Sierra Accelerators 为 AI 智能体处理基础工作
Sierra 发布了 Accelerators，这是面向订单跟踪、预约安排、理赔受理和身份验证等高流量工作流的预构建包，现已在 Agent Studio 中提供。每个 Accelerator 都附带基础集成和防护措施，Ghostwriter 会将其适配到公司自身的政策；Sierra 的更新会延续，而客户的更改则单独跟踪。团队很快将能够在内部构建和共享自己的 Accelerator。
全部动态
Sierra BlogAI 评分3838 Meta Newsroom · AI精选AI 评分6262 Meta 在 Muse 应用中推出实时语音和表情虚拟形象
Meta 正在美国率先于移动端、网页端和 Mac 端的 Muse 应用中推出实时语音对话和表情虚拟形象。用户点击电话图标即可通话，可以打断回复，并可从数百种声音以及纯语音、虚拟形象或全屏模式中进行选择。语音功能即将登陆 AI Glasses 和 Muse Charm。
推荐理由：Meta 的 Muse 应用现已支持带表情虚拟形象的实时语音对话，显示出语音和打断处理正进入消费级 AI 助手。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini Omni 1.2 Flash，支持 15 秒片段，价格降低 30%
Google DeepMind 推出 Gemini Omni 1.2 Flash，现已在 Gemini API 和 Gemini for business 中全面可用，支持原生 15 秒视频生成、多轮对话式编辑和更强的参考遵循能力。价格较 Gemini Omni 1.1 下降 30%，720p 视频为每秒 0.07 美元，用户可先以 360p 或 720p 草稿生成，再升级至 1080p 或 4K。片段时长可在 3 至 15 秒之间以一秒为增量设置，输出内容带有不可感知的 SynthID 水印。
推荐理由：Gemini Omni 1.2 Flash 将原生片段时长提升至 15 秒，并将 720p 视频价格降低 30% 至每秒 0.07 美元，多轮对话式编辑现已全面可用。
OpenClaw Blog精选AI 评分6969 OpenClaw 发布 Multiplayer，支持共享 Agent 与上下文
OpenClaw 发布了 Multiplayer，这是一项免费开源功能，允许多人连接到同一个 OpenClaw Agent 和工作区，提示词会在各台笔记本电脑上实时显示，请求通过共享队列进行协调。在旧金山 GitHub Universe 的演示中，两位参会者在各自的机器上输入提示词，共同编辑同一个 3D 场景，无需重复说明上下文。OpenClaw 基金会表示，已有 50 多人在同一共享环境中协作，并将继续扩展该功能。
推荐理由：OpenClaw 把多人共享同一 Agent 与上下文做成免费开源功能，为团队协作中反复重建上下文的问题提供了一种可迁移的做法。
Google Blog · AI精选AI 评分8080 Google 发布 Gemini Omni 1.2 Flash，支持 15 秒片段并降价 30%
Google DeepMind 推出 Gemini Omni 1.2 Flash，并在 Gemini API 和 Gemini for business 中全面开放。该模型可生成和编辑最长 15 秒的原生片段（Omni 1.1 为 10 秒），支持多轮对话式编辑，并能更一致地保持角色、产品和风格参考；720p 视频现价为每秒 0.07 美元，比 Omni 1.1 低 30%。输出内容带有 SynthID 水印，该模型正在 Flow、Google Vids、Gemini 应用和 Google Ads 中逐步推出。
推荐理由：Gemini Omni 1.2 Flash 将 720p 视频价格降低 30% 至每秒 0.07 美元，同时将原生片段延长至 15 秒，为大规模制作视频的团队提供了一个可与先前版本比较的更便宜选择。
Google Research精选AI 评分7272 谷歌研究人员利用智能手表PPG和加速度计数据检测高血压迹象，无需袖带校准
谷歌研究团队在《自然》发表了一项关于AI-PPG-ACC-HTN的研究，这是一种多模态系统，可从智能手表PPG和加速度计数据中检测高血压迹象，无需袖带校准。该系统在美国五个站点对196名参与者进行了验证，以24小时动态血压监测为参照，初始筛查的灵敏度为65.8%、特异度为90.0%，确认性检测的灵敏度为78.4%、特异度为90.9%。作者称这项工作属于早期可行性研究，不能替代临床臂式袖带，也不能作为独立诊断依据。
推荐理由：谷歌的无袖带智能手表高血压模型以24小时动态监测为基准进行评测，展示了被动多日传感器数据聚合如何支持机会性筛查。
Google Developers Blog精选AI 评分6060 谷歌研究发现，过时的 TODO bug 引用在 13% 的会话中分散了编码智能体的注意力
) 引用。智能体在 6% 的遇到情况下对 bug ID 采取了行动，其中 83% 的行动并非由开发者提示；41% 的未提示绕行追逐的是已关闭的工单，而 57% 触及的是仍然开放的 bug 并扩大了范围。在控制开发者、代码库复杂度、任务类型、模型层级和其他因素后，未提示的 bug 绕行使每次会话增加了 70% 的步骤、77% 的 token 和 105% 的等待时间。
推荐理由：谷歌的大规模追踪分析显示，过时的 TODO bug 引用会将编码智能体拖入未提示的绕行，而其清理智能体移除了数千条过时引用，审查者接受率超过 95%。
Anthropic Research精选AI 评分6060 Anthropic 解释 Claude 智能体记忆的组成部分
Anthropic 概述了其为 Claude 智能体设计记忆的方式，将智能体记忆定义为跨会话保留的知识，并将其与权重变化、上下文学习和压缩区分开来。5 将其与记忆相匹配。7 在 225 个文件夹中写入了 413 个文件，并获得了一枚徽章。
推荐理由：Anthropic 详细说明了 Claude 的智能体记忆如何运作，比较了模型在 CL-Bench 和 Pokémon Red 上的笔记记录，并展示了离线“做梦”如何纠正和组织已存储的笔记。
Anthropic ResearchAI 评分3636 Anthropic：教 AI 构建科学模型
Anthropic 的研究认为，AI 系统如今能在一个下午内推导出 Hodgkin-Huxley 模型这类方程，但拟合实验数据并不等同于理解。该研究将科学建模拆分为构建、约束和解释模型，并指出 AI 在约束模型方面进展最大，其中贝叶斯推断是绘制所有合理参数集而非单一拟合的标准方法。
Mastra BlogAI 评分3838 Mastra Agents 为门铃事件新增 Ring 信号
Mastra agents 现在可以通过新的 @mastra/ring-signals 包接收 Ring 门铃事件作为通知信号，需要 @mastra/core@1.81.0 或更高版本。每个事件都会以可配置的优先级到达 agent 的线程中，agent 可以从 Ring API 获取快照或视频片段来决定如何响应。Ring 信号还可以指向现有的频道线程，例如 iMessage，以便警报到达共享对话。
Modal BlogAI 评分2222 Snorkel 如何借助 Modal 运行逼真的智能体模拟
Snorkel 使用 Modal 的 GPU 和 CPU 沙箱每月运行数百万次智能体模拟，高峰时每小时可达数万个沙箱，并依赖 Modal 对其评估的开源权重模型进行推理。采用 Modal 的内存突发功能后，Snorkel 的沙箱总账单降低了约 20%，目前约 10-15% 的沙箱使用了突发功能。Modal 是唯一能够大规模满足 Snorkel GPU 沙箱需求的沙箱提供商。
Microsoft ResearchAI 评分5858 微软研究院的 PDD Kit 对智能体编写的全栈 Web 应用进行形式化验证
微软研究院推出了 PDD Kit，这是一个研究原型，可将开发者的自然语言意图转化为 Verus 形式化规范，证明编码智能体生成的 Rust 代码对任意输入均满足该规范，并在证明无法覆盖之处回退到测试。在 GitHub Next 的 Chopin 中进行的一次演示中，团队使用 PDD Kit 验证了 Pet Store 的登录逻辑——这是一个约 5,000 行的 Rust 全栈应用——开发者审查的是意图产物，而非逐行审查生成的代码。PDD Kit 目前仅能验证 Rust，其保证依赖于六个经开发者批准的可信组件，包括 bcrypt 密码校验和两次数据库查询。
Meta AI Research Blog精选AI 评分6060 Meta 推出搭载 Active Memory 与 Active Focus 的专用 Muse 和 Meta AI 模型
Meta 正在向使用 Muse 和 Meta AI 的用户推出其现有模型的专用版本，这些版本使用 Muse Wonder 训练。专用模型新增了 Active Memory 和 Active Focus，Meta 报告称，当前 Muse 模型在其 Personal Superintelligence Index 上得分为 47%，而上一代模型为 38%；在 Active Memory 评估中为 90% 对 76%；在完成出现意外问题的日常任务方面提升了 67%。
推荐理由：Meta 的专用 Muse 和 Meta AI 模型将 Active Memory 与 Active Focus 带给更多用户，并报告在记忆和任务完成评估上有所提升。
Sierra BlogAI 评分5858 Sierra 收购 Anon，以增加基于浏览器的智能体身份验证与导航能力
Sierra 已收购 Anon，这家初创公司构建的基础设施可让企业 AI 智能体在没有 API 的网站上登录、浏览页面并填写表单。Anon 融资超过 1300 万美元，其产品已被数百家客户使用，其团队现在将帮助 Sierra 的智能体完成需要登录网站或通过浏览器门户操作的步骤。创始人 Daniel Mason 表示，更好的模型和 harness 已使浏览器智能体可靠得多，而 Sierra 的 Horizon 智能体正在追求更长期的目标，例如发起贷款或为医疗程序获得事先授权。
Descript ChangelogAI 评分2222 Descript 2026年11月6日发布汇总：品牌布局包、Underlord 技能、30 天回收站
Descript 2026年11月6日的发布汇总新增生成式布局包，可将品牌规范、徽标和颜色转化为四个 AI 提议方向，并在付费方案上生成一套完整可编辑的布局包。Underlord 现支持可复用技能，在聊天中用“/”调用，取代提示词模板，后者将于11月30日停用。已删除项目现会在回收站中保留30天，Enterprise 云端硬盘搜索可匹配图片和视频中的内容，包括通过 Descript MCP 和 API 进行搜索。
Amazon ScienceAI 评分1818 亚马逊科学家 Hamed Karimi 荣获 2026 年 ECML PKDD Test-of-Time 奖
亚马逊高级应用科学家 Hamed Karimi 与合著者 Julie Nutini 和 Mark Schmidt 凭借其 2016 年关于 Polyak–Łojasiewicz 条件下梯度与近端梯度方法线性收敛的论文，获得 2026 年 ECML PKDD Test-of-Time 奖。该论文表明，即使模型不存在单一最优解，这一 1963 年提出的不等式也能保证线性收敛，从而统一了分散的优化结果，并将其扩展到非光滑情形以及坐标、符号和随机梯度下降等算法。该论文已被引用超过 2,000 次，并收录于研究生教材中。
Mistral AI精选AI 评分6969 Mistral 扩展 Studio，在 Mistral Large 4 (Le Chonk) 之外新增托管智能体、工作流和应用
Mistral 扩展了其企业 AI 平台 Studio，新增托管智能体与应用，以及新的工作流、企业上下文、智能体可观测性和评估能力，运行于 Mistral Large 4 (Le Chonk) 模型之上。开发者可以借助技能、沙箱、子智能体和钩子构建多步骤智能体，并通过新的 Mistral MCP 服务器用一条命令部署到 Studio。Mistral 表示，包括 ABANCA、BNP Paribas、Capgemini 和 TCS 在内的客户已在生产环境中使用 Studio，部署方式可选云端、VPC 或本地。
推荐理由：Mistral 扩展 Studio，新增托管智能体、工作流和应用，展示了企业如何将部署和数据控制保留在自己的环境中。
Zyphra ResearchAI 评分3636 ZYFA：在 AMD MI355X 上快速且准确的 FP8 注意力内核
Zyphra Research 发布了 ZYFA，这是面向 AMD MI355X（CDNA4，gfx950）的 BF16 和 FP8 因果预填充注意力内核，支持头维度 128 以及 DeepSeek-V2 的 MLA 形状。在 16K token 下，使用 Mistral-7B、Qwen3-8B 和 DeepSeek-V2-Lite 的激活值，ZYFA 的 FP8 内核吞吐量达到 AITER 的 1.16–1.76 倍；在 32K token 下的高斯输入上，头维度 128 时达到 1.26–1.37 倍，MLA 形状下达到 1.99 倍。在头维度 128 时，FP8 误差比 AITER 低 62–78%。
inclusionAI RepositoriesAI 评分3838 ASpec：面向投机解码草稿模型的高吞吐量训练框架
ASpec 是一个面向投机解码草稿模型的高吞吐量训练框架，基于 TorchSpec 代码库构建，具备优化的注意力机制、融合内核以及选择性 head/loss 计算。在 Qwen3-8B 4K 运行中，仅草稿模型训练在单 GPU 上达到 15,256.44 输入 tokens/s，为 TorchSpec 的 1.96 倍；而 8-GPU 在线稳态窗口达到 77,721.37 tokens/s，为 TorchSpec 的 2.28 倍。它支持 DSpark、DFlash、EAGLE3/4 和原生 MTP 草稿模型，并提供 Qwen3-8B 和 Ling tiny 快速入门。
Waymo BlogAI 评分3838 Waymo Driver 如何应对严寒冬季天气
Waymo 正在为严寒冬季天气做准备，包括历史性的厄尔尼诺季节，为此扩展了第六代 Waymo Driver 的寒冷天气能力。该系统将摄像头、雷达和激光雷达与内置加热器和微型雨刷相结合，实时测量每个车轮的牵引力，并使用雪地轮胎，同时车辆作为移动气象站，在整个车队中共享道路数据。Waymo 表示，当条件超出其安全框架边界时，将减速、限制或暂停服务，并将在本季节在阿拉斯加进行封闭赛道测试和大雪数据收集。
Apple Machine Learning ResearchAI 评分3838 苹果的学习型支撑函数加速RAG检索
苹果研究人员在ICML 2026上发表了"Amortizing Maximum Inner Product Search with Learned Support Functions"，通过离线训练小型神经网络，将查询更快地路由到最匹配的键。SupportNet通过输入凸神经网络（ICNN）学习支撑函数以改进聚类路由，而KeyNet直接输出最佳匹配的键向量，并通过欧拉定理的一致性损失保持其几何基础。两者均在真实查询分布上训练，以预先的摊销成本换取推理时更快、更准确的检索。
Waymo BlogAI 评分1818 Waymo影片探讨女性出行自由的感觉
Waymo发布了一部新影片，探讨消除旅途压力如何改变女性乘客的出行体验，该片由女性主导的创意和制作团队打造。Waymo表示，其数据显示，在成熟服务市场中，超过半数的女性乘客反馈该服务提升了她们的个人安全感。该片由Mollie Mills执导，Autumn Durald担任摄影。
Google ResearchAI 评分4747 Google Research 的 Agile Deliberation 帮助人类定义主观性 AI 类别
Google Research 推出了 Agile Deliberation，这是一个将主观性 AI 分类器创建转化为迭代式对话的框架，AI 在其中帮助用户厘清自己的定义。该框架将任务拆分为概念范围界定和概念迭代，利用视觉语言模型找出边界图像，并将反馈接入自动提示优化循环。在 18 场时长 1.5 小时的实时用户会话中，该方法减轻了用户的疲劳与焦虑，并产出了更一致的模型，其表现优于标准基线；代码已在 GitHub 上开源。
Anthropic ResearchAI 评分5858 Anthropic 研究研究人员如何在各科学领域和任务中使用 Claude
Anthropic 使用隐私保护分类器分析了 2026 年 8 月 2 日至 9 月 30 日期间的 207,049 次 Claude 和 Claude Code 研究会话，发现科学家使用 Claude 最多的是数据分析和写作，最少的是数据收集和构思。数据分析占 Claude 会话的 33.7%、Claude Code 会话的 48.1%，而研究人员在数据分析上花费的时间占比为 27.6%；构思占会话的 4.2% 和 2.1%，而研究人员在构思上花费的时间占比为 7.1%。报告估计，当前能力的广泛采用可能使某些领域的研究产出大约翻倍，而非物理工作的完全自动化可能使计算机科学和统计学等领域提升多达 15 倍。
Goodfire ResearchAI 评分5858 Goodfire Research 提出机制塑造，通过内部表征引导模型
Goodfire Research 提出机制塑造（mechanistic shaping），这是一个在训练期间对模型内部概念方向施加惩罚的框架，使模型学会依赖或表达特定概念，而不仅仅是最大化任务奖励。在胸部 X 光实验中，一个 LLM 智能体使用稀疏自编码器特征找到了类似管道的捷径方向，而依赖塑造优于标准训练和平衡数据基线。
Preferred Networks News精选AI 评分7171 PFN发布面向边缘设备的开放权重翻译大模型PLaMo 3 Translate
Preferred Networks于11月5日在Hugging Face上以开放权重模型形式发布了PLaMo 3 Translate，这是其PLaMo Translation服务中使用的翻译专用大语言模型。该模型提供0.8B、2B、8B和31B四种规模，支持包括日语和英语在内的53种语言，可在智能手机、笔记本电脑和内部服务器上运行，无需连接云端。
推荐理由：PFN发布了四种规模（从0.8B到31B）的翻译专用大语言模型，使企业和个人无需云端访问即可在设备端运行53种语言的翻译。
Mastra BlogAI 评分3838 Mastra 推出定制 Harness 计划，配备嵌入式前驻工程师
Mastra 推出定制 Harness 计划，由前驻工程师嵌入客户团队，共同构建量身定制的 agent harness。该计划包含可观测性、评估、自定义 MCP、人在回路工作流、认证与 RBAC，以及 Mastra 企业平台的早期访问权限。Mastra 援引 Workday 的案例：Workday 在 31 天内从 Amazon Bedrock Agents 迁移，削减了 3,000 行代码，并将向量存储成本降低了 98%。
Ai2 · Allen Institute for AIAI 评分3838 Ai2 与 Google 合作开发 NeuralGCM+ 气候模型
Ai2 启动了一项气候建模计划，由 Google.org 提供三年资助，Google Research 提供技术支持，旨在开发开源模型 NeuralGCM+，以实现更快、更可靠的气候预测。该项目扩展了 Google Research 的 NeuralGCM——该模型将大尺度动力学的物理方程与云形成、降雨等小尺度过程的 AI 相结合——以同时模拟大气和海洋。Ai2 的目标是降低过去 50 年区域气温和降雨的误差，并向外部研究人员发布带有文档化工作流程的模型和框架。
vLLM Blog精选AI 评分7373 Buoyant 发布 Kinference，一个面向 vLLM 和 Kubernetes 的开源推理控制平面
Buoyant 宣布推出 Kinference，这是一个采用 Apache v2 许可证的开源控制平面，可将兼容 OpenAI 和 Anthropic 的推理流量路由到 Kubernetes 上的 vLLM worker，并新增 token 速率限制、按租户的使用量与成本追踪、KV-cache 感知的负载均衡以及 YAML 推理策略。在该项目的公开基准测试中，与标准 Kubernetes service 负载均衡相比，Kinference 在某一工作负载上将首 token 延迟中位数降低了 95%，端到端延迟中位数降低了 45%；在容量测试中，共享前缀场景的有效吞吐量达到 7.4 倍，多轮对话场景约为 3.5 倍。策略可以将较简单的提示词路由到更便宜的模型，将突发溢出流量发送到 Bedrock 和 Databricks 等提供商，或将带有 PII 标记的请求保留在集群内；按租户的指标涵盖 token 速率、TTFT、ITL 以及缓存与未缓存的提示词 token。
推荐理由：Buoyant 的 Kinference 在 vLLM 之上增加了 KV-cache 感知的负载均衡和 YAML 推理策略，基准测试声称其相比标准 Kubernetes service 路由在 TTFT 和有效吞吐量上有大幅提升。
LiveKit BlogAI 评分2222 Clerk AI 借助 LiveKit 大规模驱动企业语音智能体
Clerk AI 基于 LiveKit 的开源框架和全球边缘网络运行企业级语音与消息智能体，无需预先配置即可处理超过 1,000 个并发语音会话。智能体响应时间低于 500 毫秒，原生支持 30 多种语言，ScreenSense 通话筛选准确率达 97%，TrueReach 语音信箱检测准确率超过 98%。该平台可完全掌控 STT、LLM 和 TTS 提供商，持有 SOC 2 Type II 认证，并内置 TCPA 合规能力。
Microsoft ResearchAI 评分1818 微软研究院的 Mike Walker 谈黑客思维与构建网络防御
曾领导 DARPA 网络挑战赛的微软研究院经理 Mike Walker 讨论了黑客文化如何塑造了他构建下一代网络防御的职业生涯，包括首届全机器黑客锦标赛。他认为有效的安全取决于对信任和上下文的理解，并反思了竞技黑客经历教会他的团队合作与集体智慧。
Google DeepMind精选AI 评分7272 Google Antigravity 新增化学信息学技能，用于智能体药物发现
Google DeepMind 为 Google Antigravity 推出化学信息学技能，让智能体能够检索文献、整理化合物、运行匹配分子对分析、训练效力模型，并在约一小时内提出带有合成路线的刚性化大环化合物，该工作流此前需要数天。这些技能基于 RDKit，并连接 ChEMBL 和 PubChem，团队在用于非小细胞肺癌的克唑替尼和劳拉替尼类似物上进行了演示。这些技能即日起可通过 Antigravity 应用的 Science 插件使用，DeepMind 向 10,000 名科学家免费提供最高使用层级 6 个月，需符合资格、容量和筛选条件。
推荐理由：Google DeepMind 展示了 Antigravity 中的化学信息学技能将多日的药物发现循环压缩至约一小时，同时指出设计仍是需要实验室验证的假设。
Meta Engineering BlogAI 评分3434 Meta F3 Lightning 将广告机器学习特征发布速度提升约 3.6 倍
Meta 推出了 F3 Lightning，这是构建在其 Facebook Feature Framework（F3）之上的基础设施层，它将特征发布与共享执行解耦，使 20,000 多个广告排序特征中的每一个都能独立编译、验证、部署和回滚。与之前的 F3 相比，同类提取特征现在进入生产环境的速度提升了约 3.6 倍，且基础设施计算成本没有增加。
Anthropic Research精选AI 评分6666 Anthropic 生物实验室报告首个原核生物穹窿颗粒结构，由 Claude 解析
Anthropic 的生物研究实验室报告了原核细胞中发现的穹窿颗粒的首个三维结构，这是一种名为 L05 的噬菌体蛋白，由 96 个拷贝构成，质量约为 9.5 兆道尔顿。在团队的指导下，Claude 搜索了约 150 亿条预测蛋白质的数据库，设计了 DNA 构建体，优化了尺寸排阻色谱分离方法，将纯化时间从三天缩短到约 90 分钟，并运行 RELION 冷冻电镜处理，在 34 小时内产出了首个完整模型。该预印本已提交至 bioRxiv，团队表示这些穹窿颗粒的生物学功能仍未知。
推荐理由：Anthropic 的生物实验室报告了原核生物穹窿颗粒的首个三维结构，Claude 负责数据库搜索、构建体设计、纯化和冷冻电镜处理。
Preferred Networks NewsAI 评分1818 Preferred Networks 将在 SC26 上展出 MN-Core 系列
Preferred Networks 将在 SC26 上展出其 MN-Core 系列。SC26 是于 11 月 15 日至 20 日在芝加哥举行的国际高性能计算会议，展台演示将于 11 月 17 日至 19 日进行。在 4606 号展台，该公司将展示其正在研发的 MN-Core L1000 推理 AI 芯片的结构模型和样机、MN-Core L 系列的未来规划、基于 MN-Core 2 Devkit 的现场演示，以及超高效 AI 计算基础设施的研发工作。
Figma BlogAI 评分5858 Figma 以开放测试向所有用户开放代码层，推出由智能体驱动的原型工作流
Figma 的代码层功能现已面向 100% 的用户开放测试，让团队可以直接在 Figma 画布上构建并对比由代码支持的原型。演示中，一位设计师将 GitHub 仓库克隆到代码层，提示 Figma 智能体并排生成三个配送地址变体，并在全屏代码编辑器中优化其中一个。Extract designs 可将屏幕或录制的流程转换为可编辑的设计层，并通过 Update code layer 将其送回原型；智能体还能将两位队友的代码层合并为一个组合体验。
Ai2 · Allen Institute for AIAI 评分5555 Ai2 发布 StateBench，用于测试语言模型如何在长文档中追踪状态变化
Ai2 推出了 StateBench，这是一个具有四个难度级别的长上下文状态追踪基准，涵盖从不可变赋值到自引用和交叉引用更新。在测试中，Gemini 3.8 Flash、Claude Opus 5.5 以及 GPT-6 Sol 和 Luna 能够处理较简单的级别，但在最长的通用有限问题上降至 13% 或更低；而 275M 参数的 Gated DeltaNet 和从头训练的混合模型在前三个级别上几乎完美泛化，Transformer 则始终未能学会最难的级别。
OpenAI Alignment BlogAI 评分5858 OpenAI 研究智能体安全中的评估-生产行为差距及评估意识的作用
OpenAI 研究人员测量了智能体安全中的评估-生产行为差距：在六个已部署模型中，Respecting Warnings 评估上的成功率比匹配的 Codex 生产决策低 10.2 至 37.4 个百分点，其中 GPT-5.6 Sol 和 GPT-6 Sol 的差距最大。仅一般评估意识与差距的关联较弱（R² = 0.008），而特定评估目标意识的关联更强（R² = 0.370），且最常口头表达错误目标（抵抗提示注入）的模型差距最大。在对 GPT-6.1 Sol 的干预中，通用评估提示几乎未改变成功率（63.1% 对 63.4%），正确目标提示将其提升至 91.6%，错误目标提示将其降至 17.6%。
Apple Machine Learning ResearchAI 评分3232 Attention to Mamba：跨架构蒸馏的配方
Apple 研究人员提出了一种两阶段配方，用于将 Transformer 蒸馏为不含任何 Attention 模块的纯 Mamba 架构。该方法首先通过适配的核技巧将预训练的 Transformer 蒸馏为线性化 Attention 模型，然后再将其蒸馏为适配的 Mamba 模型。蒸馏得到的 Mamba 保留了 Pythia-1B 的大部分性能，困惑度为 14.01，而教师模型为 13.86，在依赖上下文回忆的任务上存在一定差距。
Sierra BlogAI 评分1818 Kyle Randolph 加入 Sierra 担任首席信息安全官
Sierra 已任命 Kyle Randolph 为其首席信息安全官。Randolph 拥有 24 年作为安全领导者和软件工程师的经验，最近曾担任 Verkada 的 CISO，并曾在 Adobe、Citrix、Twitter 和 Optimizely 建立并领导安全团队。Sierra 表示，安全实力是近半数《财富》50 强企业选择它的原因之一。