Mercor 在年化收入达到 30 亿美元后，以 200 亿美元估值完成了 7.5 亿美元 D 轮融资；其年化收入从 2 月的 10 亿美元和 6 月的 20 亿美元增长而来。该公司称拥有 500 万名专家，并将其市场界定为美国 800 多个职业，这些职业的工作流程尚未被模型评估过。Mercor 还表示，其目前在推理上的支出已是员工薪资的 3 倍，并认为如果这一比例在整个经济中成立，则意味着未来五年 GDP 将实现两位数增长。
Hugging Face 展示了池化感知训练如何在固定存储预算下提升多向量嵌入模型的检索质量。在 pool_factor=4 时，常规训练的模型保留了其未池化 NanoBEIR nDCG@10 的 94.6%，同时将文档向量减少到四分之一，而池化感知训练将这一保留率提升至 97.8%。文章详细介绍了 HierarchicalTokenPooling、预算校准以及一个可复现的 Sentence Transformers 示例。
inclusionAI 发布了 ZoomGain-9B 和 ZoomGain-4B 视觉语言模型检查点，以及 ZoomGainBench 评估基准和 ZoomGain RL 训练数据。ZoomGain 挖掘从全局到放大的感知差距，以构建细粒度视觉监督，ZoomGain-9B 在多个细粒度和通用感知基准上取得了更优表现。ZoomGainBench 包含覆盖 941 张图像的 1,000 个问题，而 RL 数据集包含 9,000 条训练记录和 7,713 张源图像。
inclusionAI 发布了 arXiv 论文、ZoomGainBench 评估基准、RL 训练数据集以及 ZoomGain-4B/ZoomGain-9B 模型检查点。28 个模型中表现最佳者在 ZoomGainBench 上得分 61.08，而 ZoomGain-9B 在多个细粒度和通用感知基准上达到了更优性能。ZoomGain 挖掘从全局到放大的感知差距，为视觉语言模型构建细粒度视觉监督。
微软研究人员描述了一种名为Lazarus的后门技术，该技术通过重编程大语言模型中不到10个休眠神经元，使基于该模型构建的智能体在出现隐藏触发条件时执行攻击者指令，且无需重新训练。被修改的模型仍能通过标准评估，在触发前表现正常，触发条件可以简单到只是日期变更，随后智能体会以被授予的权限运行下载的代码。作者表示，检测需要与原始权重进行差异比对，而Microsoft Foundry已将开放权重模型与其发布者绑定并扫描其容器，同时红队测试框架、基于智能体的权重扫描以及具有防篡改来源证明的签名模型正在开发中。
推荐理由：微软研究人员表明，重编程不到10个休眠神经元即可在无需重新训练的情况下对大语言模型智能体植入后门，这使得权重来源与完整性成为一项实际的安全要求。
Anthropic 以测试版形式推出 Claude Whiteboards 和 Claude Sheets，并将 Claude Dashboards 正式发布为 Claude Data。Whiteboards 可将口头计划转化为带有时间线、负责人和日期的看板，团队可实时编辑；Sheets 可构建包含标签页、公式、格式和下拉菜单的电子表格，并概述每次编辑。Claude Data 让数据团队能够认证查询，并基于指标生成数据故事或旁白视频，实时共享可显示最新数字。
推荐理由：Claude 新增协作白板、电子表格和共享数据仪表盘，将其工作空间从聊天扩展到团队文档。
Amazon 推出 Mitra-v2，这是用于分类和回归的第二代表格基础模型，随附微调模型以及推理和微调代码，以 Apache-2.0 许可证在 Hugging Face 上发布。它使用合成表格进行预训练，行数是 Mitra-v1 的 10 倍，列数约为其 3 倍，采用新的混合 SCM 先验和混合优化器，同时保持 Transformer 架构不变。在包含 51 个真实世界数据集的公开基准 TabArena 上，Mitra-v2 在单模型领域领先，在两者均原生运行的 33 个数据集中的 32 个上优于 Mitra-v1，并在 1 小时预算内完成全部 51 个数据集；微调后的 Mitra-v2 还在 ScoringBench 上排名第一。
推荐理由：Mitra-v2 表明，扩大合成预训练数据而非加深网络，能将表格基础模型提升至 TabArena 单模型领域的首位。
乌兰察布曾是内蒙古一个鲜为人知的城市，随着数据中心在其草原上遍布，它已成为新兴的人工智能计算中心，吸引着来自中国各地的年轻工人。快手于2023年在那里开始运营其首个自建数据中心，DeepSeek今年4月发布了高级运维岗位的招聘广告，月薪最高达3万元人民币（4200美元）。劳动力市场如今正趋于饱和，雇主提高了招聘标准，一些雇主只考虑本科学历持有者。
乌克兰的光纤无人机不受战场干扰影响，但随着从中国进口光纤材料与全球AI数据中心争夺同样有限的供应，其成本如今面临上涨。乌克兰无人机制造商正在适应这一局面，成品线轴所容纳的线缆足以让无人机常规在数十英里范围内作业，极端情况下可达62英里。
Apple 研究人员与哈佛合作者提出加权状态汤（weighted state souping），该方法学习依赖查询的权重，用于重新组合缓存的 SSM 状态编码，从而提升单跳和多跳文档问答、大海捞针检索、变量跟踪和工具使用等长上下文任务的表现。一种稀疏变体在上下文长度方面实现了近乎恒定的编码成本，同时保持或有时提升性能。该论文已被 NeurIPS 2026 的 PALM 研讨会接收。
一项由苹果和哈佛开展的研究表明，状态空间模型（SSM）中的门控机制会使其首先学到一个权重内的“记忆”解，从而延迟甚至阻止其收敛到正确的上下文学习。即使架构和记忆容量并未施加根本性限制，这种情况依然会发生。不过，门控通常能改善对长序列长度的泛化能力。
Apple 研究人员测试了 LLM 评判器在评估生成文本是否符合用户偏好写作风格方面的表现，使用四个 LLM 在三个长文本写作任务中生成文本，并将评判器标注与人类成对标签进行比较。评判器质量与 LLM 在 MMLU 上的通用能力仅呈弱相关（Pearson's ρ ≤ 0.2），且因写作任务和评估标准而异，成对比较比独立评分更一致。最强的 LLM 并未最可靠地复现人类评估，可能是由于对细微细节的敏感度被夸大。
谷歌推出了语言探索器（Language Explorer），这是一个交互式网络平台，让研究人员、教育工作者和语言爱好者能够发现并可视化数千种语言的多样性。该平台是谷歌“1000种语言计划”的一部分，基于开源数据集 LinguaMeta 构建，并在本周于柏林通信博物馆开幕的新展览中展出。谷歌翻译目前支持近250种语言，而 Gboard 覆盖900多种语言变体。
Handshake的AI训练业务在大约一年内从启动做到10亿美元年化毛收入，本次Latent Space与Garrett Lord及其团队的深度剖析梳理了前沿实验室所购买的强化学习环境。在一个金融演示中，一个智能体处理模拟银行的邮件和交易文件，将一个商誉数值带入Python并减去它，这个错误显示出专家判断在何处仍胜过模型。团队还介绍了VIALS——其用于解读科学图像的基准，并追踪了一个智能体在包括CAREBench在内的安全模拟中的工具调用。
Goodfire Research 发表研究，认为 Qwen3.6-35B-A3B 中的单个 MLP 神经元比通常假设的更可解释，依据是稀疏化、归因工具和研究智能体。每次前向传播中消融最弱的 92.2% MoE 神经元激活，语言模型损失仅上升 2.9%；69% 的神经元极点有一个单一模式贡献了至少 90% 的因果效应。自然语言神经元描述让评判模型在随机文本上以 95% 准确率预测激活，并通过模拟恢复 73% 的消融损伤。
推荐理由：Goodfire 对 Qwen3.6-35B-A3B 神经元的研究认为，仅强激活就承载了模型的大部分计算，为特征字典可解释性提供了具体替代方案。
Elith 与 NVIDIA 发布了 Nemotron-Personas-Finance-Japan，这是一个基于官方政府统计数据构建的日本金融行业开放合成人物数据集。它包含 50 个领域的 900 万个人物（100 万条记录 × 9 个人物）和约 15 亿个 token，使用 NeMo SDG-PGMs 和 NeMo Data Designer 生成，并以 CC BY 4.0 许可提供，可用于商业用途。
根据Exponential View的数据汇总，2025年因AI相关岗位失业的从业者，找到新工作所需时间比其他岗位的同行多出约一个月。Anthropic支付34亿美元，接手了一家供应商两年前订购的1.7GW燃气发电机订单，这是已知AI实验室最大的一笔电力设备采购。苹果的内存库存同比增长2.5倍，帮助其抵御了内存成本上涨。
路博润正在构建一个连接业务流程、现代数据平台和云基础设施的数字基础，以加速特种化学品的研发。IT副总裁Girish Rao表示，目标是给科学家更好的工具，而不是取代科学判断，由科学家、数据科学家和IT人员组成的“融合团队”从小型试点开始以建立信任。云访问还支持可持续发展工作，例如对淀粉和玉米基材料替代品进行建模。
ZoomGain 利用只有放大后才能看清的视觉细节，针对整张图像构建问题，并将这种全局到缩放的感知差距用作视觉语言模型的监督信号。发布内容包括 arXiv 论文、ZoomGainBench 基准（1,000 个问题，覆盖 941 张图像，涉及属性识别、计数和 OCR）、基于 7,713 张源图像的 9,000 条强化学习训练记录，以及 ZoomGain-4B 和 ZoomGain-9B 检查点。28 个模型中最佳者在 ZoomGainBench 上得分 61.08，而 ZoomGain-9B 在多个细粒度和通用感知基准上取得了更优表现。
Preferred Networks的AI写作指导系统Ronjiro荣获第23届日本e-Learning大奖AI特别奖（学习支持类）。Ronjiro利用包括PFN自主研发的PLaMo基础模型在内的生成式AI，支持高中生的议论文与作文学习，最快一分钟内即可就逻辑结构和改进点提供反馈。该系统自2026年3月起通过与Yarakis Switch集团的合资公司YP Switch提供，目前正在全国部分School IE课堂中引入。
SemiAnalysis 参观了远景位于内蒙古乌兰察布的 Galaxy 园区，该园区规划 IT 容量最高达 800MW，首期 120MW 在一年内交付，成本约为美国的五分之一。园区正在运行一个 5MW 的 800V 直流试点，采用固态变压器将 10kV 交流电直接转换为 800V 直流电供给机架，并通过液冷与风冷服务器共用一条水路来省去中央冷水机组。远景前两期超过 60% 的电力来自其自有 420MW 风电场加 4 小时电池储能，整个园区预计于 2027 年底建成。
Artificial Analysis 发布 Decision Index v2，该指数目前有 45% 基于私有数据集构建，高于 v1 的 25%。Nace AI 的 Drex Max v1.1 以 73 分在决策模型中略微领先，与 GLiDE v1.2 和 Mammoth 27B 的差距在 1 分以内。新的 Decision Score 同时奖励正确性和校准置信度，而 AA-Paperclip 和 AA-Symmetry 新增了私有文档与一致性测试。
苹果成为Mag7中唯一一家今年迄今跑赢主要指数的公司，其资本支出仍低于AI热潮前的水平，而四大主要超大规模云厂商自2023年以来将支出提高了约6至9倍。Roblox表示，过去一个月其参与度排名前100的游戏中，超过80%使用了AI工具，每日资产上传量环比增长两倍。
Ai2 发布了 ToyBlocks，这是一个围绕机械臂和桌面上的积木构建的开放模拟框架，是 FoundationWorlds 系列中首个用于受控机器人学习与评估的世界。该框架在 Isaac Lab 中通过强化学习和运动规划自动生成技能与演示，在单块 GPU 上可达最高 24 倍实时速度，并附带 85,336 条长时程演示，覆盖近 1,600 小时和 1.44 亿帧。在其实验中，ManiFlow 的原子技能成功率在模拟中为 80.0%，在真实 Franka FR3 上为 81.1%；而 Molmo 2 加 ManiFlow 系统在模拟和真实场景中的回合成功率分别为 55.5% 和 50.0%。
《麻省理工科技评论》在旧金山测试了Tau Robotics的人形清洁服务，这些机器人由人工远程操控，而非完全自主运行。机器人会收集训练数据，用于未来的自主模型；定价为每周清洁一次、使用两台机器人收费60美元，单次上门收费100美元。机器人清洁了厨房和卫生间，但在楼梯处遇到困难，并在首次上门期间多次停滞。
NVIDIA Research与Inferact的REINFORCE Zero论文表明，对齐rollout与训练器内核后，未裁剪的token级重要性采样能够纠正剩余的权重滞后，在策略滞后64时稳定训练20,000次更新，并在内核对齐的情况下达到同步训练训练步吞吐量的2.40倍。使用标准内核时，整个运行过程中rollout到学习器的KL中位数上升83.33倍，在线AIME24 pass@1从34.27%降至13.96%，而序列门控虽能稳定训练，但在最后1,000次更新时拒绝了24.48%的序列。零失配设置现已覆盖DeepSeek-V4.1-Flash、发布当日的Kimi K3.1，以及AMD MI355X上的DeepSeek-V4-Flash和Kimi K3.1，代码位于Inferact/zero-mismatch-rl和NVIDIA-NeMo/labs-molt。
推荐理由：NVIDIA Research与Inferact将异步强化学习的rollout-学习器差距拆分为权重滞后和内核失配，表明对齐内核可使未裁剪的重要性采样在策略滞后64时保持稳定训练。
VeRL-Omni v0.3.0 发布，包含异步与解耦的强化学习执行路径，默认使用 V1 训练器，并扩展了覆盖图像、视频、音频和多模态理解的后训练范围。该版本新增完全异步的 Qwen3-Omni 文本与音频训练、带重放缓冲区的分离异步 Omni 与扩散训练，以及包括 MiniMax H3 搭配 DiffusionNFT 和 MiniCPM-o 4.5 GSPO 在内的新配方。在 4×H800 80 GB 上的 MiniCPM-o 4.5 AVQA 实验中，分离异步 3+1 在自然响应长度下每个提示比同置 4+0 慢约 9%，在 512 token 时大致持平，在 1024 token 时快约 6.7%。
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。
Maude Lemaire 是首席工程师、《Refactoring at Scale》一书的作者，她在 The Pragmatic Engineer 播客中分享了扩展 Slack 和 GitHub 的内部视角。她曾用近八年时间领导 Slack 的后端性能基础设施团队，之后于 2024 年加入 GitHub 处理数据库扩展问题，最近则在 Cursor 从事性能工作，包括首 token 时间。她解释了 Slack 为何限制自定义表情为 23 个以避免惊群效应，为何用朴素方式对 50 万个 WebSocket 连接做负载测试每次运行要花费 15 万美元，以及为何 GitHub 的 Active Record 抽象和分散查询将其限制在 16 个数据库分片。
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。
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。
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。
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 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 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。
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。
SemiAnalysis 报告称，SpaceX 目前有 3.6GW 的数据中心容量正在多个站点建设中，并将其 2027 年的估计上调至约 13GW，高于其在首次财报电话会议上给出的 10GW 数字。该机构表示，已确定超过 9GW 的可行容量，并认为 SpaceX 可能是世界上最快的数据中心建设者， citing Colossus 2 的建设时间为 210MW 用时 91 天，以及密西西比州一个新站点目标约为 4 个月。它还指出，德克萨斯州 TeraFab 芯片工厂站点可能有一个数据中心，以及 Colossus 2 的 BESS 部署接近 6GWh。
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 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。
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。