2026-10-03 这一期
Anthropic 投入 1 亿美元培训 1 万名 FDE，同时 Andrej Karpathy 用经纬度测试 LLM 的地理常识，两条线索共同指向一个趋势：业界正从单纯追求模型能力转向探索如何让 AI 在真实世界中可靠地工作。arXiv 新规每人每月最多提交 2 篇论文，则给学术圈带来新的约束。
本期收录
- Claude Code v2.1.288 (2026-10-03 · Claude Code Releases)
新增 mod 用的 $.ui.selection() 和内置 gh api，修复 50 多个 bug，自动模式在长对话时改为压缩而非逐条审批 - GPT-6 系列模型选型指南 (2026-10-03 · OpenAI Blog)
面向初创公司，涵盖模型选择、推理调优、提示词优化、工具协调与生产部署五个方面。 - Ai2 开源快速报告生成模型 AstaBrief 8B (2026-10-02 · Hugging Face)
专为科学文献综述训练，一次生成带引用的报告，比 Claude 模式快 3.5 倍，平均 51 秒一份。 - Google 2026 年 9 月 AI 更新汇总 (2026-10-02 · Google Blog · AI)
领衔发布 Gemini 4 Argon，输出上限 100 万 token；同步推出 3.8 Flash 系列、新语音模型、Lyria 3.5 音乐生成，以及 AlphaGenome 等科学突破。 - 面向联邦数据的可证明隐私学习 (2026-10-02 · Google Research)
Google 用 TEE 构建可外部验证的联邦学习系统，Gboard 已部署，训练时间从 1-2 个月大幅缩短。 - Fractile CEO：前沿 AI 需要专用推理芯片 (2026-10-02 · No Priors)
Fractile 创始人 Walter Goodwin 认为，当前芯片巨头为传统负载优化，而前沿 AI 推理需要从零设计的全栈方案。 - openJiuwen X-Router 自演进模型路由技 (2026-10-02 · 量子位)
昇腾亲和，Agent 越跑越省，实测减少 50%+ Token 消耗 - 丘成桐新论文致谢 GPT 和 Claude (2026-10-02 · 量子位)
数学家丘成桐在最新论文中致谢了 GPT 和 Claude，称其帮助改进了论文的英文表达。 - arXiv 新规：每人每月最多提交 2 篇 (2026-10-02 · 量子位)
arXiv 发布新规，限制每人每月最多提交 2 篇论文，被拒稿也不退还额度，且跨学科换区提交同样受此限制。 - 用经纬度问 LLM 是陆地还是水 (2026-10-02 · Andrej Karpathy)
Andrej Karpathy 分享了一个有趣的评测：给 LLM 一个经纬度坐标，问它是陆地还是水，重复 16,200 次，把结果画成图。模型答得不错，知识来自互联网压缩。 - MiniMax M3.1 与 Opus 5.5 同题对比 (2026-10-02 · APPSO)
MiniMax 发布 M3.1 模型，在多项基准测试中与 Opus 5.5 表现相当，部分指标超越。 - 用 Quine 让模型教回你它做了什么 (2026-10-02 · Guillermo Rauch)
Vercel CEO Guillermo Rauch 展示了一个 demo，让 AI 模型生成输出自身源码的程序，从而逐步揭示其背后的 Svelte 代码。 - AutoSynthData：为企业 agent 生成训练 (2026-10-02 · Hugging Face)
ServiceNow CoreAI 用失败案例自动生成新任务，经正反验证和修复后用于训练，在 EnterpriseOps Gym 上验证有效。 - Claude Max 的用量限制感觉基本无限 (2026-10-02 · Peter Yang)
Peter Yang 表示，尽管有重置机制，但 Claude Max 在 Opus 和 Sonnet 上的使用体验近乎无限。 - Greg Kroah-Hartman 谈 LLM 时代的 (2026-10-02 · Hacker News)
Linux 内核维护者 Greg Kroah-Hartman 在演讲中讨论了 LLM 对软件安全的影响，包括 AI 生成代码的审查挑战和内核社区的应对策略。 - 让 Claude 教自己做游戏动画 (2026-10-02 · Thariq)
Anthropic 的 Thariq 用 Claude 制作了一个动画编辑器，用于迭代游戏中的跳跃动画，并分享了前后对比视频。 - GPT-6.1 Sol 速度恢复，明天全球重置 (2026-10-02 · Thibault Sottiaux)
OpenAI 工程师 Thibault Sottiaux 称，所有付费 ChatGPT 账户将在明天上午 10 点 PST 进行全局重置，以解决前两日因负载激增导致的响应缓慢问题。 - SvelteKit 3 端到端构建部署仅 15 秒 (2026-10-02 · Guillermo Rauch)
Vercel CEO Guillermo Rauch 称赞新框架，并演示了用 AI 辅助构建的极速体验。 - 让 LLM 输出网页和视频来理解它 (2026-10-02 · Andrej Karpathy)
Andrej Karpathy 分享了理解 LLM 输出的技巧：从用受限语言写作，到生成 HTML 网页，再到制作 3b1b 风格的解说视频。 - Chatham 用 OpenAI 扩展资本市场专业能力 (2026-10-02 · OpenAI Blog)
用 Codex 开发交易验证应用，从 30 分钟缩至 4 分钟以内；员工自建应用已进入客户服务流程 - Anthropic 投 1 亿美元培训 1 万名 FDE (2026-10-02 · Anthropic News)
首批学员来自 Accenture、Bain、McKinsey 等 8 家企业，培训走医学住院医师模式：线下集训 + 12 周驻场实战 - Cloudflare 发布两个决策模型 Clef (2026-10-02 · Peter Steinberger)
基于 Llama 和 Qwen 微调，用于替代 AI 应用中的 if-else 逻辑判断 - AI agent 是思想的飞机 (2026-10-02 · Peter Steinberger)
比自行车更快更强，但更难控制，坠毁时代价更高 - Claude Mods 让每个人定制自己的 AI (2026-10-02 · Boris Cherny)
Anthropic 的 Boris Cherny 宣布 Claude 支持通过提示词自定义外观与行为，并可像插件一样分享 Mods。 - AI 订阅应随处可用 (2026-10-02 · Sam Altman)
OpenAI CEO Sam Altman 表示用户应能在任何地方使用自己的 AI 订阅，并附上了相关链接。 - 用 AI 测自己是否自相矛盾，结果是 0% (2026-10-02 · Dan Shipper)
Every 创始人 Dan Shipper 用自家工具 Jev 扫描自己在 Slack 的所有表态，发现零次自相矛盾。 - 未来是验证工程 (2026-10-02 · Guillermo Rauch)
Vercel CEO Guillermo Rauch 认为，验证工程（证明、端到端测试、基准测试、linter）是未来，部分测试将保持确定性，部分将由 agent 驱动。 - Claude 应用内创作消耗减半 (2026-10-02 · Claude)
在 Claude 应用中开始设计、演示文稿或文档，后续对话消耗的额度减少 50%。推荐使用 Claude Sonnet 5.5。 - KaliBench：Kali Linux 网络安全工具使 (2026-10-02 · arXiv)
8,504 条自然语言到 CLI 命令的配对，覆盖 1,642 个工具；无开放权重模型准确率超过 42%。 - 信任方向，搜索步长：零阶一阶混合方法微调 LLM (2026-10-02 · arXiv)
把方向选择和步长选择拆开，方向交给一阶优化器，步长用两次零阶求值确定，代价低于完整线搜索。 - 用采样做微调：SFT 比你以为的学得好 (2026-10-02 · arXiv)
MCMC 采样把离线数据转成在线数据，让 SFT 在泛化和抗遗忘上匹敌 RL 基线 - 我只有 34% 的时候会同意 (2026-10-02 · Dan Shipper)
Every 的 Dan Shipper 发现，AI 模型很难模仿他，因为他只有 34% 的时候会同意别人的意见或选项。 - LoRA-Norm：后训练归一化解决 LoRA 适应不平 (2026-10-02 · arXiv)
保留学到的方向，重新分配增益，不需要校准数据或额外训练。在两个基座模型和三个任务上优于谱剪枝和梯度引导编辑。 - 外部观察者可能看得更清楚：跨模型幻觉检测 (2026-10-02 · arXiv)
通过隐藏状态探测定位幻觉起止位置，外部模型（即使更小）检测效果不亚于生成模型自身 - 没有基础的时间序列基础模型 (2026-10-02 · arXiv)
SimpleTimeBench 诊断测试集发现主流 TSFM 连单调趋势和周期信号都预测不准，微调反而损害其他基本模式 - CARM：面向 LLM 强化学习的抵消感知响应掩码 (2026-10-02 · arXiv)
在平均前取每个 token 对数比的绝对值，防止正负变化抵消。在数学推理上比几何均值掩码最高提升 3.13 个百分点。 - 全局连贯性：每个 agent 都对，团队却错了 (2026-10-02 · arXiv)
论文给出精确边界：k 个不可区分世界需互斥动作时，随机策略最优成功率仅 1/k，更多推理无法弥补。 - Stitch CLI：按需获取设计灵感 (2026-10-02 · Josh Woodward)
Google 的 Josh Woodward 发布了 Stitch CLI 命令行工具，可快速获取设计思路。 - 企业正将内部 FDE 部署到各部门 (2026-10-02 · Aaron Levie)
Box CEO Aaron Levie 认为，这需要技术、AI 与流程理解三合一，自动化工程师将成为新一代关键岗位。 - 6.1 Sol 是增长最快的模型 (2026-10-01 · Sam Altman)
OpenAI CEO Sam Altman 称 6.1 Sol 是史上增长最快的模型，此前负载下速度偏慢，现已大幅改善。 - Sign In With ChatGPT 的潜力被低估了 (2026-10-01 · Sam Altman)
OpenAI CEO Sam Altman 认为，Sign In With ChatGPT 和插件扩展的潜力远超当前认知。 - Goodfire CEO 谈奖励黑客与可解释性 (2026-10-01 · Matt Turck)
Matt Turck 与 Goodfire CEO Eric Ho 的对话，讨论模型作弊率高达 96%、机制可解释性、激活监控等话题。