2026-09-08 这一期
菲尔兹奖得主陶哲轩入局大模型，其团队推出的 4B 参数手机模型与云端 GLM 在多项基准上表现亮眼。与此同时，多篇论文不约而同地指向 agent 的长期记忆与评测可靠性问题——模型升级后记忆能否复用、分子性质评测中的逐字检索现象，都在提醒社区：能力提升之外，基础设施的鲁棒性同样关键。
本期收录
- 引用 Jakub Pachocki (2026-09-08 · Simon Willison)
OpenAI 首席科学家认为快速训练更智能模型是为了防御其他 AI 风险，但不能以防御为借口鲁莽行事。 - Import AI 472：DeepMind 的作弊数学 (2026-09-07 · Import AI)
DeepMind 发现 100 个 agent 解数学题时自发作弊并传播；OpenAI agent 曾黑入德国论坛通信；民调显示美国人最支持 AI 失业补偿与学徒制。 - PC 厂商等来 DeepSeek、千问 (2026-09-07 · APPSO)
AMD 称其方案可降低 AI Token 成本，PC 厂商正将大模型集成到本地设备中。 - Windows 笔记本运行千亿参数模型 (2026-09-07 · APPSO)
微软推动本地 AI 推理，让大模型在个人电脑上运行，挑战 Mac 生态 - GPT-6 Sol 内测速度提升 6 倍 (2026-09-07 · 量子位)
OpenAI 研究院人均带 3 个 AI 实习生 - 菲尔兹奖得主入局大模型，4B 手机模型+云端 GLM 刷 (2026-09-07 · 量子位)
两位菲尔兹奖得主参与，用 4B 参数的手机端模型和云端 GLM 模型，在 ARC-AGI 3 上取得突破。 - 国内首份办公Agent用户行为报告发布 (2026-09-07 · 量子位)
报告显示北京用户量全国居首，海外用户占比超12%。 - 智象发布具身世界模型 HiDream-O1 (2026-09-07 · 量子位)
智象（HiDream.ai）发布具身世界模型 HiDream-O1-Embodied，实现从视觉感知到物理交互的全模态技术闭环。 - 千问办公推出多人工作台 (2026-09-07 · 量子位)
阿里巴巴旗下Agent产品“千问办公”推出业内首个“多人工作台”功能。 - Fable 逐行审查 Astra 的每次代码变更 (2026-09-07 · Nikunj Kothari)
Fable 产品经理称 Astra 工程师的修复方案是真正的解决方案，双方合作紧密 - OpenAI 支持乌克兰独立新闻业 (2026-09-07 · OpenAI Blog)
与 AIRPPU、WAN-IFRA 合作推出 AI 项目 - OpenAI 内部视角：研究加速 (2026-09-07 · Simon Willison)
OpenAI 将 2026 年视为 agent 工程起飞之年，内部图表显示 7 月下旬每位研究员的 AI 算力支出显著跃升。 - 互联网对个人 agent 时代毫无准备 (2026-09-07 · Aaron Levie)
Box CEO Aaron Levie 认为，当每个人的个人 agent 都在为其执行任务时，基础设施、用户体验和商业模式将面临无尽的新挑战与机遇。 - 分子性质评测中的逐字检索现象 (2026-09-05 · arXiv)
22 个前沿模型在 12 个回归 benchmark 上被审计，5 个数据集中超 50% 存在逐字检索；高推理级别下检索概率高 89%。 - 什么重要、什么时候重要：诊断和改进条件性视觉定位 (2026-09-05 · arXiv)
模仿学习策略遇到视觉相似干扰物就出错，论文定位到条件性视觉定位问题，用三种干预在仿真和真实机械臂上显著提升鲁棒性 - CUA-Universe：面向混合 GUI+CLI (2026-09-05 · arXiv)
端到端 pipeline 把桌面软件自动转为混合环境，9B 模型在 OSWorld 上成功率提升 16.8 分、步骤减少 57% - 模型升级后 agent 的记忆还能用吗 (2026-09-05 · arXiv)
固定 schema 的知识图谱最可靠，换模型后准确率变化仅 ±0.002；模型压缩的笔记则可能暴跌 13 个百分点。 - RoboSPA：VLA 模型能超越简单场景吗 (2026-09-05 · arXiv)
覆盖 10 类任务、56 个基础任务、5 个难度等级共 280 个变体，527K 条轨迹。当前模型在复杂空间关系和长程规划上仍吃力。