岩山科技旗下岩芯矩阵联合港科大、CMU等高校开源EdgeRock-4B，通过“记忆岩锚”（Rock Memory Anchors，RMA）机制将KV Cache压缩99.1%（256K上下文下固定为72MiB），在单张80GB GPU上实现512路并发、输出吞吐12124 tokens/s（约为源模型Qwen3.5-4B的6.42倍），同时基本保持原模型推…
值得关注：长推理与Agent工作负载下，KV Cache已成为推理成本与部署可行性的核心瓶颈。EdgeRock-4B的价值在于同时绕开了两条既有路线的取舍：既做到内存不随长度增长（此前主要由有界状态模型实现），又基本保住源模型推…
月之暗面推出 3 万亿级参数模型 Kimi K3.1 Pro，支持 100 万上下文并另设约 2~3 倍速 Highspeed 版，在 Terminal-Bench 4.0 上以 65.7% 逼近 Claude Opus 5.5 的 66.4%，完整权重计划 11 月 4 日前发布，开放前移除网络攻防数据使相关得分由 90.5% 降至 81.0%。
值得关注：与已有卡片脉络的关系：此前卡片记录的是 Kimi K3（2.8 万亿参数、开源多模态、前端代码竞技场表现与低价 API）；本条 K3.1 Pro 是同一产品线的后续版本，增量信息在于**参数规模表述升至 3 万亿级、上…
据 OpenAI 官方页面元数据，Greptile 正把 GPT-6 Astra 用于测试用户工作流、把 Daybreak 用于强化安全、把 Codex 用于减少返工，从而将缺陷检测从单纯的代码审查扩展到更广的环节；具体实现与效果数据待核实。
值得关注：对 AI 编程工具链而言，竞争点可能从“补全/审查代码”上移到“验证行为是否正确、是否安全、是否减少来回修改”。 与既有卡片脉络的关系：Cognition 让 Devin 测试自己写的代码，指向“自测闭环”；本条指向“…
The Browser Company 宣布 Arc 桌面版将于 12 月 22 日彻底停用，并即刻停止新用户注册；Dia 是唯一提供 Arc 专用迁移入口的浏览器，Zen、Chrome、Vivaldi 构成其余替代路线，Auto Archive 暂无替代。
值得关注：浏览器正从“通用入口”转向“AI 工作台”竞争，Arc 的停用说明单一产品的交互创新难以独立维持，能力会被平台型浏览器（Chrome）与垂直新品（Dia、Zen）分别吸收。对图书/简报而言，这是一个可追踪的“产品退场—…
2026 年 10 月 26 日，Anthropic, PBC 宣布已就拟议的 A 类普通股首次公开募股（IPO）向美国证券交易委员会（SEC）提交 Form S-1 注册声明，拟以代码“ANT”在纳斯达克全球精选市场上市；发行股数与价格区间尚未确定。
值得关注：对 AI 产业格局：头部模型公司进入 IPO 流程，意味着其融资结构、治理透明度与信息披露将受到公开市场约束，可能改变同业竞争与资本获取方式。 对读者认知：本条与“Anthropic 发起公众‘艰难问题’倡议”卡片同属…
据腾讯研究院AI速递转述，由生数科技Vidu提供首席技术支持的《三星堆：未来往事》于10月23日上映，是国内首部获公映许可证的AI超写实院线电影；制作成本为千万元级，较同体量实拍科幻片降幅近90%，但首日票房仅30.15万元，商业表现与制作技术突破形成明显反差。
值得关注：这条材料与已有卡片《中国首部AI长剧〈后西游记〉导演谈AIGC长剧的成本、分工与三年判断》构成同一脉络的两个样本：前者是长剧（30集、约2700万元、3个月），本条是院线电影（100分钟、千万元级、两年周期）。两者共同…
Agility Robotics 于 2026 年 10 月 26 日对外披露 Digit 人形机器人的商业化进展：GXO 扩大部署至两处新设施，新增三家制造业企业客户，并在汽车、物流、电商、农业设备、消费品和国防等领域握有 30 多家潜在客户管道。
值得关注：这是对既有 Digit 5 发布（2026 年 9 月 15 日）与 NVIDIA IGX Thor 车载计算标准化（2026 年 10 月 22 日）两条脉络的商业侧延续：本条补充的是客户落地与订单管道层面的增量信息…
据 AGIBOT 官网新闻标题（2026-10-26），AGIBOT 发布 Genie Studio 2.0，定位为将机器人带入真实工作场所（real workplaces）的开发/应用平台；但抓取正文仅为站点导航菜单，产品功能、技术细节与落地效果均待核实。
值得关注：与既有脉络的关系：本卡片是对 AGIBOT 近期动作的延续记录——此前已有 AGILE 2.0（感知创新，细节待核实）、AGIBOT WORLD Release 4 物理推理数据集（2026-10-23）、与越南 NI…
智元在济南以110台远征A3人形机器人组成11×10方阵完成集体舞蹈，挑战“最多人形机器人同时群舞”吉尼斯世界纪录成功，规模较8月的24台大幅提升，并指向地铁站、景区导引与巡逻等落地场景。
值得关注：大规模群舞是对多机通信、定位同步与集中调度能力的一次公开压力测试，其工程意义大于表演意义。 与既有卡片《智元300台机器人进长隆，交付第2万台A3 Ultra》形成呼应：长隆案例体现文旅场景的规模化采购与常态化上岗，本…
据 OpenAI 官方页面标题与候选摘要，CodeRabbit 使用 GPT-6.1 Sol 在复杂代码库中排查安全风险，其安全 agent 帮助开发者审查发现的问题与建议修复方案；正文未能抓取，细节待核实。
值得关注：代码安全审查长期受限于漏报与告警疲劳的权衡：规则类工具覆盖稳定但语义理解弱，纯模型方案理解力强但可信度与可审计性存疑。若 agent 能在大型复杂代码库中定位风险并给出可审查的修复建议，可能改变安全左移（shift-l…
这篇综述提出以“工作”为中心的系统级视角，把工作智能体（work agents）定义为“基础模型 + 运行时 harness”的组合体，在**有状态工作空间**中执行任务并交付**可验证结果**，并用“工作持续性 / 工作开放性”两个维度刻画工作条件、按任务范围与组织方式把数字工作分为五类。
值得关注：提供了跨研究散点的公共语言：用持续性与开放性描述任务环境，用工作形态区分场景，用能力族对齐系统设计。 把“评估”锚定在工作产出上，回应了智能体评估协议不可比、常只测单步能力的普遍问题。 与既有脉络的关系：相较 Eart…
VibeVideoBench 是一个面向“代码驱动视频生成”的多模态智能体评测基准，包含 239 个中英文自包含任务，覆盖 12 个类别，要求智能体在沙箱内于一小时内交付带声音的成片 MP4；从元数据看，该基准远未被解决，最佳系统仍在约四分之一任务上失败核心要求（正文未抓取，细节待核实）。
值得关注：把视频生成评测从“像素观感”推向“可验证的正确性”：公式、图表、规则一致性与音画同步等要求可通过程序与细则检查追溯。 强调端到端交付能力（时限、渲染调度、音轨合成），补充了仅关注视觉质量的视频生成基准。 与既有脉络的关…
该研究用“打乱选项顺序、保持题目与候选内容不变”的测试发现：Jev 风格 System One 模型虽然在重复呈现下准确率稳定（波动小于 2 个百分点），但其累计失败集合相对原始顺序扩大 27–29%，且并不比生成式 LLM 基线更能保持正确选择，说明“可重复的准确率”不等于“对选择偏差的鲁棒性”。
值得关注：揭示了“可重复决策”与“跨等价呈现仍正确决策”之间的差距。 对依赖选项顺序稳定的评测与部署提出警示：准确率稳定可能掩盖选择偏差导致的失败扩散。 为 Jev 风格模型及更广泛 LLM 的选择偏差评估提供了可复用的打乱呈现…
论文提出“选择性平局学习”：在偏好优化数据中，并非所有平局样本（被同等偏好的回答）都能同等程度地纠正虚假相关；通过对数线性策略推导每个平局对虚假依赖的影响，并按预测降幅从大到小选取平局，可在使用更少平局的情况下达到与均匀选取相当的纠正效果（据摘要；正文未抓取，细节待核实）。
值得关注：偏好优化（如 RLHF/DPO 类方法）的数据质量与构成直接影响模型是否学到捷径特征；平局是一种低成本的数据侧干预手段。 该工作把“要不要加平局”推进到“加哪些平局”，提供了可操作的选择准则与理论依据（一阶最优性）。 …
论文提出“上下文干扰项”（contextual distractors）概念，指出在计算机视觉中，某些特征加入完整真实图像后反而降低目标类得分（即使预测标签不变），并研究半值与最小核心（least core）下这类特征的归因差异，给出量化差距界与充分条件，实验支持了理论发现。
值得关注：Shapley 类归因在视觉解释中被广泛使用，但若特征贡献随上下文变化而符号翻转，解释的稳定性就成问题。本文把这一现象理论化，并给出半值与最小核心差异的可量化边界，为设计上下文稳定的归因方法提供了理论依据；同时提示“权…
REVA 通过将安全上下文与代码理解信息压缩进大语言模型（LLM）的单次前向传播，并利用训练好的探针读取模型内部表示，在 PrimeVul 测试集上以约 1 秒/函数的速度达到与顶尖智能体检测器 VulTriage 相当的准确率（60.0% vs 59.2%），速度提升超过 250 倍、成本降至不到十分之一。
值得关注：面向 AI 生成代码的高速产出场景，提供了一种可实时部署的漏洞筛查第一道防线，弥补“智能体检测准确但太慢、快速检测器快但不准”的空白。 证明了“探针读取内部表示”可作为替代多步智能体推理的高效路径，对 LLM 在安全领…
DecisionRAG 提出一种“无检索器”的检索范式：利用预训练语言模型的决策能力，在单次前向传播中联合评估候选分支、不生成任何 token，像人逛图书馆一样从宽泛主题逐层导航到具体段落，在无需任务特定训练和一阶段检索器的情况下超过带 8B 重排器的稠密检索。
值得关注：直指 RAG 流水线中的“检索瓶颈”：把检索从固定嵌入空间的相似度匹配，转向由语言模型决策驱动的结构化导航。 无需一阶段检索器和任务特定训练，简化了传统“召回+重排”的多阶段架构。 在百万级段落语料上仍保持亚秒到秒级延…
该论文提出“重新认证”（recertification）范式：在已有统计程序的风险证书中挖掘可计算的“松弛”（slack），在保持有效性保证的前提下扩大认证用 e-值，从而得到更少保守性的决策；论文将其应用于一致性风险控制（CRC）与随机化 e-BH 两个场景。以上基于标题与摘要元数据，正文细节待核实。
值得关注：常见做法是把风险水平当作硬上限一次性使用，而该工作指出“证书中的松弛”本身是可优化的资源，把“有效性”和“保守性”解耦处理。 与既有卡片无直接重复；本条属于统计方法论/基础模型可靠性方向的新增脉络，增量在于提出统一的“…
该工作提出“平滑”（smoothing）概念与 SmoothScore 评分流程，用于量化 LLM 深度研究智能体在长报告中将多源、可能冲突的证据压缩为过度自信结论的倾向；据摘要，跨 7 个系统与 4 个数据集，智能体一致地给出比证据支持的更强的论断（具体数值待核实）。
值得关注：既有相关卡片关注的是智能体“是否做完事”（过度声称完成）与“端到端研究能否跑赢基线”（Quant-Arena），本条补充的是中间环节：即便材料被读到，从材料到结论的表述强度仍可能被系统性放大。它把评测粒度从报告级/任务…
前沿多模态大模型（MLLM）在统一观测协议下可直接驱动机械臂，短程任务与泛化稳定性接近甚至优于后训练策略；通过“挂载（harness）后训练 VLA/WAM 策略”的混合配置可提升总体成功率并显著降低 token 成本，但仍受策略调用次优、缺乏子目标与接管时抓取中断等限制，未达到各组件单独使用的逐任务上界。
值得关注：明确了前沿 MLLM 作为机器人控制器的能力边界：优势在短程与泛化稳定性，短板在长程、精细与接触丰富操作。 表明混合架构（MLLM 调度 + VLA/WAM 执行）在成功率与 token 经济性上均有收益，但收益并非自…