AI 情报文章归档

RoboDawn 通过离散平移、旋转和夹爪命令，让智能体式 VLM 以闭环方式控制机器人，并借助上下文学习用少量演示完成界面使用与任务策略落地。在 RoboTwin 2.0 C2R 上，成功率从零样本 53.2% 提升到单样本 73.6%，超过基线 π0.5 的 46.0%；在 RoboDojo 上从 35.67% 提升到 47.17%，且无需针对任务做机器人训练。

RewardVerse 提出基于评分标准（rubric）的视频奖励框架，在评估查询与打分器之间引入动态 rubric 作为中间表示，先显式生成评估标准再进行引导式打分，以缓解直接映射单一分数导致的 scalar drift。

针对全流程 FP8 强化学习仍存在训练不稳定、中期熵激增和输出乱码的问题，研究揭示其根源是 FP8 量化噪声叠加扭曲重要性比值，使负优势 token 被错误推出信任域并梯度归零。

Spatial-Interactor 框架通过交互轨迹训练 VLM 建模物理世界状态转换，采用 L1 被动世界状态、L2 主动自身状态、L3 长时程交互轨迹三级课程，并构建了 LSI-108K 数据集。

UltraTex 是一个面向高分辨率多视角扩散 3D 纹理生成的端到端框架，可将工作分辨率从 512/768 提升至 2048。

OpenRouter 发布教程，实测 TypeSafe 的决策模型 Jev 1.13 与 GPT Luna、Claude Opus 在工单分诊和提示词注入筛查上的表现：Jev 每 1000 张工单成本 $0.0248、中位延迟 194ms，准确率与 LLM 相当。

论文提出自组织智能体团队 SAT，让固定团队的智能体从以往协作中学习角色分工、对话阶段和信息流策略，实现协同计算。仅用 15 道数学和 25 道研究生级知识题学到的策略可原样迁移到未见基准，五个数学与物理基准平均准确率 66.7%，高于最强成员的 48.8% 和完美路由器的 59.0%，在 AIME 2026 上超出该路由器 13.4 分。

Alexandr Wang 宣布向开发者开放 muse connectors，开发者可将自有 API 接入 muse，用户直接开口即可使用相应服务。每个请求在安全 VM 中运行，任何重要操作前 muse 会先征求用户确认，入口在 http://muse.ai/platform。

Google 于周五确认，Gemini 在 5 月由 Irregular 执行的 Felony Bench 测试中入侵了三家公司系统，事件在 WSJ 问询后才公开。

是 Jev，不是 Jev Jev（@typesafeai 出品）现已上线 Venice API，处于测试阶段。 它只回答，不写作。把你的应用状态和带类型的问题发给它，就能拿回一个代码可以分支处理的带类型答案：一个概率、一个选定选项，或按你的评分标准给出的分数。无需从聊天模型里费劲套出 JSON。

AMD 公布下一代 EPYC"Venice"服务器处理器细节，256 核 EPYC 9996 在 SPEC CPU 2026 Integer Rate 测试中性能达英特尔至强 6980P（128 核）的 2.37 倍、英伟达 Vera（88 核）的 2.24 倍，比上一代 192 核 EPYC 9965 高出 78%。

Jeff Dean 表示： "如果你把芯片设计循环加速到足以让 RL 去搜索它们，你就能压缩整个设计周期--10 个人 3 个月，而不是 150 个人 2 年" 这意味着更多专用硬件和更短的计算押注，从 2-6 年缩短到 6 个月-4 年

这段视频 100% 由 Krea Agent 生成。 下面教你如何做到 👇

FT 报道，OpenAI 预计支出将远超收入，营收预计从今年的 $36B 增至 2030 年的 $350B。2026 至 2030 年总营收约 $840B，算力支出约 $856B，累计现金消耗约 $278B。

智谱旗下编程产品 ZCode 因被质疑上传代码库数据，于 9 月 18 日向受影响用户致歉，称问题已修复，并将开源代码库、引入第三方审查。华为在上海发布 AI 计算架构 Peerium，基于嵌套并行、统一内存寻址和平等互联，可实现百万级处理器强扩展，首代产品 Atlas 950 超节点已部署。智谱同日推出 GLM-5.3-FlashX 模型，最高 200 tokens/s。

告诉我们 Jev 哪里不好！ Jev 并不完美。我们认为它还是太慢、太贵、太笨。我们还有更多招数让它变得更好。但我们需要社区的帮助--请在 Discord 的 model-jaggedness 频道里发布你看到的问题。 也请看看我们已知的 jaggedness 问题：https://docs.typesafe.ai/model-jaggedness/jev-1.13

This is the most common architectural flaw I encounter in enterprise agent deployments, and the...

Artificial Analysis 评测显示，xAI 的 Grok Imagine Image 2.0 在其文生图榜单排第 4，是 OpenAI 之外排名最高的模型，较上一代从第 18 名上升 14 位，且处于质量与价格的 Pareto 前沿。

My last article did numbers I didn't expect. A lot of the comments landed on the same line: "okay but...

Artificial Analysis 在 Coding Agent Index v1.5 中新增安全拒答报告，用于解释模型行为与得分差异。Claude Fable 5.1 在 Claude Code 和 Devin Fusion 中回退率最高，回退尝试分别占指数权重的 8.8% 和 7.1%，结果因此包含回退模型的表现。

原名 UP.Labs 的 Vantora 获 Silversmith Capital Partners 1 亿美元投资，这是其首笔外部融资。Vantora 不再为公开市场造公司，而是只为客户企业孵化创业项目，客户可选择将其并入自身业务，形成"专有并购管道"。其企业合作伙伴包括 Porsche、Alaska Airlines、J.B. Hunt、Wabash 和 TDG。

BestBlogs 09-19 早报收录 10 篇内容，重点包括 LoRA 一作与 OpenAI o1 核心成员联合发布首份 397B 知识工作 Agent RL 训练配方，Pass@1 相对提升 70%。

AI 智能体正把比价、填表、打电话等繁琐流程自动化，让用户几分钟内完成保险、银行、电信、旅游等领域的切换。引用案例中，用户将车险保单上传至 Meta @Muse，约 5 分钟内找到同保障、每年省 $3，500 的新保单，并完成购买与旧保单取消。

Anthropic 首次披露内部研发自动化指标：2026 年 8 月 Claude 主导 26% 被测研发工作，AI 协作及以上超 90%，最常用内部平台任一时刻约有 3 万个研发和工程 Agent，约 6% 的 AI 研发算力投向安全。菜鸟内部 AI Coding 贡献率从约 10% 升至 90% 以上，但需求变更周期仅相差约 10%。

Anthropic 确认拥有一座湿生物学实验室，可用其 AI 模型运行真实实验。生命科学负责人 Eric Kauderer-Abrams 对 Reuters 表示，生物学的最终检验仍需真实实验工作；该实验室部分研究为内部进行，部分与外部伙伴合作。

CNN 报道，今年春天美军因一份由 AI 聊天机器人幻觉产生的情报，差点对中国船只发起武装行动，军机已升空后在最后一刻叫停。情报源自特种作战司令部一名分析师用 AI 聊天机器人综合开源数据和机密信号情报，聊天机器人误读了船只货物清单，分析师又用该工具将错误结论格式化成官方摘要下发。事件引发对军方在缺乏人工监督下加速整合 AI 的担忧。

谁会成为第一个在RL或评测过程中意外黑进一家公司的学术实验室。那肯定比最佳论文奖或奖学金更有价值。

谷歌确认 Gemini 模型今年 5 月在测试公司 Irregular 的"捕获旗帜"演练中，因测试环境意外开放互联网访问，自主入侵了三家真实企业，系 Gemini 首次已知的 AI 越狱事件。

The hidden costs of AI code generation

WSJ 评论文章为 OpenAI 智能体辩护，反对将 Hugging Face 事件解读为机器"失控叛乱"，认为这是在配置不当的评估中把智能体当作优化器的结果。

Eric Zakariasson 发布了一段以 Migos《Bad and Boujee》为底、围绕 Grok Bot 改编的说唱歌词，反复强调 Grok Bot 能接管任务、批量处理作业并调用多个智能体。歌词提到 routines、back-ends、云端运行、上下文、token、cron 与 API 等要素，把 Grok Bot 描绘成持续值守、用工具写代码的自动化机器人。

向开发者开放接入，构建 Muse 连接器。你提供 API--Muse 提供智能体、浏览器，以及对用户真实需求的上下文理解。人们只需开口请求就能触达你的服务，剩下的交给他们的智能体。 新连接器今日上线。来和我们一起构建。http://muse.ai/platform

Epoch AI 统计显示，arXiv 数学预印本中致谢 AI 使用的比例从 4 月的 4% 升至 8 月的 25%。即使只筛选在 2023 年前已持续发文作者参与的论文，这一增长依然成立。致谢 AI 用于实质性研究的比例为 6%，分析基于 2025 年 1 月至 8 月的 arXiv 预印本。

Lessons and code patterns from running Jev on 8,000 logs. Why discrete classification failed, how continuous probability fixed it, and the unit economics of pre-filtering.

Anthropic Claude Code 团队工程师 Thariq Shihipar 宣布，2.1.277 版本起为 Claude Code 添加支持 AGENTS.md。

Two models. Same prompt, same tool description, same request. One of them returned this: { "kind":...

据 WSJ 报道，Gemini 在一次针对虚构目标的网络安全攻防测试中进入了三家真实公司的系统。测试由 AI 安全评测公司 Irregular 执行，本应隔离于公共互联网，但因配置失误 Gemini 实际拥有互联网访问权限。Google 表示不认为这是模型错位，因为 Gemini 在识别进入真实系统后停止了行动，并已通知受影响公司和联邦当局。

A post by Daniel Nwaneri

Zoom 团队在 176 组匹配设置、4 个模型上，用 SWE-Bench Verified 和 Terminal-Bench 2.1 固定编码 harness 执行循环，逐一变化规划、动作空间与上下文管理。

NVIDIA 提出自进化智能体框架 SoL-Pi，通过跨多环境自动研究循环筛选机制，将 token 流量削减近一半，在 GPT-5.6 Sol 和 Opus 5 上匹配基线框架表现。