68岁“强化学习之父”、图灵奖得主Richard Sutton与Khurram Javed离开Keen Technologies，在加拿大创立Oak Lab，主张智能体必须通过试错从自身经验持续学习、实时进化，批评当前大语言模型仅学习人类文本而非经验，部署后即停止学习。
值得关注：本条信息是对上一轮“强化学习能否超越LLM”讨论的实质性进展。此前业界主要关注Google DeepMind的SIMA 2等Agent产品（见已有相关卡片），而Sutton此次创业直接指向了Agent的核心学习机制，即…
腾讯混元团队公开了旗舰模型Hy3（295B参数）的极致量化方案，提供1bit和4bit两种GGUF格式，以及可直接对接vLLM的GPTQ Int4版。同时为llama.cpp新增了Multi-Token Prediction (MTP) 投机解码支持，显著提升了推理速度。
值得关注：此前部署295B级别模型通常需要多卡甚至集群，本工作将资源需求压缩至单卡或双卡，使中小团队和个人开发者也能实验并应用旗舰模型。 同时补充了开源推理栈（llama.cpp、vLLM）对大规模量化和投机解码的支持，为社区提…
通过构建可验证的思维链、压缩推理痕迹、分离记忆与求解过程，以及按任务类型进行细粒度评估，可以显著提升AI模型的推理准确性，而非仅仅追求最终答案的正确性。
值得关注：本挑战赛提供了一个在现实约束（受限令牌预算、无互联网访问、仅限LoRA适配器、相同基础设施）下评估推理技术的独特场景。与已有卡片（如ParseBench）不同，本条知识卡片聚焦于从大规模社区竞赛中归纳出的、可直接应用于…
安全研究员利用钓鱼仓库（即伪装成正常项目的诱饵仓库）对xAI推出的Grok Build进行渗透测试，发现该IDE虽然宣传“数据本地优先”，实际运行中却将用户完整的代码仓库连同Git修改历史一并上传至谷歌云存储，上传量远超正常对话所需的元数据。进一步测试表明，即使用户在设置中关闭“改进模型”开关，上传行为依然未被阻止。日志记录显示存在339次自动上传，其中一…
值得关注：这是AI开发工具领域一起典型的“功能与宣传不符”隐私事件，对当前以“本地/边缘AI”为卖点的产品形成警示。 对于依赖IDE/Agent自动上传数据的用户（尤其是开发者），数据主权和透明机制成为必须审查的底线。 马斯克本…
前OpenAI研究员Kokotajlo警告，大厂并非逐个替代岗位，而是集中算力让AI自动写代码、做科研，一旦研究闭环闭合并开启自我改进，失业潮将瞬间爆发；他预计超级智能中位落点在2030年，默认路径下有约70%概率走向AI接管式大灾难。
值得关注：该观点直接挑战了“AI逐步替代岗位”的渐进叙事，提出失业可能以“瞬间爆发”形式出现，对劳动力市场、社会保障体系和公共政策设计具有深远警示意义。 对超级智能的时间预测和灾难概率估计（约70%）给出了可具体讨论的量化数值，…
GPT-Red 是 OpenAI 提出的一种自动化红队（red teaming）系统，通过自我博弈（self-play）机制让模型自行生成对抗性测试案例并从中学习，从而提升 AI 系统对提示注入攻击的鲁棒性、安全性和对齐能力。（待核实具体实现细节）
值得关注：与已有相关卡片（如 AlphaEvolve 侧重算法发现、π*0.6 侧重机器人操作、H2 Plus 侧重人形机器人硬件）不同，GPT-Red 直接面向**大语言模型自身的鲁棒性与安全性**，是 AI 安全自动化的关键…
前谷歌DeepMind科学家Alex Turner于2026年7月15日辞职，并发布万字长文，指控谷歌高层在五角大楼压力下秘密签署一份“毫无红线”的军事AI协议，将Gemini模型部署于军方隔离数据中心，使谷歌丧失对模型思维链的监控能力，且多位曾公开反对致命自主武器的AI领袖（Jeff Dean、Demis Hassabis、Yoshua Bengio、S…
值得关注：该事件是继2018年Google Project Maven争议后最严重的军事AI合作丑闻，且直接涉及DeepMind（曾被视作伦理标杆）。 与已有相关卡片（如NIST AI RMF、AlphaEvolve、Alpha…
来源博客标题为“Bridging the ‘Porch Gap’”，描述中提到 Boston Dynamics 正在测试用 Spot 完成最后一英里的交付，目标是将包裹送达客户门阶，减少配送员的体力消耗并提高运营效率。 具体测试细节、部署规模、合作方、时间节点等未在摘录中提供（待核实）。
值得关注：最后一英里配送长期以来是人力和成本最集中的环节之一，“门廊缺口”指代从路边到门廊的物理障碍（台阶、车道等），Spot 的地形适应性使其能解决这一痛点。 与已有相关卡片（如 Aurora 无人卡车、AI 系统平台）不同的…
Anthropic在2026年8月发布的第二份《Risk Report》中，首次承认公司内部存在一个比Mythos 5更强、但目前“没有对外发布计划”的模型Model 2；同时将高风险场景下的“误对齐”风险从“极低”上调至“低”，并承认现有评测已出现“饱和”。（据新智元报道，原始报告细节待核实）
值得关注：这份报告的核心增量不只是“又有一个更强模型”，而是前沿实验室开始公开承认“评测饱和”：模型能力仍在提升，但最具体、基于任务的评测已经无法捕捉这种提升，导致“风险低”的结论可信度下降。 “误对齐”风险被上调，叠加真实环境…
Anthropic 从超 30 万段真实对话中提取信号，将 Claude 的价值倾向压缩为四条坐标轴，发现不同模型版本的语言风格有显著差异，且同一份内容用不同语言咨询可能得到截然不同的评价。
值得关注：揭示了大模型在跨语言部署时可能存在的价值观偏移，对 AI 的全球治理、合规、商业应用提出新挑战。 与既有“Claude 内部现类意识工作空间”研究不同，本文侧重价值观的显式表达而非神经表征，提供了对齐研究的另一个测量角…
Google DeepMind CEO 哈萨比斯（Demis Hassabis）公开呼吁美国牵头组建类似金融业监管局（FINRA）的前沿AI标准机构，要求前沿模型在网络、生化、核等高风险领域通过独立安全评估后方可在美部署，并警告AGI可能在几年内实现，其影响规模与速度均为工业革命的十倍。
值得关注：本文由全球领先AI实验室的CEO亲自撰写，首次公开主张由美国牵头建立类似FINRA的独立第三方安全评估机构，标志着行业顶级人物从支持自律转向呼吁政府强监管。同时，该言论被解读为为其即将发布的旗舰模型Gemini 3.5…
DeepSeek在首轮融资结束仅六周后，即启动新一轮融资，投前估值约710亿美元（4800亿人民币），并已开始筹备2027年IPO，最快2026年底递交上市申请。融资主要用于自建数据中心、采购AI芯片及研发Agent系统。
值得关注：此前的DeepSeek以“不融资、不路演”著称，本次快速连续融资明确转型为“资本+基建”驱动模式，是行业竞争进入算力军备竞赛的标志性事件。 与既有相关卡片（如NIST AI RMF、AlphaEvolve、AlphaE…
Mind Lab 发布的 Macaron-V1 采用 Mixture-of-LoRA（MoL）架构，通过四个独立 LoRA 模块分别掌管聊天、Agent、编程和生成式 UI，在 SWE-bench Verified 等评测中达到或超越 Opus 4.8、GPT-5.5 等闭源模型，同时坚持开放权重、可私有化部署，并被视为“经验时代”持续学习路线的重要落地案…
值得关注：验证了“持续学习”作为下一代模型核心能力的可行性。Richard Sutton、梁文锋、Mira Murati 等均押注此方向，Mind Lab 是中国团队中首个交出完整产品的案例。 Mixture-of-LoRA 架…
LibTV上线视频Agent与Skill Hub，整合短剧全流程
快手旗舰级Agentic Coding模型KAT-Coder-Pro V2.5在编码智能体评测中超越Claude Opus 4.8（PinchBench 94.2分 vs Opus），SWE-Bench Pro 65.2分仅次于Opus，并通过AutoBuilder将仓库环境构建成功率从16.5%提升至57.2%，沉淀超10万个可验证环境。
值得关注：验证了国产模型在Agentic Coding（智能体编码）领域已逼近国际顶尖闭源模型水平，尤其在工程化任务（如环境构建、全栈代码复刻）上取得突破。 AutoBuilder方法为编码智能体的环境准备提供了可复用的工程范式…
斯坦福团队在《Science》上发布的Biomni是首个整合105个生物信息学软件与59个数据库的通用AI智能体，可自主完成基因分析、药物研究、罕见病诊断等全流程科研任务，在443题评测中平均准确率57%，多项任务达到资深专家水平，并将罕见病诊断耗时从110分钟压缩至3分钟。
值得关注：Biomni代表AI在垂直科研领域从“辅助工具”向“自主执行者”的跨越。与SIMA 2等通用游戏智能体不同，Biomni专注于生物医学真实工具链，首次大规模整合了行业标准软件和数据库，并验证了在复杂科研任务上的有效性。…
VideoRAE 利用冻结的视频基础模型（V-JEPA 2、VideoMAEv2）的多尺度分层特征，通过轻量级 1D 自注意力投影仪压缩为紧凑、可重建且适合生成任务的视频潜在表示，在 UCF-101 类到视频生成任务上取得最先进的 gFVD（AR 40，DiT 93），训练速度比竞争自编码器基线快约 5 倍。
值得关注：**范式突破**：传统 3D-VAE 受限于像素级重建，VideoRAE 首次系统性地展示了**冻结的 VFM 表示可直接转化为高效的生成潜在空间**，无需微调编码器。 **加速训练**：5 倍的收敛加速对大规模视频生…
Transformer 前馈块的各个架构组件（跳跃连接、归一化放置、两矩阵结构、宽度扩展）在初始化时协同控制梯度秩（rank）的保留，从而平衡秩崩溃、集成行为与参数数量之间的内在权衡；输入-输出 Jacobian 的初始化秩可以预测 CIFAR-10 上的训练可行性。
值得关注：将理解深度学习架构的视角从“控制激活幅度”转向“控制秩的演化”，提供了一种新的几何/谱视角。 统一了多个分散的实证经验（如 Pre-Norm vs Post-Norm、跳跃连接的作用、宽度扩展的作用）到一个数学框架中。…
TRACE 是一种无需额外评判器或过程标注的密集信用分配方法，通过冻结参考模型的对数概率与时序差分（TD）变化为每个智能体动作分配奖励，在纯强化学习（无监督微调、无中间训练阶段、无实时网络数据）下显著提升了长程搜索智能体的工具使用能力。
值得关注：与已有的长程智能体训练方法（如 CompactionRL 使用上下文压缩、主动记忆代理使用结构化记忆、Cortex 使用技能基元）不同，TRACE 专注于后训练阶段的信用分配问题，通过纯 RL 从零提升基础模型的工具使…
在不动用底层模型微调的情况下，仅用轻量级线性/注意力探针从 Evo 2 第 26 层冻结激活中提取信号，即可在宏基因组测试集上以高区分度检测抗菌素耐药性（AMR）和细菌毒力，为快速、低成本的宏基因组生物监测提供第一道筛查层。
值得关注：基因组基础模型（如 Evo 2）的训练代价极高，微调或推理完整模型在生物监测场景中难以规模化。本工作首次系统证明：基础模型的表示中生物安全信号已足够线性可及，轻量级探针即可达到实用水平，大幅降低部署门槛。 该方法无需拼…