标准 SFT 通常只对智能体产生的动作 token 计算损失，把环境观测仅当作上下文；ActObs 额外监督轨迹中已有的观测 token，在不增加数据、参数、序列 token 或前向次数的情况下，改变后续 GRPO 的探索行为，并在部分基准上提高 pass@k、保留更高熵、减少策略漂移。
值得关注：本条关注的是基础模型训练目标层面的问题：SFT 是否应该掩蔽环境观测。与已有相关卡片相比，它不重复 SENTINEL-RL 的智能体架构卸载、SovereignPA-Bench 的用户主权评估，或验证孪生网络阈值方法；…
据摘要，Deep Noir 用 Logit Lens 收敛与因果头级归因自动发现激活引导（activation steering）的最优干预参数，在 spam 与 SST-2 情感任务上跨模型规模取得提升，并发现引导强度越大，可预测的提示注入攻击面越脆弱。
值得关注：将激活引导从人工试错推进到由机制可解释性信号驱动的自动发现。 提供跨模型规模与架构的量化增益，尤其 7-9B 范围报告了更高增益区间。 揭示控制手段的外部性：steering magnitude 与 prompt in…
SafeHarness 通过两个障碍感知 harness，让编码智能体在机器人操作中把“不得触碰障碍”从提示词约束转化为规划与接触执行中的优先级，报告达到 71.9% 任务成功率和 87.5% 避碰率。
值得关注：这条材料的重要性在于把 LLM 编码智能体的能力问题推进到具身安全约束问题：任务完成率不等于安全，提示词里的禁止条款也不等于规划中的优先级。失败归因尤其关键：感知和指令不是主要问题，规划没有把约束当作目标才是问题。
据论文摘要，当前 4D 基础模型虽能感知和重建动态环境，但只能维持短期一致性；一旦物体离开视野，记忆会显著退化。PersistBench 用 360° 视频作为“全知真值”，从 object permanence、motion continuity、appearance preservation 三个方面评估视觉记忆。
值得关注：这项工作的重点不是继续提升像素级重建或短时一致性，而是把评估推进到“物体离开视野后是否仍被记住”。这为 4D 基础模型提供了更贴近视觉记忆的评测维度，也暴露了当前模型在持久对象表示和跨视角记忆上的短板。
一项摘要级材料显示，在固定执行循环的轻量级编码 harness 中，上下文管理、规划与动作空间三个组件的作用是条件依赖的：上下文管理的价值随上下文预算收紧而上升，规划从弱模型的“准确率脚手架”变为强模型的“成本节约器”，而预定义工具只对 bash 能力较弱的模型有明显帮助。以上结论尚未经全文核实。
值得关注：它把“harness 好不好”这一整体问题拆成可分别检验的组件问题，为模型感知（model-aware）与预算感知（budget-aware）的 harness 设计提供了初步经验依据，也为后续组件评估给出一个模块化框…
Agile-WAM 是一种面向接触丰富机器人控制的敏捷触觉世界动作模型：摘要称其将视觉与触觉观测编码到共享潜空间，通过直接的 vision-tactile-to-action flow-matching 联合生成动作块与未来视觉/触觉潜表征，并在九个仿真和五个真实接触丰富操作任务中超过最强基线，真实实验总体成功率相对提升 29.4%，推理延迟 11.9 m…
值得关注：传统视运动策略主要依赖视觉；Agile-WAM 把触觉纳入世界动作模型，直接针对接触瞬间的物理动力学。 它强调“视觉变化较慢、触觉变化较快”的多时间尺度建模，可能比统一时间尺度预测更适合接触丰富任务。 低推理延迟指标 …
阶跃星辰发布 StepAudio 3 系列，包含 Realtime、ASR、TTS、Gen、Music 五款模型；材料称其在 Artificial Analysis 等语音相关榜单中多项位列第一或并列第一。
值得关注：本条可作为 benchmark-evaluation 主题下的新案例：语音/音频模型开始以多榜单、多指标方式呈现能力竞争。与已有 AA-Briefcase 卡片同属 Artificial Analysis 评估脉络，但…
Arena（Research Arena Team）于 2026 年 9 月 16 日发布题为 “HarnessTax: How Much Does the Harness Matter for Coding Agents?” 的文章，从标题判断其关注点是：在编码智能体（coding agents）中，智能体框架/harness 本身对最终表现的贡献与代价…
值得关注：编码智能体正从“模型即产品”转向“模型 + harness（工具调用、上下文管理、重试与验证循环）即产品”，harness 成为可比较、可优化的独立变量。 对评测而言，若 harness 差异足以显著改变结论，那么只看…
据量子位 2026-09-16 报道，紫东太初开源约 9B 的通用多模态模型 ZDTaichu5.0-9B，宣称在九项空间理解基准中八项第一，并以数据管线、自适应循环推理和内外循环协同兼顾空间具身与通用能力；榜单与演示效果尚待独立复现。
值得关注：如果报道属实，它把“空间理解—具身规划—通用多模态”放在同一 9B 开源模型内，可能降低物理世界 AI 应用的门槛。 开源权重与数据管线方案，可能让企业把研发精力更多放在任务定义、适配和评测上。 与已有卡片无直接延续关…
据腾讯研究院 AI 速递转述，OpenAI 数学家称 Astra 在球堆积线性规划界的最优渐近行为与首个非 Sofic 群反例上取得证明进展；他们认为该模型优势在于知识广博、执行细节可靠、能持续更新路径成功率并剪枝，且 AI 证明往往简短漂亮。上述结果与判断尚需原始论文、独立验证与官方信息核实。
值得关注：它把讨论从“AI 能否做题”推进到“AI 能否提出并组织高难度数学证明”，涉及科研人机分工、证明审美、验证成本与数学解释价值。 与既有卡片中 NIST AI RMF、Epoch AI 出版物趋势、OpenRouter …
据腾讯研究院AI速递 20260916，苹果推送 iOS 27 正式版，核心是 Apple Intelligence 加持的新一代 Siri 可读取屏幕上下文并跨应用执行复合指令，手机助手进一步向系统级 Agent 方向演进；但国行版相关功能暂未开放，实际可用范围与时间待核实。
值得关注：移动操作系统是 AI 助手最大入口之一；跨应用执行能力是助手从“回答”走向“办事”的关键。 若该能力向开发者开放或影响应用调用路径，可能改变应用被发现、调用和交互的方式；具体 API、权限和生态规则待核实。 与既有卡片…
OpenAI 发布了一篇题为 “How to connect AI usage to business value” 的材料，主题是用 ChatGPT Work 与 Codex 的分析能力，帮助团队了解 AI 使用情况与支出、识别培训需求，并把采用情况与业务成果联系起来；由于正文未能抓取，以下内容仅为基于元数据的草稿，具体论述与数据**待核实**。
值得关注：企业 AI 采购进入“要算账”的阶段：预算审批与续约越来越依赖用量、成本与产出的可解释链路。 分析层能力（usage / spend / training needs）若真能打通到业务指标，会影响 CIO、CTO 与财…
NVIDIA 技术博客称，Groq 3 LPX 通过确定性、周期精确的执行调度，让编译器提前预测电流需求，并用 Preemptive Power（PEP）与 Clock Period Synthesis（CPS）降低电压跌落和电压裕量，从而在 Vera Rubin NVL72 平台上提升高交互、长上下文推理的每瓦性能；页面 AI 摘要还称其与 Vera R…
值得关注：对 AI 工厂而言，电力是定义性约束；每瓦性能直接影响同一站点可部署多少 GPU、服务多少并发用户、产生多少 token。文章把 PEP/CPS、DSX MaxLPS、Intelligent Power Smoothi…
据可获取的元数据，OpenAI 与美国退休人员协会（AARP）合作，在美国 10 座城市为 1,000 名老年人提供免费的 ChatGPT 动手实践工作坊，目标是帮助他们安全地建立实用 AI 技能；由于正文未能抓取，具体安排与成效均待核实。
值得关注：人口结构层面：老年人是生成式 AI 普及率相对较低、但潜在需求明确的人群（此判断为一般性背景，材料内未提供数据，具体数据待核实）。 安全层面：元数据中的“safely”提示该项目的重点不仅是会用，还包括风险识别与安全边…
NVIDIA 技术博客指出，Dense 模型每个 token 激活全部参数，MoE 模型通过路由只激活部分专家参数，从而把显存成本（总参数）与每 token 计算成本（活跃参数）解耦；实际选型取决于显存预算、并发需求、微调计划与量化行为，而不只是参数总量。
值得关注：模型选型不应只看参数量：总参数影响显存，活跃参数影响每 token 计算，瓶颈可能完全不同。 MoE 把“能力/显存”与“每 token 计算”拆开，使推理服务在吞吐、成本、延迟和显存之间出现新的权衡。 微调与量化策略…
2026年9月16日，Cohere宣布与Aleph Alpha签署最终业务合并协议，计划以Cohere品牌全球运营，形成材料所称的“首个跨大西洋主权AI解决方案”；交易仍需最终监管批准。
值得关注：对政府、国防、公共服务和受监管行业而言，AI采购越来越强调数据主权、合规、可审计和运营控制；Cohere与Aleph Alpha的交易试图把“能力”与“治理”打包为跨大西洋方案。 与既有卡片的关系：知识库中已有Cohe…
无问芯穹联合清华大学、上海交大开源具身端侧推理引擎 APXInf，材料称其在 Jetson Thor 上把 Pi 0.5 FP8 端到端推理延迟从 278 毫秒压至 26 毫秒以内，推理频率达 38.46 赫兹，降幅约 10.7 倍。
值得关注：具身智能通常需要在端侧或机器人本体附近完成低延迟推理，端到端延迟与推理频率会直接影响交互与闭环控制体验。APXInf 的开源、跨平台适配以及 Rust + Python 的工程组合，显示出端侧推理运行时正在成为 AI …