AI 情报文章归档

Agent Seer 提出一种无需人工构建或实时执行工具即可合成评测场景的方法，利用函数名、自然语言描述和类型化参数模式等工具规格中的语义信息，生成能反映从业者组合工具与多轮迭代的真实测试场景。该方法旨在解决手工构建场景依赖领域专家、难以跨工具生态扩展且静态基准无法跟踪 API 演进的问题。

GeoNeXt将预训练视频生成模型改造为统一的几何估计框架，把深度与表面法线估计重构为下一帧预测任务，无需分别训练任务专属模型或大规模微调图像扩散骨干。该方法在零样本单目深度和表面法线估计上超越此前任务专属及统一生成式方案，且训练数据需求大幅降低，性能可与基于超100倍数据训练的有判别力SOTA方法比肩。

苹果机器学习研究团队提出一种新方法，将 LLM 视为信息处理规则，利用其与贝叶斯更新的信息处理差距，研究模型如何根据证据更新概率信念的内部（不）一致性。实验评估了 LLM 在医学、科学、法律等复杂领域的信念更新表现，揭示其概率推理与贝叶斯理想之间的系统性偏差。

Voice Arena 与 Hugging Face 合作，为 Open ASR 排行榜引入 Monsoon en-IN 和 Monsoon hi-IN 两个评测集，覆盖印地语与印度英语，其中印地语是该排行榜多语言板块首个非欧洲语言。数据集含公开与私有分割，共 4,888 位说话人，并记录 12 项说话人属性，旨在暴露按地区、年龄、性别等维度分布不均的语音识别误差。

Together AI 在 DeepSWE v1.1 全部 113 个任务上实测 GLM-5.3 与 GLM-5.3 Flash，各跑 4 次共 900 rollouts。

论文提出 EvoUndo，用于表示、合成、诊断并独立验证 LLM Agent 运行时自我修改的可恢复性。在 600 个未见过的单次自进化任务中识别出 197 个无法通过可恢复性验证的能力提升变异；扩展恢复演算使 oracle 恢复率提升到 191/197，精确状态寻址接地在原语言充分时将恢复从 0/48 提升到 38/48（79.2%）。

论文提出 PRISK 动态评测框架，系统评估 LLM 个性化的三类风险：无关个性化、偏好窄化和谄媚偏差。对 13 个 LLM 的实证分析显示，用户画像和检索记忆会持续加剧偏差，三项指标平均分别下降 45.9%、41.7% 和 61.7%。

论文在 LM Playschool Challenge 中用 2B 开源模型研究对话博弈，发现失败多为局部决策错误而非单纯知识缺陷。

LayerRecall 提出当前状态条件、按层选择的记忆路由机制，仅将检索到的历史 K/V 状态注入骨干网络中对记忆敏感的层，同时保留局部注意力。配合 Cross-Horizon Prediction Matching（CHPM）在预测空间监督有界记忆路由，减少对稀缺长视频和显式标注的依赖。

研究提出 Rubric-to-Code Credit Assignment（RCCA），一种将评分细则级功能反馈转化为代码局部优化信号的强化学习框架，以改善交互式网页应用生成中的信用分配问题。

ContextPilot 提出一种面向长程智能体任务的主动上下文管理框架，通过扩充规划、长期记忆和软上下文卸载工具，并设计基于上下文与熵变化的细粒度 RL 方法，解决现有方法工具集受限、探索低效和信用分配粗糙的问题。在长上下文问答和深度搜索任务中，ContextPilot 以更紧凑的工作上下文取得更强性能，在多种基座模型和基准上持续优于现有基线。代码已开源。

作者基于孙割爆火小作文的PDF，蒸馏出「孙割写作.skill」并开源。该技能复刻其白描手法、精确数字与意象callback等写作特征，供社区娱乐使用。开源地址见正文。

谷歌推出 Gemini Omni 1.1 Flash 视频生成 AI 模型，最高可生成 4K 视频。新模型支持场景扩展（每次 10 秒步长，单条最长 40 秒）、指定首尾帧及最长 3 秒视频参考。360p 预览生成速度较标准 720p 最高提升 60%，成本仅为三分之一；价格从 360p 每秒 0.03 美元到 4K 每秒 0.3 美元不等。

MIT 教学、学习与研究培训 AI 应用特别委员会经五个月调研，发布报告呼吁全校行动。报告指出生成式 AI 已全面渗透校园，既带来教学创新，也冲击 p-set、开卷考试、UROP 等本科教育根基，加剧学生孤立并削弱掌握度。委员会提出八项指导原则，并为教师和管理层推荐短期与长期行动，强调 MIT 应引领 AI 时代的高等教育重塑。

BestBlogs 08-28 早报精选 10 条 AI 动态。智谱发布低成本原生多模态模型 GLM-5.3-Flash，总参数 320B、激活 18B，AA 指数 57 分。

智谱发布并开源 GLM-5.3-Flash，320B 总参数、18B 激活参数，是 GLM-5 系列首个原生多模态版本。相较上一代，激活参数从 32B 降至 18B，注意力计算量和 KV 缓存分别降低 3.01 倍与 4.44 倍。官方称端到端性能相对同硬件初始基线提高三倍，硬件效率和单 token 成本接近主流 NVIDIA GPU。

Thinking Machines与UIUC、Bridgewater研究人员合作，将专家判断融入RLVR的每个环节，训练出首个在文本转SQL任务上超越人类基准的模型。该方法需前期投入数据清洗与奖励函数对齐，但最终在复杂任务上达到SOTA水平。

OpenAI、Anthropic、微软、谷歌母公司 Alphabet、亚马逊等 116 家企业和机构签署联名信，呼吁企业与政策制定者将网络安全置于首要位置，在 AI 时代"采取果断行动"强化防御。信中敦促政府推行"可信访问计划"，使合规企业可在公众开放前提前接入高阶模型，并要求所有机构将网络防御提升为领导层核心要务，同时为医院、水处理厂等关键基础设施提供专项资金支持。

TechCrunch Disrupt 2026 将于 10 月 13-15 日在旧金山 Moscone Center 举办，AI 舞台由 Google for Startups 呈现。

宇树科技8月27日晚宣布，每年将无偿赞助一部分"天才少年"，面向高中到硕士毕业前的学生，项目方向不设限，涵盖芯片制造、AGI、可控核聚变等前沿领域。公司将根据项目申请书和过程质量，给予1万元至2万元经费，分阶段无偿赞助，特别优秀的不设限。宇树称此举源于创始人王兴兴早年获约1万元"浙江省新苗计划"资助的经历。

GOOGLE 🔥：用户现在可以将 Google Play Books 中的精选电子书添加到他们的 Gemini Notebooks 中。 > 第三方订阅、教科书以及搜索中的 AI Mode 和 Gemini App 等更广泛的平台支持即将推出。

英伟达已暂停一项新融资计划中的部分交易，该计划原定向 AI 云服务商提供信用支持以换取营收分成，部分员工担忧其引发反垄断审查。该项目于上周叫停，距宣布不足两个月，英伟达仍可能调整或并入其他业务。发言人回应称该模式仍在正常运作，并正根据市场需求持续优化迭代。

安全研究员 Johann Rehberger 发现一种针对 Claude Code 自动模式的攻击，通过诱骗其下载并解压 zip 压缩包，进而执行本地恶意代码，据称成功率高达 80%。

使用 Gemini Omni 1.1 Flash 加速你的故事创作。🏎️ 现在，你可以通过创建或上传视频，然后让 Gemini 从上次结束的地方继续扩展场景，从而构建更长的故事或开拓新的创意方向。

OpenAI 开始在印度向免费 ChatGPT 用户和付费 Go 订阅用户展示广告，赞助单元可出现在相关答案下方。OpenAI 称广告商无法影响回答，也无法访问用户聊天、记忆或个人详情。定向系统可利用当前对话，个性化广告也可能参考过往聊天和记忆，但不会向广告商暴露这些记录。

在可验证领域中，模型能力扩展应保持无上限。模型将不断进步，通过"吸收越来越多的计算宇宙"来实现，而计算宇宙本质上是无限的。

MiniMax 发文祝贺 fal 团队基于 MiniMax H3 推出 H3 Max。fal 对 H3 进行后训练以提升提示词遵循与视觉质量，并协同设计推理栈，在提速同时持续测试质量，仅保留不损失后训练收益的优化。

Anthropic 推出模型硬件标准（MHS），这是一套标准化驱动，旨在让 AI 智能体轻松连接并控制任意设备。MHS 可为设备间数据共享提供通用接口和格式，将实验设置时间从数周或数月缩短至"数小时或数分钟"。目前该标准处于研究预览阶段，Anthropic 正与 AWS、Hugging Face、Raspberry Pi 等合作，计划最终将其开源。

WSJ报道，英伟达在对其寻求的控制权担忧加剧后，暂停了部分AI云收入分成协议。 因此，英伟达正从单纯的芯片供应商，转变为芯片供应商+财务后盾+收入分成伙伴+对云客户拥有一定控制权的角色。 据WSJ报道，正是这种额外控制权引发了阻力及潜在的反垄断担忧，英伟达现已暂停部分收入分成协议，同时重新考虑其结构。

Claude Code v2.1.248 发布，新增 --restricted 受限模式，移除运行命令/代码及 WebFetch 等内置工具，并忽略用户、项目及本地设置文件。

2025年，Anthropic和OpenAI就已经是历史上同规模中增长最快的公司之一。然而，它们的营收增长在2026年进一步加速。@justjoshinyou13 和 @lynette_bye 在我们最新一期的通讯中讨论了这对AI未来的意义。

Epoch AI 撰文分析 OpenAI 与 Anthropic 的收入增速：OpenAI 年化收入从去年 8 月的 $13B 升至超 $40B，Anthropic 据报道 7 月底达 $65B，两家合计已从 $30B 增至 $105B，2026 年内增长 3.5 倍。

MiniMax 祝贺 fal 团队推出基于其开源模型的后训练视频模型 H3 Max，该模型在质量、提示理解和美学方面排名第一，生成 5 秒 720p 视频仅需不到 3 秒。fal 同时优化了推理系统以实现超实时性能。H3 Max 发布首周享 50% 折扣。

正在写一篇关于使用 Codex 保障个人安全的文章 你如何保护自己的账户和个人信息？Codex 在这方面帮到了你什么？ 很想知道你尝试过哪些方法、哪些真正有效。请勿分享敏感细节。

开发者通过一个基于vibecode的模糊测试工具，在FFmpeg中发现了除以零漏洞。该工具利用Anubis的Proof-of-Work机制（类似Hashcash）应对AI公司的大规模爬取，在个体规模下额外负载可忽略，但在大规模爬取时成本显著增加。目前该方案为临时措施，后续将转向通过字体渲染等方式识别无头浏览器。

创业公司里若还需被指挥做事，创始人不如直接问AI。如今唯一难点是决定先做什么，因此求职时别只列擅长清单，而应写明加入后你会按重要性做什么。作者称收到700+私信求职，50M曝光量下却无一人给出具体改进方案。

Cohere 会支持你。在这里做出酷的东西吧。

AgentMercury 研究表明，智能体的训练环境不必与评测集一致，在无关的模拟商业世界中训练反而能提升目标基准表现。该方法从商业描述生成 4，783 家模拟公司，每家公司含独立服务、工具和数据库，再从中提取训练任务。世界构建本身也可学习，微调后模型生成有效公司的成功率从 3.3% 提升至 83.3%，与 Claude Opus 4.8 持平。

想知道 OpenClaw 构建幕后的故事吗？ Peter 和团队最近与 @github 进行了一场炉边谈话。 我们聊了 OpenClaw 的起源、在 AI 前沿的构建，以及下一步计划。🦞 https://www.youtube.com/watch?v=5VSwaUXtPIE

AI 视频的一条线被跨越了。在我仅使用网页界面的实验中，H3 Max 现在生成质量尚可的 AI 视频，所需时间比观看该视频还要短。从我按下"生成"按钮那一刻起就是实时的（其中还包括提示词增强）。