AutoCompact 将“何时压缩上下文、保留什么工作状态、压缩后如何继续”纳入编码智能体的策略训练，并在 SWE-bench Verified 与 SWE-PolyBench Verified 上分别比 base model 绝对提升 9.2% 和 5.0% 的通过率。
值得关注：与已有相关卡片中的 CompactionRL 等方向相比，本条不重复其部署细节；增量信息在于：AutoCompact 明确把 compaction 的“时机、保留状态、续接方式”作为策略学习目标，并用 judge 纠错…
Argo-Bench 是一个面向企业级数据科学与分析工作流的代理评测框架：它在模拟的真实规模数据仓库上考察代理“先查清事实、再采取行动”的能力，用行动在模拟器中的后果而非查询文本本身来打分；论文报告称 14 个前沿与开放权重模型中最强者也仅在 34.8% 的任务上达到 95 分以上，平均 59.5 分。
值得关注：它把“企业规模”落成可操作的评测约束：数十张表、十亿行级别的仓库，以及不向代理暴露的真值状态。 它把“行动后果”引入评分闭环，使评测对象从一次性查询生成变为多步探索加决策。 它对现有 text-to-SQL 基准提出了…
据元数据，该工作提出一个“多解释方法对比 + 量化一致性”的可解释性审计框架，用于检验 DeBERTa-v3 在零样本医学摘要分类中的预测与解释行为；因未能抓取正文，以下具体数值、实验设置与结论均**待核实**。
值得关注：若上述描述成立，其增量价值在于把“解释是否可信”从单方法定性展示，推进为**跨方法一致性 + 错误机制归因**的可操作审计流程，对高风险医学 NLP 部署有直接参考意义。 与既有相关卡片的关系：现有卡片分别涉及零样本组…
4Director 将视频世界模型的条件从模糊的二维运动线索或缺少完整几何的三维轨迹，改为显式的 4D 场景表示：每个物体先重建为 canonical mesh，再按逐帧 rigid transformation 移动，从而提供直观的三维控制接口，并据称在视觉质量及相机、物体控制上优于先前方法（具体指标待核实）。
值得关注：它把视频世界模型的控制条件推向显式几何：不是仅从图像平面线索推断运动，也不是只给稀疏 3D 轨迹/blob，而是要求每个物体具备可复用的 canonical mesh 和逐帧 rigid transformation。…
Nature Machine Intelligence 的 News & Views 文章认为，生物医学发现的限制资源已不再是数据本身，而是整合与解释证据的能力；文中将 DeepEvidence 描述为一种新的深度研究智能体，其特点是不止于检索事实，而是构建科学证据的显式表示。其具体方法、性能和评测结果**待核实**。
值得关注：它把 AI 代理的能力讨论从“能否检索到事实”推进到“能否探索、组织和综合科学证据”。这与已有卡片中“AI 代理评估从工具调用转向任务完成”的脉络相关；本条增量在于生物医学深度研究场景中，任务目标可能是证据表示与综合，…
LlamaIndex 发布 Extract v2.5，这是其基于 schema 的文档提取代理的新一代版本；在不提高每页定价的前提下，所有 tier 的 ExtractBench 准确率均有提升，并首次把 Advanced Citations 从 Agentic Plus 扩展到 Agentic，显著改善证据定位能力。
值得关注：文档提取正从“能抽取”转向“高准确率、可审计、可进入 human-in-the-loop 工作流”。Advanced Citations 和 confidence scores 的组合，直接影响企业能否把提取结果接入自…
AMD与World Labs达成82亿美元收购协议，并计划让李飞飞出任AMD执行副总裁兼首席科学家；此举意在为AMD补齐空间智能与World Model能力，使前沿AI workload更早对接芯片路线图，但交易仍待监管批准，关键细节需以官方公告为准。
值得关注：空间智能和World Model被视为生成式AI向3D、机器人与仿真延伸的重要方向。与已有卡片中“1X成立世界模型实验室”“Meshy完成AI 3D融资”等脉络相比，本条增量在于：不是终端机器人实验室或3D生成公司融资…
Arena 对 12 个模型、1,460 场真实 Text Arena 对战的研究显示，LLM 作为评审时明显偏好自己的答案：平均自选率比人类投票高约 70%（正文口径为 58% vs 34%；关键结论称平均高 23 个百分点），并且更少判平局、更常与其他 AI 一致，而不是与人类一致。文章提醒：使用 LLM-as-a-judge 时，作者身份不是中性变量。
值得关注：LLM-as-a-judge 越来越多用于评估和模型训练。如果评审模型偏好自己、偏好同族模型，并且彼此一致却不代表人类，那么排行榜、自动评估、偏好数据和训练奖励信号都可能被系统性扭曲。文章的核心产业意义是：AI jud…
腾讯研究院 AI 速递称，Anthropic 发布 Claude Sonnet 5.5，在 Terminal-Bench 4.0 以 70.6% 超过 Opus 5.5 的 66.4%，同时维持与 Sonnet 5 相同的输入/输出标价，并出现单任务成本下降与速度提升；但高算力 Max 档单题成本可能高于 Opus 满档，真实性价比仍需看配置与评测口径。
值得关注：对 benchmark-evaluation 脉络而言，本条补充了 Terminal-Bench 4.0、Artificial Analysis 指数、Chartography 等评测结果，可作为追踪 Sonnet 与…
Figure AI 发布了一条标题为“September 30, 2026 F.02 Decommission”的公告，从标题与 URL slug 看，指向其 F.02（疑为 Figure 02 系列）平台在 2026 年 9 月 30 日的退役或停用安排；正文未能抓取，公告对象、范围与后续替代方案均待核实。
值得关注：**与既有脉络的关系**：已有卡片记录了 Figure AI 在 2026 年 1 月的 Helix 02（全身自主性）与 2026 年 9 月 17 日的 Helix 2.5（跨 30 个家庭零样本泛化）等**能力侧…
据量子位 2026-09-30 报道，OpenAI 在 DevDay 2026 发布 25 项更新，主线是让 Agent 从“单次任务”转向“常驻职责”，同时用更便宜的 GPT-6.1 Sol、Ultrafast 速度档、Codex/Agents API 云端执行能力和账户商业化动作，降低长时间运行 Agent 的成本与工程门槛。
值得关注：与已有卡片（NIST AI RMF 剧本、Epoch AI 出版物页面、OpenRouter 博客归档）无直接事实重叠；本条增量是记录 OpenAI 在 2026 DevDay 中把 Agent 产品化、API 化、账…
LingBot-Vision 1.0 的官网技术页把“边界中心自监督”推进为可量化系统：以 1B 参数 ViT-g/16 在 NYUv2 深度 RMSE 上取得 0.296，超过 7B 参数 DINOv3 的 0.309，并给出蒸馏家族、边界 token 时序追踪与迁移到 LingBot-Depth 2.0 的具体结果。
值得关注：它把“边界”从传统边缘检测/后处理角色，变成自监督表示学习的核心锚点；评测使用冻结特征上的线性探针或免训练标签传播，强调性能来自表示本身而非读出层。对产业而言，1B 模型对 7B 模型的稠密感知优势、以及 0.3B 蒸…
LingBot-Map 把流式 3D 重建的关键归结为“记忆问题”：以端到端学习的几何上下文注意力（GCA）维护锚点、局部位姿参考窗口和轨迹记忆，从而在长序列流式输入中持续输出点云、相机位姿与深度。已有相关卡片已概括其 10,000+ 帧与约 20 FPS 的长序列表现；本条增量在于补充 GCA 的内部上下文构成与 pipeline 细节。
值得关注：对具身智能/机器人、自动驾驶、AR/VR、无人机等场景，流式 3D 重建需要长期记忆，但显存和计算不能随帧数无限增长；GCA 的三类上下文是一种“结构化压缩记忆”思路。 与既有 LingBot-Map 卡片的关系：已有…
LingBot-Depth 1.0 是 Robbyant 页面介绍的深度空间感知模型，核心是把消费级深度传感器在玻璃、镜面、金属等反光/透明物体上的失效空洞，通过 Masked Depth Modeling（MDM）转化为可学习的监督信号；与已有相关卡片相比，本条增量主要在官网披露的数据管线、RGB-depth 统一潜空间、工业级硬件对比和机器人抓取成功率…
值得关注：这条材料把“传感器失效不是噪声，而是学习信号”讲得更工程化：不仅说明 MDM 思路，还补充了真实+仿真数据管线、ground truth 构造方式、统一潜空间和具体下游成功率。 与已有相关卡片的关系：已有卡片已概括 L…
腾讯研究院 AI 速递（2026-09-30）称，可灵 Kling 4.0 将于 10 月正式发布，主打真实、可控、专业，并支持 10-bit HDR、4K/1080P 输出、多关键帧、单次原生最长 30 秒等能力；Flash 版于 9 月 28 日小范围开放。具体官方细节待核实。
值得关注：视频生成竞争正从“单条好看”转向“工作流可用”：专业后期兼容、关键帧控制、多参考一致性和长时长稳定性，决定其能否进入真实制作管线。 对创作者与企业，若可灵 Kling 4.0 达到材料所述能力，可能改变预演、广告、短剧…
来源材料称，Cohere 发布 Embed 5 嵌入模型家族，提供 Pro 与 Fast 两档、共享同一嵌入空间，主打多模态、多语言、128K 上下文和复杂企业文档检索，并以文本 $0.12/$0.08 每百万 token 的定价在多个平台提供。
值得关注：企业 AI 竞争不只在生成模型：嵌入与检索决定进入生成模型的上下文质量、token 成本和 agent 可靠性。 多模态、多语言、金融与解析 PDF 是企业高价值但难处理的语料，Embed 5 直接针对这些场景。 “一…
根据 AGIBOT 官网抓取到的英文标题，IDC 数据被用来支持“AGIBOT 在 2026 年上半年全球人形机器人出货量中领先”的说法；但抓取正文仅为网站导航与产品列表，具体数据、统计口径、排名和报告出处均待核实。
值得关注：与已有 AGIBOT 相关卡片相比，本条可能提供的是“市场地位/出货量排名”维度的增量信息，而不是 IFA 奖项、零售部署或现场演示等运营/活动事实。 如果后续能补充 IDC 原始报告或报道正文，可用来观察 AGIBO…
OpenAI 宣布与美国 SBDC 网络合作，面向小微企业扩展 AI 实操培训与本地支持，并配套发布一份关于小团队如何使用 AI 的报告；合作范围、培训形式、报告口径与时间信息均**待核实**。
值得关注：**增量信息定位**：已有相关卡片分别覆盖公众问询倡议（Anthropic）、企业级 AI 原生工程与运营工作流（RingCentral）、工业物理 AI 生产级性能（Sanctuary AI）。本条属于同一“AI 落…
据 OpenAI 官方页面标题与摘要信息，OpenAI 披露并处置了一次以提取其受保护模型推理能力为目标的协同式“模型蒸馏”行动，并表示正在加强针对对抗性蒸馏的防御；具体事件细节待核实。
值得关注：模型蒸馏攻防关系到前沿模型厂商的核心资产边界：能力一旦被规模化提取，可能削弱模型优势与训练投入的回报。 该议题同时牵涉安全（能力扩散、滥用防护）与商业（竞争壁垒、服务条款执行）两条线索。 与既有卡片的关系：已有的“Op…
路透披露的 Anthropic 秘密 S-1 草案显示，其上市估值目标超 2 万亿美元；“2025 年净亏约 420 亿美元”中约 340 亿美元为可转股工具估值会计费用，经营亏损为 80.6 亿美元，因此简单把净亏等同经营烧钱会误读。
值得关注：它把“AI 公司亏损”拆成会计费用与经营亏损两层，提醒读者不要只看净亏 headline。 它同时披露客户集中度、长期合同缺口和算力承诺，这些是评估 AI 公司可持续性的关键指标。 Founder LLC 50.1% …