浅绿色标记表示该周有已审核资料；其他日期也可查看空期。
基于 269 张已审核卡片 · AI 自动总结 · 更新于 2026-10-28T08:13+08:00
2026-10-19至2026-10-25的AI进展呈现三条主线：智能体从工作流走向可托管、可开放标准的工程化阶段；世界模型与具身智能在合成环境、组合泛化和闭环操作上暴露能力边界；基础模型在蛋白质设计、数值实现与压缩等方向继续向科学和工程纵深推进。以下综述仅依据本期事实笔记，对尚待核实的材料保留不确定性。
重点结论与趋势
-
智能体基础设施加速工程化与标准化：Cursor开放托管智能体框架，Anthropic将Agent Skills捐赠给Linux基金会旗下中立组织，OpenAI为API增加最长12小时提示缓存，显示厂商正把智能体从内部工具转为可部署、可互操作的外部能力。
-
世界模型与具身智能的能力边界被集中检验：WildAWM用全合成环境训练在8个分布外基准上提升，但AnyGoal发现模型在训练支持集内元素的新组合上持续失败，LIBERO-10上6个前沿模型闭环操作最高成功率仅44%，表明推理向可靠物理动作转化仍有明显鸿沟。
-
基础模型向科学发现与底层工程同时深入：Pinal以16亿参数从自然语言生成候选蛋白质，设计的H-protein在多酶CO2固定路径中使产物滴度较天然大肠杆菌H-protein提高1.7倍且未经迭代实验优化；同期论文指出标准softmax与交叉熵实现存在数值bug并给出修正，提示基础软件层仍有可修复的精度问题。
-
AI对劳动与产业的渗透出现量化信号，但来源性质不同：Anthropic基于1334名员工调查称员工平均认为四年后AI能完成自己75%的工作，而美国普通劳动者同一问题仅答28%；易观报告称2026年9月20款主流桌面端AI原生办公智能体合计访问量突破3亿次、较6月增长近5倍。两组数据分别来自企业内调与第三方报告，不宜直接合并为同一因果判断。
-
低资源语言与评测公平性受到关注：AfriBED发布面向Bemba与Nyanja的ASR偏差评估数据集，用于检测性别与说话人类型上的性能偏差，但具体基线结果待核实；同期Nature Machine Intelligence Perspective呼吁结构蛋白–配体预测方法透明披露数据、代码与流程，以防范数据泄漏与采样偏差。两项工作共同指向评测环节的偏差与可复现问题。
后续关注
- AfriBED在Bemba与Nyanja上的具体ASR偏差基线结果尚未核实，需等待论文或项目页披露实际性别与说话人类型性能差距。 依据：AfriBED：面向低资源非洲语言的语音识别偏差评估数据集 原文
- KKT-HardNet声称在约束满足与推理时间上取得数量级提升，但具体实验设置与对比基线待核实，需确认其可复现性。 依据：面向混合建模、优化与控制的物理约束机器学习教程 原文
- LEMS与KFAC-SVD声称在Mistral、Qwen3、Llama 3上取得最高4.8个百分点零样本精度提升与平均15%困惑度改善，细节待核实，需检查压缩率与评测协议是否一致。 依据：基于逐层误差模型搜索改进 SVD 大模型压缩 原文
这份总结有误？
免登录提交，管理员完成修正后才公开修订说明。