OpenAI 发布工作介绍其如何提升 ChatGPT 在低资源编程语言上的表现，并配套提出针对软件工程、SQLite 与 COBOL 迁移的新评测（具体方法与结果待核实）。
值得关注：编码评测长期偏向高资源语言与通用软件工程任务，低资源语言与特定技术栈（如 COBOL、SQLite）的覆盖不足，可能导致模型能力被高估或迁移场景支持不足。本条与“OpenAI 对 SWE-Bench Pro 编码基准的…
VAST发布世界模型项目Project Eden的阶段成果EdenLive，以参考画面/视频结合首帧与提示词实时生成写实或风格化画面，在单张RTX 5090、5B参数、720P配置下帧率超24FPS，并同步开源模型权重、推理代码与技术报告。
值得关注：实时性是世界模型从演示走向交互式应用（如游戏、虚拟场景）的关键指标，EdenLive给出了单张消费级显卡上的具体性能数据。 与同期出现的“游戏引擎维护状态+视频模型渲染”路线（如Matrix-Game 4.0）相比，E…
Together AI 于 2026 年 10 月 19 日推出 Together Post-Training 服务，让用户在自有 GPU 资源上对 Qwen、GLM、Kimi 等开放权重模型进行 SFT 或 RL 后训练，训练循环由用户定义、底层基础设施由 Together 托管优化。
值得关注：来源判断：2026 年训练自定义模型已非小众话题，企业用其降本并提升任务特定表现；比起靠 context 或 harness engineering 修补模型行为，训练专家 agent 可在远低成本和运行时下匹配前沿模…
DeepSeek 于 2026 年 10 月将 V4.1 Flash 更新至 1017 版本，网页端、APP 与 API 同步切换，宣称在多个 Harness 下达到性能—费用帕累托最优，并同步开放自研 Search 与 Fetch 接口（每千次 5 元），权重已上线 HuggingFace 与 ModelScope。
值得关注：若“性能—费用帕累托最优”在多个 Harness 下成立，则模型竞争的评价维度从单纯跑分转向“跑分 ÷ 成本”的综合效率。 自研搜索 API 的定价与计费节点，把搜索能力从模型内部能力变成可单独计价的基础设施，影响 A…
OpenAI将计算机使用能力接入Chrome浏览器，Chat模式可跨标签页收集信息，Work模式经用户授权后可代替用户操作网页完成任务。
值得关注：浏览器是多数知识工作的核心入口，AI代理在此落地意味着操作权限、授权边界与提示注入等安全问题将从实验室进入真实使用场景。本条与既有卡片“Claude Cowork内置浏览器上线”构成同一产业脉络的延续：主流AI厂商正相…
腾讯研究院文章提出，青少年高频使用 AI 时反复演练的“命令式、无成本、无延迟”对话方式，可能外溢为对人际交往中必要“社会性摩擦”的低容忍，文章将其概括为“祈使句一代”，但作者明确承认这尚是一条待检验路径、缺乏纵向研究证据。
值得关注：把 AI 对青少年的影响讨论从“内容层面”（作业代写、注意力、情感依赖）转向“形式层面”（对话语法与习惯），提供了一个不同的分析切口。 指出当前 AI 安全工作几乎全部集中在内容护栏（不违法、不危险、不有害），“社交护…
Agility Robotics 宣布 Mark Vale（Transportation Insight CEO、UPS 前总裁）预计将在与 Churchill Capital Corp XI 完成业务合并后加入董事会并出任审计委员会主席，以补齐上市所需的财务监督与全球物流经验。
值得关注：与既有卡片《Agility Robotics 公布拟上市董事会新董事人选（2026-09-29）》相比，本条增量信息是：拟上市董事会中“审计委员会主席”这一关键治理岗位的人选明确为 Mark Vale，并补充了董事会成…
Meta发布美国迄今最强开源权重多模态模型Muse Spark Open（816B总参数、42B激活、1M上下文），借助MLX框架可在两台M5 Ultra Mac Studio（合计1TB统一内存）上完整本地运行，但核心编程能力仍落后于Kimi K3和GLM 5.3。
值得关注：本条与已有两张卡片构成同一模型的三个切面：8月的Muse Spark 1.2/30B端侧Agent讲Meta重回开源与端侧小模型；10月16日的GB300 NVL72卡片讲数据中心侧智能体编码吞吐优化；本条则补齐“桌面…
英伟达开源机器人框架 ASPIRE V1.0，用编程 Agent 为机器人编写控制程序、依据多模态轨迹复盘失败并迭代代码、把有效方法沉淀为技能库；换用 GPT-6 Astra 后，LIBERO-Pro 80 项任务成功率达 99%，Robosuite 与 BEHAVIOR-1K 代表性任务全部 100%。
值得关注：机器人的瓶颈长期在“控制程序怎么写、失败后怎么改”。ASPIRE 把这一环节交给编程 Agent，并用技能库把一次性成功转化为可积累资产；同时它显示框架效果与底座模型强绑定——同一框架在默认配置下零样本成功率 31%，…
Anthropic基于1334名员工调查发布两份内部报告，员工平均认为四年后AI能完成自己75%的工作，并估计当前前沿模型研发工作AI已承担51%、2030年底将达95%；而美国普通劳动者对同一问题的答案仅为28%。
值得关注：这组数据把“AI替代工作”从外部预测变成了组织内部的自评与自用记录：一方面员工对自身工作被替代的预期（75%）远高于外部劳动者（28%），另一方面Agent工时倍数、代码提交量倍数、初级岗位占比下降等指标提供了使用强度…
论文提出 PhysRSI-eval，用五轴指标量化视觉语言模型（VLM）在物理操作任务中的“递归自我改进”（RSI）能力，并通过“Physical Barrel Hypothesis”指出不同能力可能分别约束改进的不同环节；公共基准均分接近的系统，其改进速度与效率可能差异显著。
值得关注：它把“递归自我改进”从抽象概念拆成可测量的五个轴，并提出能力约束的“木桶”假设，为判断一个 VLM 策略是“起点高”还是“学得快、学得省”提供了区分工具；对具身智能评测与模型选型有直接参考价值。
WeAct 把“选择哪个 LoRA 适配器”纳入智能体的动作空间，让长程任务在执行过程中按需切换能力模块，在 8 个深度研究基准上以更少算力比全量微调平均提升 6.2% 准确率，比最强静态 LoRA 合并方法提升 27.5%。
值得关注：它把“能力组合”从训练期的静态设计问题转变为执行期的动作决策问题，为长程智能体提供了一种避免灾难性遗忘、并支持模块化增量升级的参数组织方式；与关注上下文生命周期管理的既有卡片形成互补——后者管理“记忆与成本”，WeAc…
VideoMaMa++ 通过分离 RGB 与掩码的 token 流、引入 preserve/refine 两个可学习 token 并配合滑动窗口推理，解决扩散式视频抠像在分块处理时跨块边界闪烁与透明度不连续的问题，据摘要称在细节精度与时序一致性上优于既往扩散方法。
值得关注：分块推理是扩散类视频模型落地的普遍约束，本文把“跨块一致性”作为一等问题处理，思路可迁移到其他长视频扩散任务（如生成、编辑、修复）。 用可学习 token 充当“帧级条件接口”而非改动主干，避免了额外训练成本，属于推理…
Agima 把“行动前先想象后果”作为可训练能力：用单一 omni 模型统一策略与世界建模，再以智能体强化学习教它在想象的未来上推理，从而在不可逆或反馈稀疏的环境中减少致命失误。
值得关注：把“想象/前瞻”从提示技巧变成可训练、可评估的智能体能力，强调“何时、何地”进行前瞻，而不仅是“能否”前瞻。 在真实环境交互受限（每五步看一次棋盘）的条件下仍显著优于仅动作规划器，说明想象可部分替代昂贵的环境反馈。 与…
推理模型生成的思维链（CoT）文本并不忠实反映其内部计算，因此不能当作可解释性工具，可监控性是一种脆弱的能力，需要专门研究和保护。
值得关注：如果推理文本不能忠实反映内部计算，依赖它进行安全监控就可能失效，甚至被模型“表演”出的推理所误导。社论主张在进一步提升推理能力之前，应优先开展如何生成推理文本、能否用于安全监控的研究，并把保持可监控性作为安全测试的重点…
Nature 评论文章《Three reasons why AI is not conscious and perhaps never will be》指出，现有 AI 系统不具备意识，且沿当前发展路径大概率不会产生意识；其核心论据是“智能不等于意识”，以及硅基计算功能主义存在根本缺陷。
值得关注：为“AI 是否/能否有意识”的公共讨论提供了一个明确的科学-哲学否定立场，直接回应了 Richard Dawkins、Geoffrey Hinton 等认为 AI 可能已有意识的观点，以及 Anthropic 声称在 …
Halcyon 系列模型证明，不依赖互联网规模的语言预训练、完全从零开始训练，也能获得强文本到图像（T2I）生成能力，并在更低预训练算力下优于若干对比模型。
值得关注：论文直接挑战“强 T2I 必须依赖互联网规模语言预训练”的常见假设，并用受控实验说明纯文本预训练对 T2I 没有增益。对希望从零构建多模态生成系统、或希望减少对语言预训练依赖的团队，这是一条值得关注的替代路径。
该论文提出“量子哈密顿量嵌入”（quantum Hamiltonian embeddings）监督学习框架：将经典训练数据编码进一个参数化哈密顿量，以该哈密顿量近似基态定义分类规则，并在理论上给出梯度估计与泛化保证，同时在 IBM Heron 处理器上完成规模化演示。
值得关注：与既有卡片中“单量子比特实现指数级量子优势的经典信号学习”相比，本条不是围绕测量次数缩减的单量子比特方案，而是面向通用监督学习的建模范式：把数据集整体编码为哈密顿量，并以基态作为分类器，关注的是可证明的泛化与可训练性。…
Stateful Harness 把“世界状态演化”与“视频渲染”拆开：由框架按规则维护隐藏状态并编译指令，冻结的视频模型只负责出画面，从而在依赖不可见状态的交互中显著提升规则遵循率。
值得关注：交互式世界模型若只擅长“生成看起来合理的画面”，在需要持久规则与隐藏状态（如开关、库存、剧情标记）的场景中会失效。该工作给出的增量是：不重新训练视频后端，而是通过外置状态机/规则执行层加指令编译，把规则遵循率大幅拉高，…
SpecMRL 通过在参数导出的谱基（spectral basis）中按特征重要性组织特征空间，改进 Matryoshka 表示学习（MRL）的嵌套前缀读出方式；据摘要，其在 MTEB 上于所有评估的降维维度均优于 MRL，且压缩越激进增益越大，仅用一半嵌入维度即可超过全维 MRL——具体数值与实验细节待核实。
值得关注：对“嵌入维度可裁剪”这一实用需求（检索、存储、推理成本）提供了比原始 MRL 更有效的实现路径，低维区间收益更明显。 把“特征重要性排序”显式引入表示空间设计，提示 MRL 类方法的瓶颈可能在于前缀读出的空间结构，而非…