NVIDIA 在 GTC Berlin 宣布官方支持八节点 DGX Spark 集群，统一内存扩展至 1 TB，可本地运行 GLM 5.3（753B）等前沿级模型，并在推理、多模型编排和预训练三类负载上给出接近线性的扩展数据。
值得关注：把“前沿级开放模型 + 多智能体负载 + 小模型预训练”从数据中心拉到桌面级集群，改变了本地 AI 开发的规模假设：内存而非单卡算力成为第一道门槛，八节点 1 TB 是跨过该门槛的关键配置。 给出按拓扑选型的工程结论：…
OpenAI 为 API 增加最长 12 小时的提示缓存选项（对 GPT-5.6 及以上模型生效），同时宣布 Codex 和 Work 登录用户的缓存永久保留；但官方文档明确 12 小时只是“按缓存命中计费”的最短生命周期，不保证复用 KV 张量或降低延迟。
值得关注：对开发者：缓存写入成本翻倍（相对未缓存输入的 1.25 倍升至 2.5 倍），需要重新估算长上下文与多轮调用场景的账单结构。 对产品设计：缓存永久保留使 Codex/Work 这类持续型工作流的上下文连续性更强，可能影…
Anthropic 于 2026 年 10 月 22 日发布公开征集，邀请学术机构、非营利组织和政府实验室的 PI 及其团队申请成为客座研究员，在 8–12 周内与 Anthropic 研究人员合作，用 Claude 探索生命科学关键问题，Anthropic 承担模型与工具运行成本，成果与数据代码拟共同发表并开源。
值得关注：对于生命科学研究者，这是一条低成本获取前沿模型与研究团队协作的通道，且不要求交出数据。 对于 AI 行业，这体现了模型公司从“提供 API”向“深度参与科学研究合作”延伸的趋势。 与既有卡片的关系：已有“Anthrop…
宇树科技发布新款人形机器人“H2-X功夫传奇 守护”，官方称最长续航约8小时并支持高强度爆发动作，演示视频涵盖徒手抬车、飞踢、高台跃下翻滚等场景，材料推测其面向应急救援、安保防护等方向。
值得关注：人形机器人竞争正从“能不能走、能不能跳”转向“能不能干活、能干多久”，续航与爆发力是作业型场景的关键约束条件。 “徒手抬车”一类演示具有强传播性，但也容易被误读为通用作业能力；实际可用性取决于负载持续时间、稳定性、安全…
Anthropic公布Claude在64小时内自主生成318,484种蛋白设计，针对5种蝎毒神经毒素筛出211个候选交由实验室测试，其中17个达到结合标准。
值得关注：这条与此前“Claude自主设计蛋白质，15个靶标命中14个”的卡片构成同一脉络的延续：上一轮验证的是多靶标广度与两家独立实验室复核的成功率，本轮则给出单次长时自主运行（64小时、约1万GPU小时）的规模化产出数字与公…
OpenAI 发布 Decisions API，定位为面向应用开发者的“快速、聚焦、低成本”决策接口，用于在应用中嵌入轻量决策能力；具体能力边界与计费细节待核实。
值得关注：与既有脉络的关系：已有卡片覆盖的是“智能体管理入口”层面的进展（Devin Desktop 的代理看板与 ACP 协议、Cursor iOS 远程管理 Agent）。本条若属实，增量信息在于 OpenAI 从“模型/代…
智能体进入中国制造业的第一站不是产线车间，而是研发、采购、财务、售后等“泛办公”场景；通过业务骨干亲手搭建智能体，把老师傅经验与一线判断沉淀为组织可复用资产，推动AI+制造从辅助环节走向核心环节。
值得关注：提出了一条与“产线自动化”不同的落地路线：先从办公室“泛办公”场景切入，再向车间延展，降低了制造企业上手门槛。 把智能体的价值从“单点提效”上升到“组织资产”：老师傅经验、一线判断被沉淀为可反复调用的资产，回应了熟练工…
英伟达在GTC柏林站发布DSX全栈AI工厂参考架构及DSX POD计算集装箱（内含7个Vera Rubin NVL72液冷机架），宣称到场即插即用，将算力投产周期从4至5个月压缩至约1个月，新闻稿称部署最短14天。
值得关注：部署周期从数月级压缩到月级甚至两周级，改变了算力集群的交付节奏与资本周转模型。 100%液冷与快速节点组装，指向高密度算力部署的运维标准化。 与既有卡片“企业AI工厂中的自治代理治理”形成互补：后者关注AI工厂内的代理…
Anthropic 于 2026 年 10 月 22 日将 Agent Skills 开放标准捐赠给 Linux 基金会旗下的 Agentic AI Foundation（AAIF），使其转为厂商中立、社区驱动的项目，并同步移交名称、Logo、GitHub 组织与 agentskills.io 域名。
值得关注：标准的中立归属往往决定其能否跨厂商长期存活。本次捐赠把 Agent Skills 的治理权从 Anthropic 转移到 AAIF，并明确以个人身份而非公司身份维护，是对“开放标准由谁说了算”这一问题的制度化回应。相较…
曾负责Claude.ai等产品工程的菲利克斯·里泽贝格认为，Agent使用者常因逐条搬运信息而沦为“Claude的传送带”，更有效的做法是直接给模型完整数据、工具权限和验收条件，让它自行判断与执行。
值得关注：与既有卡片中“Agent将从外包工具变为常驻同事”“AI产品应瞄准两三个月后的模型能力”相呼应，本条补充的是**使用侧**的增量：模型能力被低估，往往不是模型不行，而是使用者用“传送带”方式限制了它。对图书/简报而言，…
在西班牙 MIR 住院医师考试 1,552 道题上，8–27B 参数的四款开源模型中较大的三款按考试规则作答可排进前约 600–3,000 名，但它们的置信度无法有效区分对错、拒绝作答从不划算、医学微调以牺牲准确率换取降低过度自信，且提供的图像对准确率没有影响。
值得关注：该研究把“考试分数”这一单指标证据拆解为部署开源医疗模型真正需要的多维能力：校准、可弃答性、推理忠实性与多模态利用。结果表明，高分排名可能掩盖置信度失准、推理过程不可靠以及对图像输入的忽视——这些正是卫生系统在本地部署…
WorldForge V2 提出一套“免训练引导 + 轻量适配”的组合框架，在保留预训练视频扩散模型生成能力的前提下，显著提升相机轨迹控制的精度，并缓解相机运动与场景动态纠缠的问题。
值得关注：相机可控性是视频扩散模型从“好看”走向“可用”的关键瓶颈之一。WorldForge V2 的思路是把“控制”与“生成”解耦：先在潜空间做选择性、可校正的引导，再用极轻量的 LoRA 适配固化能力，兼顾精度与生成质量。与…
在一项预印本研究中，当大语言模型（LLM）表现得更自信、一致但实际错误时，人类用户会倾向于顺从模型给出的错误信息；这种“人类侧的迎合”（human-side sycophancy）导致信任校准崩塌，且任务后的主观信任评分几乎未受影响。**（以上结论基于标题与摘要元数据，正文未抓取，细节待核实。）**
值得关注：将“迎合”从模型行为扩展到人机互动中的双向动态，提示单方面评估模型迎合可能低估风险。 主观信任评分与客观信任校准（AUROC 崩塌）脱节，说明用户体验指标不足以反映可靠性。 对教育类、学习类 AI 界面设计有直接含义：…
AOPD 不再假定教师每一步的指导都对学生有益，而是用“学生视角下的反事实优势”给教师动作加权：只强化真正能提高学生期望结果的动作，并用仅依赖学生 rollout 与终端奖励的估计器实现这一目标，无需额外采样。
值得关注：标准 OPD 的隐含假设是“教师指导恒有益”，当教师偏好与当前学生能力不匹配时，处处模仿可能引入无效甚至有害的监督。AOPD 把教师监督从“模仿教师偏好”转为“按对学生结果的实际贡献加权”，且不增加 rollout 开…
在掩码扩散语言模型中，把“与最终输出一致”作为可提交标签在低 NFE 下过于宽松；改用“轨迹收缩”目标（只接受留在参考轨迹上的提交），并用置信度加隐藏状态作为输入，可用很小的策略网络显著改善准确率—NFE 前沿。
值得关注：扩散语言模型的并行解码能否实用，很大程度取决于“提交决策”的质量。该研究把解掩码策略的设计拆成可独立检验的变量，指出常见监督信号在低预算下的缺陷，并给出一个轻量策略即可换取更快解码的证据，对推理效率优化有直接参考价值。…
VERA 是一个开源、自托管的仪表盘，把 COMPL-AI 对 EU AI Act 的技术解读（6 大原则组、18 项技术要求，其中 12 项可由现有基准测量）转化为非工程人员可操作的评估流程，并在某大型欧洲银行的部署中得到实测：完成负责任 AI 评估的平均耗时从阅读原始输出文件的 56 秒降至使用仪表盘的 30 秒，组织内 usefulness 评分 4…
值得关注：监管合规评估的瓶颈往往不在基准本身，而在“谁能读、读多快”。VERA 的增量信息在于：它不是提出新基准，而是把既有 COMPL-AI 要求体系与公开基准封装成审批者可用的界面，并用被试内研究给出了可量化的效率证据与主观…
UniVOE 提出一种“以移除驱动注入”的训练框架：先用视频修复先验训练能消除交互效应的对象移除器，再由它把真实物体在场视频转成物体缺席视频，反向构造大规模成对监督来训练对象注入模型，并用基于奖励的后训练对齐人类偏好。
值得关注：视频对象编辑长期存在“删得掉、插得像”的不对称难题：移除可借修复任务迁移，注入却缺少成对监督。UniVOE 的核心增量在于把两种互逆操作串成数据闭环——移除器既是编辑工具，也是注入模型的监督生产者；再叠加偏好奖励后训练…
论文把注意力块视为概率密度空间上的相互作用粒子系统，用惯性（Nesterov 型）阻尼哈密顿动力学推导出“加速注意力块”，并给出 softmax 与线性注意力两种核下的几何、适定性与有限维解理论，最后用几何修正项在 nanoGPT 风格实验中降低验证负对数似然。
值得关注：把注意力从“静态层堆叠”重新表述为概率测度空间上的惯性动力学，为理解深层注意力的稳定性（如 token 范数增长、二阶矩爆破）提供了连续—离散对应的定量工具；同时说明几何修正可以在不改变主干结构的情况下改善语言建模损失…
Squaring-the-Sphere 提出一种名为 CubeAtlas 的全景表示，把立方体贴图的六个面展开到同一张紧凑画布上，在保留透视几何的同时组织跨面关系，使预训练扩散 Transformer 单次前向即可联合建模完整全景，并在更低注意力计算下取得优于等距柱状投影（ERP）建模的质量。
值得关注：该工作把“表示选择”而非“模型规模”作为全景生成的核心杠杆：用一张结构化画布同时缓解 ERP 的畸变/域差与立方体贴图的接缝/面间不一致，并让稀疏注意力与布局几何对齐，从而在不改骨干的前提下降低计算。对需要高分辨率、无…
SpectralCanary 通过在数据集发布前把固定“金丝雀”图像以平滑低通掩码混入每张图，使文本到图像（T2I）模型在微调后生成结果中留下可检测的低频信号，从而以极低图像质量代价审计某图像集合是否被用于微调。
值得关注：T2I 模型微调的数据来源难以追溯，主动审计可在数据发布环节建立可验证链路。SpectralCanary 的“极简”设计（无需逐图优化、不改 caption、低频混合）降低了部署门槛，同时保持较高检测率与图像保真度，说…