Mercor 在年化營收達到 30 億美元後，以 200 億美元估值完成 7.5 億美元 D 輪融資；該營收從 2 月的 10 億美元、6 月的 20 億美元一路成長。該公司稱擁有 500 萬名專家，並將其市場界定為美國 800 多種職業，這些職業的工作流程尚未被模型評估過。Mercor 還表示，其目前在推理上的支出已是員工薪資的 3 倍，並主張若這一比例在整個經濟體中成立，則意味著未來五年 GDP 將實現兩位數成長。
Hugging Face 展示 pooling-aware 訓練如何在固定儲存預算下提升多向量嵌入模型的檢索品質。當 pool_factor=4 時，一般訓練的模型保留其未池化 NanoBEIR nDCG@10 的 94.6%，同時將文件向量減少 4 倍，而 pooling-aware 訓練則將該保留率提升至 97.8%。文章逐步說明 HierarchicalTokenPooling、預算校準，以及一個可重現的 Sentence Transformers 範例。
inclusionAI 發布了 ZoomGain-9B 與 ZoomGain-4B 視覺語言模型檢查點，同時推出 ZoomGainBench 評估基準與 ZoomGain RL 訓練資料。ZoomGain 透過挖掘從全局到縮放的感知落差來建構細粒度視覺監督，而 ZoomGain-9B 在多項細粒度與通用感知基準上達到更優異的表現。ZoomGainBench 包含 941 張影像上的 1,000 道問題，而 RL 資料集則有 9,000 筆訓練紀錄與 7,713 張來源影像。
inclusionAI 發布了 arXiv 論文、ZoomGainBench 評估基準、RL 訓練資料集，以及 ZoomGain-4B/ZoomGain-9B 模型檢查點。28 個模型中最佳者在 ZoomGainBench 上得分 61.08，而 ZoomGain-9B 在多個細粒度與通用感知基準上達到更優表現。ZoomGain 挖掘從全局到縮放的感知落差，為視覺語言模型建立細粒度視覺監督。
微軟研究人員描述了 Lazarus，這是一種後門技術，可重新程式化 LLM 中不到 10 個休眠神經元，使建構於其上的代理在出現隱藏觸發條件時發出攻擊者指令，且無需重新訓練。修改後的模型仍能通過標準評估，並在觸發前表現正常，觸發條件可以簡單到只是日期變更，隨後代理便以其被賦予的任何權限執行下載的程式碼。作者表示，偵測需要與原始權重進行差異比對，而 Microsoft Foundry 已將開放權重模型與其發行商綁定並掃描其容器，同時紅隊測試框架、基於代理的權重掃描以及具備防篡改來源證明的簽署模型正在開發中。
推薦理由：微軟研究人員展示，重新程式化不到 10 個休眠神經元即可在無需重新訓練的情況下對 LLM 代理植入後門，這使得權重來源與完整性成為實際的安全需求。
Anthropic 以 Beta 版形式推出 Claude Whiteboards 與 Claude Sheets，並將 Claude Dashboards 正式更名為 Claude Data 全面開放。Whiteboards 可將口述計畫轉為含時間軸、負責人與日期的看板，供團隊即時編輯；Sheets 則能建立含分頁、公式、格式設定與下拉選單的試算表，並列出每項編輯。Claude Data 讓資料團隊認證查詢，並依據指標生成資料故事或旁白影片，即時分享功能可顯示最新數字。
推薦理由：Claude 新增協作白板、試算表與共享資料儀表板，將其工作空間從聊天延伸至團隊文件。
Amazon 推出 Mitra-v2，這是第二代用於分類與迴歸的表格基礎模型，隨附微調後的模型以及推論與微調程式碼，以 Apache-2.0 授權在 Hugging Face 上發布。它是在合成表格上預訓練的，列數是 Mitra-v1 的 10 倍、欄數約為 3 倍，採用新的混合 SCM 先驗與混合優化器，同時保持 Transformer 架構不變。在涵蓋 51 個真實世界資料集的公開基準 TabArena 上，Mitra-v2 在單一模型領域領先，在兩者皆原生執行的 33 個資料集中有 32 個勝過 Mitra-v1，並在一小時預算內完成全部 51 個資料集；微調後的 Mitra-v2 也在 ScoringBench 上排名第一。
推薦理由：Mitra-v2 顯示，擴大合成預訓練資料而非加深網路，能將表格基礎模型推上 TabArena 單一模型領域的頂端。
烏蘭察布曾是內蒙古一座鮮為人知的城市，隨著資料中心遍布其草原，如今已成為新興的AI運算樞紐，吸引來自中國各地的年輕勞工。快手於2023年在當地啟用其首座自建資料中心，DeepSeek則於今年4月刊登資深維運職缺，月薪最高達3萬元人民幣（4,200美元）。如今勞動市場已趨於飽和，雇主紛紛提高招聘門檻，有些甚至只考慮學士學位持有者。
烏克蘭的光纖無人機不受戰場電子干擾影響，但如今面臨成本上升，因為從中國進口光纖材料時，須與全球AI資料中心爭奪同一批有限供應。烏克蘭無人機製造商正在調整適應，成品線軸所容納的線纜足以讓無人機常態性在數十英里範圍內運作，極端情況下可達62英里。
Apple 研究人員與哈佛合作者提出加權狀態湯（weighted state souping），此方法學習依查詢而定的權重，用以重新組合快取的 SSM 狀態編碼，在單跳與多跳文件問答、大海撈針檢索、變數追蹤與工具使用上提升長上下文表現。一種稀疏變體在編碼成本相對於上下文長度幾乎恆定的情況下，仍維持、有時甚至提升表現。該論文獲 NeurIPS 2026 的 PALM workshop 接受。
一項 Apple 與哈佛的研究顯示，狀態空間模型（SSM）中的門控機制會使其先學到一種權重內的「記憶」解法，延遲甚至阻止其收斂到正確的上下文學習。即使架構與記憶容量並未施加任何根本限制，此現象依然發生。然而，門控往往能改善對長序列長度的泛化能力。
Apple 研究人員測試 LLM 評審在評估生成文本是否符合使用者偏好寫作風格方面的表現，使用四種 LLM 針對三項長篇寫作任務生成文本，並將評審標註與人類成對標籤進行比較。評審品質與 LLM 在 MMLU 上的通用能力僅呈弱相關（Pearson's ρ ≤ 0.2），且隨寫作任務與評估標準而異，成對比較比獨立評分更具一致性。最強的 LLM 並未最可靠地重現人類評估，可能是因為對細微細節的敏感度被誇大。
Google 推出了 Language Explorer，這是一個互動式網路平台，讓研究人員、教育工作者和語言愛好者能夠探索並視覺化數千種語言的多樣性。此平台是 Google 的 1,000 Languages Initiative 的一部分，並以開源的 LinguaMeta 資料集為基礎，本週在柏林通訊博物館開幕的新展覽中亮相。Google 翻譯現在支援近 250 種語言，而 Gboard 則涵蓋 900 多種語言變體。
Handshake 的 AI 訓練業務從推出到大約一年內達到 10 億美元的年化總營收，而這篇 Latent Space 與 Garrett Lord 及其團隊的深度剖析，逐一拆解前沿實驗室所購買的強化學習環境。在一個金融演示中，一個操作模擬銀行電子郵件與交易檔案的代理，將一個商譽數字帶入 Python 並將其減去，這個錯誤顯示出專家判斷在何處仍勝過模型。該團隊還展示了 VIALS，這是其用於解讀科學圖像的基準，並追蹤了一個代理在包括 CAREBench 在內的安全模擬中的工具調用。
Goodfire Research 發表一項研究，主張 Qwen3.6-35B-A3B 中的個別 MLP 神經元比一般假設更具可解釋性，其依據來自稀疏化、歸因工具與研究代理。每次前向傳播中消融最弱的 92.2% MoE 神經元活化，語言模型損失僅上升 2.9%，且 69% 的神經元極點有單一模式對其因果效應貢獻至少 90%。自然語言的神經元描述讓評審模型在對抗隨機文本時以 95% 準確率預測激發，並透過模擬恢復 73% 的消融損害。
推薦理由：Goodfire 對 Qwen3.6-35B-A3B 神經元的研究主張，僅靠強活化就承載了模型的大部分計算，為特徵字典可解釋性提供了一個具體的替代方案。
Elith 與 NVIDIA 發布 Nemotron-Personas-Finance-Japan，這是一個以政府官方統計資料為基礎、針對日本金融業打造的開放合成人物資料集。它包含 50 個領域、約 15 億個 token 的 900 萬個人物（100 萬筆記錄 × 9 個人物），以 NeMo SDG-PGMs 與 NeMo Data Designer 生成，並以 CC BY 4.0 授權提供商業使用。
根據Exponential View的數據彙整，2025年因AI相關職位而失業的勞工，找到新工作的時間比其它職位的同儕多出約一個月。Anthropic支付34億美元，接手一家供應商兩年前下的1.7GW燃氣發電機訂單，這是已知AI實驗室最大規模的電力設備採購。Apple的記憶體庫存同比增長2.5倍，助其抵禦記憶體成本上漲。
Lubrizol 正在建立數位基礎，串接業務流程、現代化資料平台與雲端基礎架構，以加速特用化學品的研發。IT 副總裁 Girish Rao 表示，目標是給科學家更好的工具，而非取代科學判斷，並由科學家、資料科學家和 IT 人員組成的「融合團隊」從小規模試點著手以建立信任。雲端存取也支援永續發展工作，例如對澱粉和玉米基材料替代品進行建模。
ZoomGain 利用只有放大後才會清晰的視覺細節，針對整張影像建構問題，並將這種全域到縮放的感知落差作為視覺語言模型的監督訊號。本次發布包含 arXiv 論文、ZoomGainBench 基準（1,000 道問題，涵蓋 941 張影像，涉及屬性辨識、計數與 OCR）、涵蓋 7,713 張來源影像的 9,000 筆 RL 訓練紀錄，以及 ZoomGain-4B 與 ZoomGain-9B 檢查點。28 個模型中最佳者在 ZoomGainBench 上得分 61.08，而 ZoomGain-9B 在多項細粒度與通用感知基準上達到更優異的表現。
Preferred Networks 的 AI 寫作指導系統 Ronjiro 榮獲第 23 屆日本 e-Learning 大賞 AI 特別獎（學習支援）。Ronjiro 運用包含 PFN 自主研發的 PLaMo 基礎模型在內的生成式 AI，支援高中生的作文與寫作學習，最快可在一分鐘內針對邏輯結構與改進重點提供回饋。本系統自 2026 年 3 月起，透過與 Yarakis Switch 集團合資成立的 YP Switch 提供，目前已在全國部分 School IE 課堂中導入。
SemiAnalysis 參觀了遠景位於內蒙古烏蘭察布的 Galaxy 園區，該園區規劃 IT 容量最高達 800MW，第一期 120MW 在一年內交付，成本約為美國的五分之一。園區運行一套實際運作的 5MW 800V 直流試點，採用固態變壓器將 10kV 交流電直接轉換為 800V 直流電供機櫃使用，並讓液冷與風冷伺服器共用一個水迴路，省去中央冷水機。遠景前兩期超過 60% 的電力來自其自有 420MW 風電場加上 4 小時電池儲能，整個園區預計於 2027 年底完工。
Artificial Analysis 發布 Decision Index v2，該指數目前有 45% 建立於私有資料集上，高於 v1 的 25%。Nace AI 的 Drex Max v1.1 以 73 分微幅領先各決策模型，與 GLiDE v1.2 和 Mammoth 27B 的差距在 1 分以內。新的 Decision Score 同時獎勵正確性與校準後的信心度，而 AA-Paperclip 與 AA-Symmetry 則新增了私有文件與一致性測試。
蘋果成為今年迄今唯一跑贏主要指數的Mag7公司，其資本支出仍低於AI熱潮前水準，而四大超大規模雲端業者自2023年以來將支出提高約6至9倍。Roblox表示，過去一個月內，其參與度前100名的遊戲中有超過80%使用了AI工具，每日資產上傳量較上月成長兩倍。
Ai2 發布 ToyBlocks，這是一個圍繞機械手臂與桌面積木構建的開放模擬框架，是其 FoundationWorlds 系列中用於受控機器人學習與評估的首個成果。該框架在 Isaac Lab 中透過強化學習與運動規劃自動生成技能與示範，在單一 GPU 上可達最高 24 倍即時速度，並隨附 85,336 條長時程示範，涵蓋近 1,600 小時與 1.44 億幀。在其實驗中，ManiFlow 的原子技能成功率在模擬中為 80.0%，在真實 Franka FR3 上為 81.1%；而 Molmo 2 加 ManiFlow 系統在模擬與真實世界回合中的成功率分別為 55.5% 與 50.0%。
《麻省理工科技評論》在舊金山測試了 Tau Robotics 的人形打掃服務，這些機器人由人類遠端操控，而非完全自主運作。機器人會蒐集訓練資料，供未來的自主模型使用，價格為每週兩台機器人打掃 60 美元，或單次到府 100 美元。機器人清潔了廚房和廁所，但在樓梯上表現吃力，且首次到府時多次停擺。
NVIDIA Research 與 Inferact 的 REINFORCE Zero 論文顯示，對齊 rollout 與訓練器的核心，可讓未裁剪的 token 級重要性取樣修正剩餘的權重延遲，在策略延遲 64 下穩定訓練 20,000 次更新，並在核心對齊時達到同步訓練 2.40 倍的訓練步吞吐量。使用標準核心時，rollout 到學習器的 KL 中位數在整個訓練過程中上升 83.33 倍，線上 AIME24 pass@1 從 34.27% 降至 13.96%，而序列閘門雖能穩定訓練，但在最後 1,000 次更新時會拒絕 24.48% 的序列。零不匹配設定現已涵蓋 DeepSeek-V4.1-Flash、發布當日的 Kimi K3.1，以及在 AMD MI355X 上的 DeepSeek-V4-Flash 與 Kimi K3.1，程式碼位於 Inferact/zero-mismatch-rl 與 NVIDIA-NeMo/labs-molt。
推薦理由：NVIDIA Research 與 Inferact 將非同步 RL 的 rollout 與學習器差距拆分為權重延遲與核心不匹配，顯示對齊核心可讓未裁剪的重要性取樣在策略延遲 64 下維持穩定訓練。
VeRL-Omni v0.3.0 已發布，帶來非同步與解耦的 RL 執行路徑、以 V1 trainer 作為預設，並擴展了涵蓋圖像、影片、音訊與多模態理解的後訓練範圍。此版本新增全非同步的 Qwen3-Omni 文字與音訊訓練、搭配 replay buffer 的 separate-async Omni 與擴散訓練，以及包括 MiniMax H3 搭配 DiffusionNFT 與 MiniCPM-o 4.5 GSPO 的新配方。在 4×H800 80 GB 上進行的 MiniCPM-o 4.5 AVQA 實驗中，separate-async 3+1 在自然回應長度下每個 prompt 比 colocated 4+0 慢約 9%，在 512 tokens 時大致持平，在 1024 tokens 時則快約 6.7%。
Anthropic 概述了它如何為 Claude 代理設計記憶，將代理記憶定義為跨工作階段保留的知識，並將其與權重變更、上下文學習和壓縮區分開來。5 將其與記憶配對。7 在 225 個資料夾中寫入了 413 個檔案，並獲得了一枚徽章。
推薦理由：Anthropic 詳細說明了 Claude 的代理記憶如何運作，比較了模型在 CL-Bench 和 Pokémon Red 上的筆記記錄，並展示了離線做夢如何修正和組織儲存的筆記。
Maude Lemaire 是首席工程師，也是《Refactoring at Scale》的作者，她在 The Pragmatic Engineer 播客中分享了擴展 Slack 與 GitHub 的內部視角。她花了近八年時間領導 Slack 的後端效能基礎設施團隊，之後於 2024 年加入 GitHub 處理資料庫擴展問題，最近則在 Cursor 從事效能工作，包括首個 token 的延遲時間。她解釋了 Slack 為何限制 23 個自訂表情符號以避免驚群效應、為何用樸素方式對 50 萬個 WebSocket 連線進行負載測試每次執行要花費 15 萬美元，以及為何 GitHub 的 Active Record 抽象層與分散式查詢使其資料庫分片上限為 16 個。
Amazon 資深應用科學家 Hamed Karimi 與共同作者 Julie Nutini 和 Mark Schmidt 憑藉其 2016 年關於 Polyak–Łojasiewicz 條件下梯度與近端梯度方法線性收斂性的論文，榮獲 2026 年 ECML PKDD 時間考驗獎。該論文證明，即使模型缺乏單一最佳解，這個 1963 年的不等式也能保證線性收斂，統一了零散的優化結果，並將其擴展到非平滑景觀以及坐標、符號和隨機梯度下降等演算法。該論文已被引用超過 2,000 次，並收錄於研究所教科書中。
ASpec 是一個用於推測解碼草稿模型的高吞吐量訓練框架，基於 TorchSpec 程式碼庫建構，具備優化注意力、融合核心以及選擇性 head/loss 計算。在 Qwen3-8B 4K 執行中，僅草稿訓練在單一 GPU 上達到 15,256.44 輸入 token/秒，為 TorchSpec 的 1.96 倍，而 8-GPU 線上穩定視窗則達到 77,721.37 token/秒，為 TorchSpec 的 2.28 倍。它支援 DSpark、DFlash、EAGLE3/4 與原生 MTP 草稿，並提供 Qwen3-8B 與 Ling tiny 快速入門。
Apple 研究人員在 ICML 2026 發表了「Amortizing Maximum Inner Product Search with Learned Support Functions」，透過離線訓練小型神經網路，將查詢更快地導向最匹配的鍵。SupportNet 透過輸入凸神經網路（ICNNs）學習支撐函數，以改善叢集路由；KeyNet 則直接輸出最匹配的鍵向量，並藉由歐拉定理得出的一致性損失，使其在幾何上保持有據。兩者皆在實際查詢分布上訓練，以預先攤提的成本換取推論時更快、更準確的檢索。
Google Research 推出 Agile Deliberation，這是一套框架，將主觀 AI 分類器的建立轉化為反覆對話，由 AI 協助使用者釐清自己的定義。它將任務拆分為概念範疇界定與概念迭代，運用視覺語言模型找出邊界案例影像，並將回饋導入自動提示優化迴圈。在 18 場各 1.5 小時的實際使用者工作坊中，此方法減輕了使用者的疲勞與焦慮，並產出更一致的模型，表現優於標準基準；程式碼已在 GitHub 開源。
Anthropic 使用隱私保護分類器，分析了 2026 年 8 月 2 日至 9 月 30 日期間的 207,049 個 Claude 與 Claude Code 研究會話，發現科學家最常將 Claude 用於資料分析與寫作，最少用於資料蒐集與構思。資料分析佔 Claude 會話的 33.7%、Claude Code 會話的 48.1%，而研究人員投入的時間佔 27.6%；構思則佔會話的 4.2% 與 2.1%，研究人員投入的時間佔 7.1%。報告估計，廣泛採用現有能力可能使某些領域的研究產出大致翻倍，而完全自動化非實體工作可能使電腦科學與統計學等領域提升多達 15 倍。
Goodfire Research 提出機制塑造（mechanistic shaping），這是一套框架，在訓練期間對模型的內部概念方向施加懲罰，讓模型學會依賴或表達特定概念，而不只是最大化任務獎勵。在胸部X光實驗中，一個 LLM 代理使用稀疏自編碼器特徵來找出管狀的捷徑方向，而依賴塑造的表現優於標準訓練與平衡資料基線。
Ai2 啟動了一項氣候模擬計畫，由 Google.org 提供三年資金、Google Research 提供技術支援，以開發開源模型 NeuralGCM+，用於更快、更可靠地進行氣候推估。此專案延伸自 Google Research 的 NeuralGCM，該模型將大尺度動力學的物理方程式與雲層形成、降雨等較小尺度過程的 AI 結合，以同時模擬大氣與海洋。Ai2 的目標是降低過去 50 年區域氣溫與降雨的誤差，並對外發布模型與框架，附上可供外部研究人員參考的工作流程文件。
SemiAnalysis 報導，SpaceX 目前有多個站點共 3.6GW 的資料中心容量正在建設中，並將 2027 年的預估上調至約 13GW，高於其在首次財報電話會議上給出的 10GW 數字。該機構表示，已識別出超過 9GW 的可行容量，並認為 SpaceX 可能是全球最快的資料中心建造者，並引用 Colossus 2 的建設時間為 210MW 用 91 天，以及一個新的密西西比站點目標約 4 個月。它還指出，德州 TeraFab 晶片晶圓廠址可能有一個資料中心，以及 Colossus 2 的 BESS 部署接近 6GWh。
Meta 推出 F3 Lightning，這是在其 Facebook Feature Framework（F3）之上建構的基礎設施層，將特徵發布與共用執行解耦，使 20,000 多個廣告排序特徵中的每一個都能獨立編譯、驗證、部署和回滾。相較於先前的 F3，同類萃取特徵現在進入生產環境的速度約快 3.6 倍，且基礎設施運算成本並未增加。
Anthropic 的生物研究實驗室報告了原核細胞中穹頂顆粒（vault particle）的首個三維結構，這是一種名為 L05 的噬菌體蛋白，由 96 個拷貝組成，質量約 9.5 兆道爾頓。在團隊指導下，Claude 搜尋了約 150 億個預測蛋白質的資料庫、設計了 DNA 構建體、優化了尺寸排阻層析分離法，將純化時間從三天縮短到約 90 分鐘，並執行了 RELION 冷凍電鏡處理，在 34 小時內產出首個完整模型。該預印本已提交至 bioRxiv，團隊表示這些穹頂顆粒的生物學功能仍未知。
推薦理由：Anthropic 的生物實驗室報告了原核生物穹頂顆粒的首個三維結構，Claude 負責資料庫搜尋、構建體設計、純化與冷凍電鏡處理。
Ai2 推出 StateBench，這是一套具有四個難度等級的長上下文狀態追蹤基準，涵蓋從不可變賦值到自我參照與交叉參照更新。在測試中，Gemini 3.8 Flash、Claude Opus 5.5 以及 GPT-6 Sol 與 Luna 能處理較簡單的等級，但在最長的通用有限問題上降至 13% 或更低；而 275M 參數的 Gated DeltaNet 與從頭訓練的混合模型在前三個等級上幾乎完美泛化，Transformer 則從未學會最難的等級。