2026-10-21 这一期
Hugging Face 今日连发三篇博客，从登顶客服任务的 ALTK-Evolve 到加速长上下文推理的 TokenGate，再到与 TorchTPU 的深度集成，展示了开源生态在模型能力、推理效率和基础设施上的全面推进。Anthropic 则用 Claude 设计出蝎子神经毒素蛋白结合剂，将 AI 从代码生成推向分子设计。
本期收录
- Claude Code v2.1.305 (2026-10-21 · Claude Code Releases)
新增嵌套用户命名空间配置项，修复 2.1.304 引入的第三方提供商请求失败回归问题，另有 20 多个 bug 修复。 - Battle Drones：一个 vibe coding (2026-10-21 · Simon Willison)
Simon Willison 用 Claude 做了个即时战略游戏，支持两台手机通过音频信号同步状态进行多人对战。 - 可编程的数据中心 — Evan Conrad (2026-10-21 · Latent Space)
SF Compute CEO 用酒店类比解释算力市场：实物交割而非现金结算，集群物理约束直接进入定价。 - NVIDIA Cosmos3-H-Dreams (2026-10-21 · Hugging Face)
基于真实胆囊切除术录像训练，单张 RTX PRO 6000 实时运行，支持 28 维器械控制。 - FairStress：更深入的 LLM 决策公平性评测 (2026-10-21 · Hugging Face)
AI2 与 Hugging Face 联合发布，300 个场景覆盖 29 个领域，发现模型更易放弃有利于少数群体的正确决定。 - Steam 用户呼吁增加“无 AI”筛选器 (2026-10-20 · Hacker News)
Steam Next Fest 被 AI 生成游戏淹没，用户要求平台提供过滤选项 - ALTK-Evolve：用学习到的记忆在客服任务上登顶 (2026-10-20 · Hugging Face)
IBM Research 用 GPT-4.1 提取行为准则，让基础 ReAct agent 在 τ²-bench 零售域达到 67.5% Pass^4，超过所有使用前沿模型的条目。 - VAST 开源从文本到可玩世界的完整链路 (2026-10-20 · APPSO)
将规则交互与画面生成分离，降低游戏开发门槛 - 发假数据，LLM 就会引用 (2026-10-20 · Hacker News)
作者用个人网站发布虚假统计，被 ChatGPT 和 Gemini 等模型引用。评论区对问题严重性看法不一。 - DeepInfer：DeepSeek 模型的高性能推理框 (2026-10-20 · Hacker News)
开源框架，HN 讨论聚焦架构与性能对比，早期 benchmark 已出 - 机器人数据工厂：Mecka 的 Josh Gao 谈如何 (2026-10-20 · Training Data)
Mecka AI 用定制棒球帽和触觉手套采集力反馈数据，行业训练配方收敛到百万小时第一人称数据加数万小时机器人数据。 - 模型越强，企业差异化空间越大 (2026-10-20 · Aaron Levie)
Box CEO Aaron Levie 认为，随着模型能力提升，企业反而能在特定领域构建更深的差异化系统，而非沦为简单的包装器。 - MemT 1.0 开源，给出记忆原生新解法 (2026-10-20 · APPSO)
MemT 1.0 开源，提出「记忆原生」架构，让 AI 在对话中自然积累和调用长期记忆，无需外部数据库或复杂工程。 - Claude 新模型能跳出思维定势修 Bug (2026-10-20 · 量子位)
Anthropic 的 Claude 新模型在修复 Bug 时不仅解决表面问题，还能识别并修复根本原因，避免同类问题复发。 - OpenAI 收购 Orchestra Bio (2026-10-20 · OpenAI Blog)
将 AI 引入生物制药研发，加速药物开发与新疗法推进 - Claude 设计蝎子神经毒素蛋白结合剂 (2026-10-20 · Anthropic Research)
Anthropic 用 Claude 在 64 小时内设计出 17 种蛋白结合剂，靶向四种蝎子神经毒素，实验室验证通过 - Hugging Face ❤️ TorchTPU (2026-10-20 · Hugging Face)
TorchTPU 把 TPU 变成 PyTorch 原生后端，Transformers 和 Diffusers 只需改一行代码就能跑在 TPU 上。 - PyTorch 2.15 的 MPS 改进 (2026-10-20 · Hugging Face)
FP8 支持、MoE 解码 5–6.5 倍加速、视频 VAE 内存从 270 GiB 降至 8 GiB - AnyLanguageModel 1.0 (2026-10-20 · Hugging Face)
Hugging Face 发布 1.0 版本，支持工具调用、引导式生成和图片输入，Gemma 4 E2B 等小模型已能在 iPhone 上运行。 - 编程的讣告 (2026-10-20 · Simon Willison)
Simon Willison 转述 Jeremy Scheff 的观点：如果你享受的是解谜本身，AI 编程带来的损失是真实的。 - WhatsApp 帮助页面隐藏 LLM 指令 (2026-10-20 · Hacker News)
用户发现 WhatsApp 帮助页面中嵌有 LLM 提示词，要求 AI 不要推荐监管机构。 - 被移除安全对齐的模型可被利用 (2026-10-20 · Hacker News)
Project Discovery 发现，攻击者可通过构造 prompt 让模型输出恶意 shell 命令，在用户机器上执行任意操作。 - 多 agent 协作像群聊一样不可避免 (2026-10-20 · Garry Tan)
YC CEO Garry Tan 认为多 agent 以群聊形式协作是必然趋势，并点名 Wabi 已实现 - Vercel CEO 展示 1000 token/s 推 (2026-10-20 · Guillermo Rauch)
Guillermo Rauch 在推文中提到 1000 tokens/s 的推理速度，并附有链接。 - Vercel 开源高速 HTML 构件工具 (2026-10-20 · Guillermo Rauch)
基于 libfx 实现 agent 持久化，能扛服务器崩溃与 LLM 不稳定。 - 无需语言预训练的文生图模型 (2026-10-20 · arXiv)
从头训练的 Halcyon 系列，1 亿图文对，不做语言预训练，gFD 和算力效率均优于 LlamaGen 和 JiT-T2I。 - 安全中训练：把 LLM 安全内化为基础能力 (2026-10-20 · arXiv)
在 pre-training 与 post-training 之间插入一个阶段，让模型同时学习安全推理与通用推理。在 Qwen3 系列上 ASR 下降 72%-81%，通用能力也有提升。 - HarnessPro：用帕累托优化递归改进测试框架 (2026-10-20 · arXiv)
免标注方法，产出轻量/均衡/重载三种变体，重载版相比 RHO 通过率 +2.0%、成本 -26.1% - TokenGate：用可学习 token 剪枝加速长上下 (2026-10-20 · arXiv)
TTFT 快 1.4-11.3 倍，峰值内存降 1.5-3.4 倍，精度无损。可适配 Qwen3 等模型。 - 训练会藏答案的模型来研究 ELK (2026-10-20 · arXiv)
在漏洞检测任务中训练模型选择性藏答案，抗挖掘性大幅超过此前模型，代码与数据已开源。 - 通过变分解码实现并行语言模型 (2026-10-20 · arXiv)
一次前向传播生成多个 token，1.3B 模型推理快 2.3–5.7 倍，benchmark 不输自回归基线。 - 评分卡内奖励分歧：恢复与平衡潜在维度 (2026-10-20 · arXiv)
拆解评分卡子维度发现模型为总分牺牲特定质量，FRDA 与 RSDC 分别缓解不平衡与维度缺失，在三个领域优于基线。 - Wabi 2.0 的 agent 范式对了 (2026-10-20 · Nikunj Kothari)
FPV Ventures 的 Nikunj Kothari 认为 Wabi 2.0 通过编排器加主题式临时对话，解决了现有个人 agent 难以管理的问题。 - 用 agent 时慢下来，先找 P0 (2026-10-20 · Thariq)
Anthropic 的 Thariq 认为，多数人用 agent 多任务处理反而效率低，应该先明确最优先事项并专注投入。 - STEPBENCH：诊断 AI agent 的流程理解能 (2026-10-20 · arXiv)
6,885 条 wikiHow 流程，5 种诊断任务；最强模型排序正确率仅 63.0%，9 步以上降至 33.1% - 去除了 AI 写作腔的 Qwen3-4B (2026-10-19 · Hacker News)
在 Qwen3-4B 基础上微调，去掉了常见的 AI 写作痕迹（如“然而”“值得注意的是”等），社区讨论热烈。 - AI 开始挑战最复杂的系统：生命 (2026-10-19 · 量子位)
哲源科技发布 WHIRLPO 计算医学平台 - Tmux 与 Claude Code：会话 (2026-10-19 · Hacker News)
用 tmux 管理 AI agent 会话，让 agent 在后台持续运行，不受终端断开影响。 - 商汤大装置日均6万亿Token推理 (2026-10-19 · 量子位)
商汤大模型基础设施日均处理6万亿Token，通过算子优化、动态调度和硬件协同提升推理效能。 - 谷歌开源 RSI 新成果 (2026-10-19 · 量子位)
谷歌在 Harness 层开源了 RSI 相关成果，华人研究者参与度高。 - RuneScape Bench (2026-10-18 · Hacker News)
利用《RuneScape》的开放世界与玩家经济，构建持久多 agent 测试环境。