Karpathy 发推估算，全球约 5000 人（约 0.00006%）能在内部直接使用最前沿 AI 系统，约 60 亿人（约 75%）几乎没接触过 LLM；他把这一差距归因于任务规模与时间跨度、能力集中在可验证且经济价值高的领域，以及免费版、付费版与内部系统的访问权限分层。
值得关注：它给出一个可引用的量级框架，把“AI 普及”从二元问题拆成多个可及性层级。 与既有卡片关注“前沿指标”（如散布/精度）或“垂类系统 vs 医生”等能力问题不同，本条聚焦的是前沿能力的“人群可及性”与“权限分层”，属于产…
Artificial Analysis 于 2026-10-13 发布 Decision Index v1.0，用四项评测（知识/幻觉、推理、工具调用、分类）横向对比“决策模型”这一新类别——它们在一次调用中对固定选项输出带概率的结构化答案，在成本与速度上明显优于 LLM，但在知识与推理上落后，且整体过度自信。
值得关注：为“决策模型”这一新兴类别提供了首个跨分类、工具调用、知识、幻觉与推理的横向基准，便于开发者和企业在能力、成本、速度之间做取舍。 量化了一个关键权衡：决策模型在分类与工具调用上可与 LLM 比肩，且更便宜更快；但在知识…
FrontierCode 1.1 是 Cognition 构建、Artificial Analysis 独立实现的私有智能体编码基准，用“真实开源仓库维护者是否愿意合并该改动”作为衡量标准，当前最高分由 Claude Opus 5.5 以 52.2% 取得。
值得关注：既有编码基准多衡量“能否通过测试”，FrontierCode 把目标设定为“维护者是否愿意合并”，更接近真实工程验收标准。 通过六类检查（含反向经典测试、范围检查、LLM 评审）并设置 blocking 机制与答案查阅…
ReplaySSM 将 SSM（状态空间模型）的状态重新表示为“检查点 + 近期输入缓冲区”，把输出计算与状态更新解耦，从而降低状态内存流量、简化投机解码回滚，并支持低精度状态读取；在 NVIDIA Blackwell Ultra B300 上，批大小 256 时 SSM 解码内核提速 1.46×–1.80×。
值得关注：混合模型（Mamba-2 / GDN / KDA + 注意力）正被多个前沿模型采用，SSM 层在高批大小、长上下文下的延迟瓶颈是实际服务问题。 ReplaySSM 让“本应快速”的 SSM 层重新变快，同时解锁了此前对…
据来源元数据，Higgsfield 宣称将 AI 视频生成时长从 1 分钟提升到 10 分钟以上，并借助 GPT-6 Astra、GPT-Image-2.5 与 GPT-Live 分别对应更长视频、更精确画面以及语音电影制作路径；因正文未能抓取，相关细节均待核实。
值得关注：时长是 AI 视频长期的关键瓶颈之一：分钟级到十分钟级的跨越，直接决定其能否进入影视、广告与教育内容等对连续性要求更高的场景。 本条属于产业动态类增量信息，与既有卡片中“AI 从实验走向业务部署”“企业级 AI 落地人…
2026年10月13日，阿里千问推出新能力“千问Go”，定位为能代表用户处理退差价、约保养、订球场、甚至跟真人客服谈赔偿等事务的Personal Agent；其底层依托Qwen 3.8的Agentic能力，并打通阿里自有生态。
值得关注：体现Agent从“订票值机”等基础操作，扩展到需要跨系统、跨客服、多轮博弈的边角场景。 报道特别强调千问Go遇到障碍时会尝试“曲线救国”（如语音客服转不了人工就走图文通道），而非直接放弃或编造结果，这是与一般Agent…
多位开发者实测发现，选择 Opus 5.5 时效果异常，怀疑 Claude 后台已将请求路由至尚未发布的模型；社区猜测涉及 Opus 5.6、Fable 5.5 或所谓“Claude Next”，但模型身份尚无确证。
值得关注：这是继匿名模型 Kivine 被猜测为 Kimi-K3 测试版、OpenAI 价格页泄露 gpt-rosalind-discovery 之后，又一起围绕“未发布模型意外曝光”的行业事件，说明静默测试/灰度路由正成为头部…
2026 年 10 月 13 日，Agility Robotics 与 Churchill Capital Corp XI（Nasdaq: CCXI）的合并注册声明（Form S-4）获 SEC 宣布生效，股东投票会定于 2026 年 11 月 2 日，合并预计 2026 年 11 月完成，合并后公司预计以代码 AGLT 在纳斯达克上市。
值得关注：若合并完成，Agility 预计成为唯一有已验证活跃商业部署的美国纯类人机器人上市公司，为公开市场提供类人机器人赛道的直接标的。 本卡片是对既有“Agility Robotics 通过合并上市”脉络的更新：从 2026…
千问团队提出在线强化学习框架 QwenGyre，通过弹性调度空闲 GPU 与轨迹树/轨迹预算机制，在超长程智能体任务上同时提升了训练效率与最终通过率。
值得关注：超长程智能体任务（数小时、百万级 token）是当前 agent 能力扩展的关键方向，但训练效率与任务中断是主要瓶颈。 QwenGyre 同时给出效率（1.78 倍加速）与效果（通过率提升）两个维度的量化结果，说明在线…
OpenClaw 发布 v2026.10.1，新增 `skills_search` 与 `skills_read`，使智能体能够按需检索并读取已安装的 Skills；同时支持兼容的 MCP Apps 在聊天区旁打开，并可将完整备份存至 Cloudflare R2。但 Reddit 与 GitHub 上出现关于频繁更新导致兼容性问题和升级失败的反馈。
值得关注：若智能体能主动检索并读取已装 Skills，则技能不再完全依赖预先注入或人工配置，可支持更动态的任务编排。 与既有的智能体视频技能（如 NVIDIA JetPack 7.2.1 的 `jetson-videosdk`）…
NVIDIA 通过 cuDF skills for Apache Spark 将 UDF 重写流程拆解为测试、转换、基准测试、优化四个由 AI 编码代理驱动的反馈循环，帮助企业在保持语义正确性的前提下把 Spark CPU UDF 迁移为 GPU 实现，某消费科技公司 30+ 生产 UDF 的案例中单个算子耗时从 274.55 小时降至 12.78 小时（…
值得关注：它把“AI 代理写代码”从通用编码辅助落到具体的高价值工程瓶颈（UDF 重写）上：用可执行测试与性能测量作为反馈闭环的判定依据，而不是让代理自由生成代码。 与既有“用 AI 代理为仿真准备 3D 场景”“用 AI 代理…
WorldRecon 是一个生成式多视图重建框架，能从无位姿 RGB 图像恢复完整、大规模的三维场景网格；它通过在 TRELLIS.2 上加入重建条件架构，并以重叠分块与邻域感知 latent inpainting 维持全局一致性，在合成与真实室内场景上取得 SOTA，并显示出较强的 sim-to-real 泛化能力。
值得关注：大规模三维场景的完整网格重建长期受限于观测稀疏与视角缺失。WorldRecon 的价值在于把“生成式补全”与“重建式几何约束”显式结合，并通过分块+上下文传播将单块生成扩展到整场景，从而同时追求几何忠实与表面完整。它也…
WorldOracle 是一个专门用于评估“行动条件世界模型”（Action-Conditioned World Models, ACWMs）的基准，其核心问法是：在给定相同初始观测和低层动作序列时，模型预测的 rollout 是否真实复现了现实世界中发生的物理后果与任务状态转移。
值得关注：世界模型若要作为机器人策略学习的模拟器或执行前监控器，其预测必须忠实于真实执行后果；WorldOracle 正是针对这一核心问题提供了系统化测评。 与“机器人世界模型真的会跟随动作吗？”（WorldEcho/World…
这篇论文提出 **Physical Recursive Self-Improvement (Physical RSI)** 概念，并给出 L0-L5 分级框架；但按其自身定义，现有文献尚未实现真正的物理递归自我改进，研究重点应转向可靠反馈、因果归因、安全保持与评测基准。**（以上基于摘要与元数据；正文未能抓取，具体论证与数据待核实。）**
值得关注：把“递归自我改进”从数字/软件环境推进到 **物理世界**，直面噪声、连续控制、试错成本与不可逆风险。 L0-L5 分级提供了一个可比较的坐标，便于判断某项工作究竟是能力提升、流程改进，还是可验证的递归增益。 与既有相…
在 VLA（视觉-语言-动作）预训练中，与其把“示范质量”当成一种静态权重，不如把它做成**可条件化的信息**：在 5,000 条天然次优人类示范与 24 个目标任务上，approach-aware 的 episode 级条件化平均优于朴素行为克隆；而条件化与过滤分别更偏好 episode 与 chunk 标签，且这种偏好会随模型不同而反转。
值得关注：VLA 预训练常被当作“越多越好”的数据堆叠问题，但真实人类示范天然带次优行为。本文的增量在于：**把质量从“筛选标准”提升为“训练时可条件化的变量”**，并给出可复现的受控比较框架（AXIS-Bench）。对做机器人…
mmVB 是一个轻量、即插即用的模块，通过跨图像上下文为每张图分配查询条件下的 token 预算，在不重训基础模型、不访问注意力矩阵的前提下，将视觉输入 token 减少 9 倍，并保留约 94.4% 的全分辨率准确率。
值得关注：多图推理是 MLLM 应用扩展的关键瓶颈之一，视觉 token 随图像数量线性增长会推高编码与注意力成本。mmVB 的增量价值在于：把“压缩”从单图的空间局部冗余问题，重述为跨图像的、查询条件的预算分配问题；同时避开两…
在可验证奖励强化学习（RLVR）中，简单的平方根学习率缩放并不能在多步训练中保持样本效率：更大的 rollout batch 会因曲率损失导致进度变慢，同时存在一个与 batch 无关的“失败时钟”，使模型在相近的样本消耗下崩溃。
值得关注：大 batch 训练常被视为提升吞吐、降低单位成本的手段，但本文指出在 RLVR 多步训练中，它可能同时带来“学得慢”和“准时崩溃”两个问题。双时钟框架把这两个现象统一到一个可预测的结构中，并给出可执行的 batch …
作者提出：地球观测（EO）模型的构建循环可以交给智能体——只要把任务表述为“harness + verifier”，通用编码智能体就能自行搭建并递归改进 EO 模型。**（以上为基于标题与摘要的概括；正文未能抓取，具体数据与结论待核实。）**
值得关注：若上述结论成立，其含义是 EO 领域的分工范式转变：**人类设计 harness 与 verifier，智能体构建模型**，从而“EO 模型随智能体一同进步”。 与既有脉络的关系：本卡片与“人类构建的最后一个AI：迈向…
Tev 通过“先构建潜世界、再渲染任务环境”的数据构造方式，把长程任务的进度转化为可验证的稠密奖励，并用进度势能奖励塑形（PPRS）训练出 Tev-27B，在 Agents' Last Exam 计算与数学科学域达到与 GPT-6 Astra、Claude Opus 5 相当的 Pass@5 表现。
值得关注：长程自主能力是自动发现与 RSI 的前提，而开源模型在此长期落后；Tev 同时给出数据构造与训练配方两条路径。 “潜世界优先”把任务的正确性验证前置到规范层，再渲染为环境，为长程任务的自动化策展与可验证性提供了一种可扩…
这篇论文提出一种可扩展的在线熵正则最优传输（OT）近似方法，使流匹配训练能在每次迭代中使用更大的源-目标配对批量，并声称从理论上证明了相较于独立随机配对可降低全随机梯度方差与积分误差；具体结论与实验细节待核实。
值得关注：流匹配已成为生成建模的重要范式之一，训练稳定性与积分误差直接影响生成质量与可扩展性。 该工作把“配对策略”从经验技巧推进到对全随机梯度方差与积分误差的理论刻画，可能为后续大规模训练配方提供依据。 与既有相关卡片的关系：…