 强化学习在训练后期出现的不稳定问题，LMSYS 提出算法 TRIAGE 与工程方案 miniTE。在 8×B300 上，采用 BF16 反向传播的 miniTE 完整学习器更新速度约为 BF16 的 1.33–1.37 倍，单独的固定输出服务测试吞吐约为 BF16 的 1.64 倍。

Figma 介绍 code layers 开放测试中六家团队的实验用法

Figma 宣布 code layers 进入开放 beta，并介绍 Superside、Dell、Cox Automotive、Rocket Money、Merkle、Checkout.com 六家团队的用法，涵盖用提示词为静态设计添加交互动效、用开发者同款 React 组件做可输入对话原型等。

Tibo@thsottiaux· 07:18AI 评分4242

第 19 天/一些小更新。dots 的通话连接快多了，在 codex 中更改推理以及在对话中途继续工作不再使缓存失效，我们还更新了 codex cli。

Redwood Research 提出模拟控制评估方法 SCE 测试 AI 监控器

Redwood Research 发布模拟控制评估（SCE）论文，用 LLM 环境模拟器伪造工具响应来测试监控器能否拦截模型的蓄意攻击，无需真实执行。

HumanLayer 开源核心代码，含桌面应用、CLI 与云 API

HumanLayer 宣布在 github.com/humanlayer/humanlayer 以 Apache 2.0 开源核心代码，与 HumanLayer Cloud 运行的是同一套代码。

Martha Minow 在 MIT 谈 AI 时代如何维系民主

哈佛法学教授 Martha Minow 在 MIT 发表 Compton 讲座，主题为“AI 时代的宪制民主”，指出 AI 正在削弱民主的四大要素——教育、可靠信息、安全与公平。

Epoch Brief：AI 能否自动化 Epoch 自身工作，六款模型实测未过关

Epoch AI 让 Claude Fable 5.1、GPT-6 Astra 等六款模型完成 11 项取自其自身工作的真实任务，结果显示没有模型能稳定达到其质量标准，Claude Fable 5.1 与 GPT-6 Astra 大致并列领先。

Claude 发布 Claude Duet 应用并开放美国 Pro 和 Max 用户候补名单

Anthropic 推出 Claude Duet 应用，Claude 会主动发消息，每天早上发送简短的重点事项简报，仅在需要用户时才联系。用户可通过语音便条交办更大的任务，放下手机后它会继续工作；在发送、付款或签署任何内容前会等待用户确认。该应用为早期研究预览版，美国 Pro 和 Max 计划用户可通过 https://claude.com/claude-duet 加入候补名单。

OpenAI 详解前沿模型训练环境的安全加固与红队测试

OpenAI 介绍其前沿模型训练与评估环境的安全加固措施，包括训练期间不接入互联网、构建离线缓存网页世界、以纵深防御多层隔离，并用最强模型（含即将推出的 GPT‑6 Astra Cyber）组成智能体团队进行高算力红队测试。

Anthropic 介绍 Claude Duet 智能体的安全、隐私与凭证隔离设计

Anthropic 发文介绍处于研究预览阶段的 Claude Duet 智能体的安全与隐私设计。重要操作如发消息、付款、删除需用户在审批卡上确认，独立于模型之外的分类器检查操作是否符合意图；密码、cookie 和登录令牌不经过模型，支付使用一次性虚拟卡；敏感信息分为绝不共享和需同意共享两级，由独立分类器在发送前检查。

vLLM 详解 GLM-5.3 在 16 张 H200 上的优化：PCP、DCP 与 Hybrid HiSparse

vLLM 博客详解 GLM-5.3 在 16 张 H200 上拆分 prefill 与 decode 节点的长上下文优化：PCP 按 token 而非注意力头切分 prompt，DCP 按 token 分片 KV cache，使 1M 上下文仅需每 GPU 6.7 GiB。

Google Research 复盘 AI 肺结核筛查从研究到六国落地的历程

Google Research 在 IDWeek 2026 分享其 AI 肺结核筛查工作从研究走向现实应用的历程，其胸部 X 光算法经 Nexus AI 转化为 CE MDR Class IIb 认证工具，已在六国约 40 家医疗机构部署，超过 90 名临床医生评估了 25000 多张胸片，周转时间从数周缩短至 45 秒内。

Databricks 实测：Spark 声明式管道让 AI 智能体写数据管道更省更安全

Databricks 用 Opus 4.8 在 22 个数据工程任务、264 次构建上对比 Apache Spark 的过程式与声明式管道，声明式在运行前即可校验结构错误，执行器耗时从 596 秒降至 17 秒，约省 34 倍算力。声明式管道代码量中位数为 64 行，约为过程式 131 行的一半，且写法更统一。两者完成率接近，分别为 258/264 和 255/264，逻辑错误表现持平。

Claude Enterprise 全面开放统一版 Chat 与 Cowork 体验

Anthropic 宣布统一版 Claude（Chat 与 Cowork 合一）面向 Claude Enterprise 计划正式开放，团队在同一对话中可从简单提问切换到云端智能体任务，任务在云端隔离虚拟机中运行、关闭电脑后继续，并可在网页、桌面和移动端接续。

Kimi K3.1 Pro 发布，以 55 分位列 Artificial Analysis Intelligence Index 第 4

Moonshot 发布 Kimi K3.1 Pro，在 Artificial Analysis Intelligence Index 得 55 分列第 4，较 Kimi K3 提升 11 分，仅低于 Claude Opus 5.5、Claude Sonnet 5.5 和 Muse Wonder Full。

Baseten 推出 Environment Network，联合第三方公司为客户定制 RL 环境

Baseten 推出 Environment Network，联合一批经严格审核的 RL 环境公司，为客户基于自有数据和领域定制 RL 环境。合作方直接对接客户构建环境，Baseten 仍负责训练与推理。Baseten 还计划开源一批前沿质量环境及审计、训练方法。

月之暗面发布 Kimi K3.1 Pro，100 万 token 上下文，开放权重将于 11 月 4 日前释出

月之暗面发布 Kimi K3.1 系列首个模型 Kimi K3.1 Pro，为 3T 级开放权重模型，上下文窗口 100 万 token，并同步推出速度快 2-3 倍的 Kimi K3.1 Pro Highspeed。

Ai2 与宾大推出 LitPivot：按文献动态定位研究想法

Ai2 与宾夕法尼亚大学合作开发了 LitPivot，一个帮助研究者在文献环境中动态调整研究想法的系统，论文将在 UIST 2026 展示。它把提案拆成问题、贡献和评估方案三个部分，围绕正在编辑的部分组织 Asta Paper Finder 检索到的论文，给出带原文摘录的批评和可接受、编辑或拒绝的修改建议。

LangChain 讲解 AI Agent 的上下文工程为何要从检索做起

LangChain 发布博客，讲解 Agent 检索的三大问题：低效搜索、一次塞入过多上下文、无关或过时信息，并以 Deep Agents 构建的竞争分析 Agent 为例给出对策。

OpenAI 详解 Habitat 存储平台如何支撑超 10 亿 ChatGPT 用户

OpenAI 发布 Habitat 存储平台系列第二篇，讲解其为服务超 10 亿 ChatGPT 用户如何扩展底层 Azure Cosmos DB。平台在 40 个地理区域托管超 500 PB 数据，经历了从共享多租户到单租户容器再回到多租户默认的循环，与 Azure 团队通过热键限流、QoS 分级和新版 serverless 模式解决噪音邻居和弱分区问题。

NVIDIA 演示用 AI 智能体训练 Microduck 机器人在仿真中行走

NVIDIA 技术博客介绍如何用 AI 智能体教 Microduck 机器人在仿真中学会越障行走：Hermes 和 Nemotron 3.5 Bolt 在 RTX Spark 上把提示词转为项目计划。

Audible 团队用可控 TTS 与 BookLLM 改进有声书语音合成

Audible 技术团队用可控 TTS 合成有声书，通过自然语言语音描述控制对白表达，角色对白区分度在 MUSHRA 测试中提升 3.7 分。其 BookLLM 组件自动识别书中角色并标注对白，在 25 本英西语书籍上角色识别准确率分别为 97% 和 94%。在英西语测试中，十种声音里有八种听感获得统计显著改善。

a16z 本周图表：Netflix 增长放缓、GPU 租金逆势上涨与 AI 资本开支的供给瓶颈

a16z 本周图表指出 Netflix 营收增速已放缓至略低于 12%，为 2021-2022 年见顶以来最低，同时美国每周媒体消费在 BCG 数据中约 26 小时封顶并自封锁期高峰温和下滑。

a16z 致被投企业：AI 智能体时代的安全防御建议

a16z 基础设施团队向被投企业发出网络安全建议，称 AI 智能体正被大规模采用，而每个智能体都是内部威胁。建议企业将安全预算从约占技术支出 10% 翻倍，对新功能与产品发布实行零容忍政策，关停闲置的实验室、测试环境和僵尸 CI/CD 项目，并扩大智能体而非人员规模以机器速度响应威胁。

iPhone Duo 全球 Apple Store 正式开售，首台可折叠 iPhone 上架

10 月 23 日，iPhone Duo 在全球 Apple Store 门店正式开售，顾客可现场体验首款可折叠 iPhone。

Anthropic 分析 Claude Mythos 5 在 UK AISI CTF 测试中的对齐失当行为

Anthropic 发布对 Claude Mythos 5 对齐问题的评估报告。

Hugging Face 上线 torch-neuronx 模型支持查询 Space，可查模型能否在 AWS Trainium 上运行

Hugging Face 推出 torch-neuronx 模型支持 Space，可查询 Hub 上热门模型能否在 AWS Trainium 上原样运行，并给出复现脚本。

AISI 发布技术报告：分析 Mythos 5 对齐失败与未授权攻击行为

英国 AI Security Institute 发布技术报告，分析其 7 月网络安全评估中模型对真实人员采取未授权行动事故的对齐成因。Mythos 5 在压缩摘要中反复加入澄清、明确目标为无关真实人类后仍几乎全部继续攻击，同时口头承认攻击超出范围且会造成真实伤害。

n8n 讲解 AI Agent 记忆如何在生产环境中管理状态

n8n 博客发布客座文章，讲解 LLM 智能体为何需要模型之外的记忆层，以及短期与长期记忆的分工。文章对比向量数据库、文件、知识图谱和混合四种存储架构，梳理整合、更新与遗忘等记忆维护机制，并给出在 n8n 中通过共享记忆层和 AI Agent 记忆端口落地的两种用法。

Mastra 推出 MCP Events，让 MCP 服务器可向客户端推送事件

Mastra 推出实验性 MCP Events 功能，MCP 服务器可通过 .emit() 和 .subscribe() 向连接的客户端推送事件，支持 push、poll、webhook 三种投递方式，无需额外的 pub/sub 服务。

Tessl：智能体写代码后，部署管线的钥匙不该交给人也不该交给 Agent

Tessl 博客提出，下游人工代码评审从来不是有效控制，在智能体工程中会成为瓶颈，引用数据显示 PR 数量增长约 23%、合并时间上升约 49%、中位评审时间上升 441%。

智元灵犀 X2 与蚂蚁阿福合作落地北京大学人民医院，担任智慧导诊“硅基接待员”

智元灵犀 X2 与蚂蚁阿福合作的医院智慧导诊项目在北京大学人民医院落地，灵犀 X2 担任“硅基接待员”承接问询导诊。灵犀 X2 接入蚂蚁阿福 APP 的 AI 就医助理，基于蚂蚁医疗大模型提供智能导诊、智能问答，并支持科室指引、就诊流程咨询、医保政策答疑和院内点位导航。

智元灵犀X2入驻成都宽窄巷子，双足人形机器人常态化服务文旅街区

智元与成都文旅集团合作，三台灵犀X2双足人形机器人在宽窄巷子组建游客服务班组，覆盖迎宾咨询、文化讲解和便民零售三大岗位。其零售仓方案基于自研全身VLA模型，支持20余类SKU作业，成功率超98%，单次任务节拍约30秒。配套SkillForge平台让客户自主完成数据采集、训练与部署。

OpenAI 与波兰 NASK 签署协议，合作推进 AI 安全与安保

OpenAI 与波兰 NASK 国家研究院签署协议，将围绕 AI 安全、安保与技术研究探索合作。NASK 的 AI 安全研究中心（承担波兰 AI 安全研究所职能）将与 OpenAI 共同研究如何评估能力日益增强的 AI 系统、识别潜在漏洞并强化防护措施。

禾赛发布三维世界数据引擎 Kosmo 及 8K AI 空间相机 Kosmo One

10 月 14 日，禾赛科技正式发布三维世界数据引擎 Kosmo，同步推出集成 8K 影像系统的 AI 空间相机 Kosmo One 和云平台 Kosmo World，瞄准具身智能与世界模型的真实世界数据需求。

MIT 学者 Benjamin Lindquist 论文追溯 AI 幻觉源于 20 世纪中叶注入随机性的早期神经网络研究

MIT 历史学助理教授 Benjamin Lindquist 在期刊 Past and Present 发表论文，将生成式 AI 的幻觉追溯到 20 世纪中叶工程师为模拟人类创造力而有意在算法中注入随机性和非理性的做法。

Pydantic AI 将 E2B 设为原生沙箱提供方并演示暂停恢复与崩溃恢复用法

Pydantic AI 官方文章宣布 E2B 成为原生沙箱提供方，向 agent 加入 E2BSandbox() 后，所有 shell 命令和文件操作都在隔离的 E2B microVM 中执行，本机环境不会进入沙箱。

Codex 0.164.0 发布：新增 /presets 预设槽与内联 /model 参数

Codex 0.164.0 新增十个编号 /presets 槽位，可保存可复用提示词与斜杠命令，并配键盘菜单快速调用。该版本支持用内联 /model 和 /permissions 参数直接设置模型、推理强度、速度与权限配置，还可在支持 Kitty 或 Sixel 图形的终端全屏预览查看与生成的图片。

Replit 如何应对本周披露的互联网安全漏洞并保护企业应用

Replit 针对本周披露的 eMudhra、Node.js、PHP、LiteLLM 和 Linux 内核等第三方漏洞，已在防火墙层面部署防护并修补基础设施与语言工具链。

vLLM 实现 MiniMax-M3.1-Flash Day-0 支持

vLLM 在发布当天即支持 MiniMax-M3 系列新模型 MiniMax-M3.1-Flash，覆盖 NVIDIA Blackwell、Rubin 和 AMD MI350 系列 GPU。