AI 日报 2026-10-28

整理日期：2026-10-28　素材来源：白名单一手信源（厂商官方博客与模型卡、arXiv 原始页面、GitHub 仓库与 release、Cloudflare / TrendAI / Anthropic 官方公告、Reuters / Bloomberg / CNBC / BleepingComputer / 科技日报 / 中证网等），逐条见文末附录 可信度提示：本期统计窗口 2026-10-27 09:45 → 10-28 12:00 HKT。arXiv 本窗口对应 10-25/10-26 提交批次（2610.345xx–2610.376xx），于 10-27 20:00 ET（= 10-28 08:00 HKT）压线公告，论文节节首另有口径说明。厂商自测 benchmark 均已显式标注「厂商自测、无独立复现」。Cloudflare 事件为协调披露（10-26 发布，报告人 9-8 提交），按「首次进入公开视野」计入本期。Warp 事件 CEO 表态发布于 10-26，BleepingComputer 报道于 10-27。huggingface.co 本环境不可直接访问，Ling-3.1 条目按官方模型卡 + 二手交叉处理（见待核实区）。 配图：文中三张示意图为自绘（依据上列来源整理），非原文插图。

#AI日报 #模型动态 #工程架构 #论文 #开源项目

一句话结论

本期收录 29 条（含 1 条更新）、淘汰 14 类候选：Cloudflare 公开 GLM-5.3 跨请求 KV 缓存暴露的完整故障链——155 条响应含他人数据，根因是「KV 池 681,280 token < 声明上下文 1,048,576」叠加 SGLang 把拒绝状态记错字段，而返回的仍是 HTTP 200；同窗口 Warp 被第三方 vendor 攻陷、agent 决策日志外泄，TrendAI 记录 44 个 AI agent 全自主打穿日本至少 16 家组织。模型侧开放权重两端同日刷新上限（端侧 LFM3 用约 1 GB 内存跑 256K 上下文，服务端 Ling-3.1 用 MIT 放开 560B/25B 激活）；科学侧 Anthropic 用 Lean 4 递交「3-SAT 亚指数算法」反驳 ETH、Axiom 用 24 天形式化完有限单群分类——「谁来认证」比「谁先证出」更稀缺。

---

一、模型与产品

1. Liquid AI LFM3：六个 2B 级模型共用一条骨干，4-bit 约 1 GB 内存跑 256K 上下文（厂商自测）

Liquid AI 10-27 发布 LFM3 家族，六个模型全部长在同一条 LFM3-1.7B-Base 骨干上：文本（LFM3-1.7B）、视觉（LFM3-VL-2B）、音频（LFM3-Audio-2B）、全模态（LFM3-Omni-2B），以及两个决策模型（d1-2B、d1-omni-2B）。

• 架构：24 层三混合——13 层门控短卷积（kernel 7）+ 5 层滑动窗口注意力（窗口 256）+ 6 层全局注意力。LFM3-1.7B 为 1.73B 稠密参数，4-bit 量化后约 1 GB 内存，8K 上下文下比上代 LFM2-1.2B 快约 25%。
• 训练：预训练 22T token + 3.5T token 中训练（以 agent 轨迹为主），上下文扩至 256K。
• 自报成绩（29 项平均 49.37 vs Qwen3.5-9B 47.24）：WebArena-Verified 38.42 vs 28.94、AutomationBench 41.29 vs 15.10、BFCL V4 71.39 vs 62.83；但 SWE-bench Verified 43.40 vs 51.20、GPQA Diamond 63.37 vs 80.40、RULER 128K 65.56 vs 87.11 明显落后。HLE 无工具 7.17 → 有工具 13.90。LFM3-VL-2B 在 62 项视觉基准平均 71.4（Gemma 4 12B 71.7、GPT-5.6 Luna 73.4）。
• 许可：LFM Open License v1.0，商用仅限年收入 < $10M 的组织——这是本期最值得注意的一条限制。
• 生态：launch partners 覆盖 Ambarella / AMD / Arm / Intel（经 OpenVINO）/ NVIDIA / OpenRouter / Qualcomm / Vercel；Mercedes-Benz 与 Shopify 参与预发布测试；llama.cpp、Ollama、MLX day-0 支持（llama.cpp 已在 b11938–b11945 落地五个 LFM3 变体）。

为什么值得关注：1 GB 内存 + 256K 上下文 + 原生 agent 训练，把「端侧能跑」的门槛又压低一档；但它在通用知识与长上下文检索上明显让位于 9B 级对手，说明这一代端侧模型的定位是执行器而非知识库。真正的商业约束在许可：$10M 年收入线把绝大多数成规模公司挡在商用门外，端侧模型的「开放」正在变成分层授权。

来源：Liquid AI 官方博客 · https://www.liquid.ai/blog/lfm3 · 2026-10-27；llama.cpp b11938 / b11941 / b11945 · https://github.com/ggml-org/llama.cpp/releases · 2026-10-27

2. 蚂蚁百灵 Ling-3.1-flash-1019：560B 总参 / 25B 激活、1M 上下文、MIT 许可

10-27 13:46（北京时间）inclusionAI/Ling-3.1-flash-1019 上线 Hugging Face，54 个 safetensors 分片，MIT 许可。

• 规格：560B 总参 / 25B 激活，1M token 上下文。架构为 63 层 KDA（Kimi Delta Attention 线性注意力）+ 9 层门控 MLA 的混合线性 MoE，512 个路由专家、每 token 激活 8 个。
• 定价：$0.30 / $0.90 每百万 token（输入 / 输出）。
• 部署：参考配置 8×H200 或 4×GB300，SGLang / vLLM 均支持。
• 自报（模型卡，无独立复现）：Artificial Analysis 智能指数 41 → 44，AutomationBench-AA 62% → 68%。
• 配套：同期放出可继续预训练的 Ling-3.1-flash-base 基座——这一点比分数更重要，意味着 MIT 覆盖到「拿去做自己的模型」而不只是「拿去推理」。

为什么值得关注：560B 参数 + MIT + 1M 上下文，是目前开放权重里「能力上限」与「许可宽松度」同时拉满的少数组合。与 LFM3 的 $10M 收入线并置看，同一天两个中国/美国团队给出了完全相反的开放策略（详见趋势三）。注意 AA 记发布日期为 10-22 而 HF 仓库创建于 10-27，两者差异未获解释。

来源：Hugging Face 模型卡（inclusionAI）· https://huggingface.co/inclusionAI/Ling-3.1-flash-1019 · 2026-10-27；Ant Ling 官方帖 · https://x.com/AntLing_ai · 2026-10-27

3. Google DeepMind Genie 4：首个原生实时生成音频的世界模型，官方博客零量化指标

DeepMind 10-27 发布 Genie 4，定位「新一代世界模拟」。核心变化是原生实时生成音频（此前世界模型只生成画面）。

• 架构分工：Gemini 3.8 Flash 作为 in-the-loop guiding agent——观察场景、拆解目标、回看帧验证每一步、即时调整计划；Gemini Omni 锚定外观一致性；Gemini 4 Argon 配合执行（现场演示 Apptronik Apollo 下跳棋）。
• 交互：键盘控制 + 文本指令改天气 / 加人物 / 挪镜头。
• 合规：全部生成视频与音频带 SynthID 水印。
• 可用性：research preview，仅 trusted testers；后续进入 Google AI Ultra（Project Genie）与 Gemini API / AI Studio early access。
• 官方自述局限：视觉细节与物体恒常性漂移、复杂物理交互、实时音频准确性、可读文字渲染、空间准确性、长期一致性。

为什么值得关注：官方博客全文没有任何量化指标——没有分辨率、帧率、会话时长、一致性时长数字。这在世界模型赛道是反常的（Genie 3 发布时给了 720p/24fps/分钟级）。结合「research preview 仅 trusted testers」，合理判断是这一代在音频实时性上做了取舍，画面一致性可能未达可公布水平。战略上 DeepMind 明确把自己定位为 hybrid world models（生成式 + 物理引擎混合），而非纯生成路线。

来源：Google DeepMind 官方博客 · https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/ · 2026-10-27

4. Apple Creator Studio：办公三件套接入 AI 助手并支持 MCP，Keynote 新增开放格式 .keyx

Apple 10-27 宣布 Creator Studio 更新，11 月免费推送。

• 办公三件套：Keynote / Pages / Numbers 加入智能助手（Apple 自研模型 + OpenAI 模型），分别对应「设计 / 动画 / 精修幻灯片」「起草 / 重构文本」「计算 / 可视化 / 推荐图表 / 建表」。
• MCP 支持（需 macOS 27+）：外部 AI agent 可读取文档内容、编辑、执行自动化——这是 Apple 第一次把自家生产力套件开放给第三方 agent。
• 格式：Keynote 新增 .keyx（JSON 开放格式）。
• 创意工具：Pixelmator Pro 加 Generate Fill；Logic Pro 加智能助手（beta）+ 增强 Stem Splitter（可分离鼓件）+ 重设计 Browser；Final Cut Pro 内置 MotionVFX（数千元素）+ 23 种新转录语言；无边记加文本样式 / 背景色 / Pixelmator Pro 编辑（12 月）。
• 定价：新订阅 ¥38/月 或 ¥380/年，美式英语先行。

为什么值得关注：MCP 支持是这条的真正分量——它把 Keynote / Pages / Numbers 变成 agent 可操作的对象，而不是又一个「AI 帮我写文案」按钮。.keyx 用 JSON 开放格式，说明 Apple 在为「程序化生成演示文稿」铺路。但官方未说明 MCP 访问是否需要订阅，这是采购决策的关键缺口。

来源：Apple Newsroom（中国）· https://www.apple.com.cn/newsroom/2026/10/apple-creator-studio-adds-powerful-new-ai-features-and-even-more-creative-tools/ · 2026-10-27

5. 蚂蚁灵光 2.0：从「任务执行者」到「事务管理者」，靠独立云主机做长程任务

蚂蚁集团 10-27 发布 灵光 2.0，称其为灵光 App（2025-11-18 上线，6 天下载破 200 万）上线以来最大升级。

• 能力变化：AI 介入任务的起点前移——过去用户先发现问题再下指令，现在获授权后灵光可主动识别潜在需求并发起分析、监测、跟进，在关键节点提醒。
• 技术支撑：跨会话记忆 + 长程任务调度 + 工具连接三项升级；依托独立云主机，用户退出对话后任务继续运行，并随信息与状态变化动态跟进。
• 场景：机票订完 24 小时盯价；授权支付宝后扫描被遗忘的自动续费订阅；盯钉钉班级群整理老师通知并提取待办；宠物照护、儿童疫苗、纪念日、车辆年检等长期跟进。
• 接入范围：支付宝账单 / 会员 / 出行 + 钉钉 / 飞书 / 邮箱 / 米家；开放环境支持 MCP 与 CLI 调用。
• 安全：接入蚂蚁 APASS（跨智能体、跨设备、跨应用的统一账号与安全管理基础设施），身份认证、意图安全、隐私保护纳入执行流程；授权密钥与智能体分离托管，智能体不直接接触密钥；用户可随时查看、调整、撤销授权。

为什么值得关注：「关掉 App 任务还在跑」是产品形态的分水岭——它把 AI 助手从「会话」变成「常驻进程」，代价是必须有云主机与调度层。科技日报在报道里直接点出了随之而来的问题：跨应用协同下如何避免授权信息泄露、如何确保操作符合用户意图。APASS 的「密钥与智能体分离托管」是目前国内厂商给出的较完整答案，但尚无第三方审计。

来源：科技日报 · https://www.stdaily.com/web/gdxw/2026-10/27/content_603557.html · 2026-10-27；中证网 · https://www.cs.com.cn/ssgs/cj2020/2026/10/27/detail_2026102710047464.html · 2026-10-27；中国证券网 · https://www.cnstock.com/commonDetail/812556 · 2026-10-27

6. 智元 Genie Master：Physical RSI 首次在真实便利店业务验证，11-02 开 24 小时直播「转正考核」

智元机器人 10-27 发布具身 Agent 框架 Genie Master，称其为行业首次在真实业务场景验证 Physical RSI（具身递归自进化）。

• 支撑协议：EEP 具身执行协议，统一四类接口——可调用能力、引导执行、结果达标、未完成任务。任务中断时保留进展并从断点重规划；多机协作时追踪集群分工。
• 已落地场景：精灵 G2 在上海便利店做熟食打包、取货、补货。遇到自定位问题（如头部相机分辨率不足 + 标签遮挡）会自行改用腕部相机补近距离视角。
• 考核安排：11-02 06:00 起，6 台精灵 G2 开启 24 小时不间断直播（首日 10:00 → 次日 10:00），分午高峰、晚高峰、深夜独立值守、清晨早餐四个班次。
• 同期发布：安规级重载 精灵 G2 Max（拆码垛 / 物料转运 / 产线供料）；启元第 5,000 台机器人下线。

为什么值得关注：「Physical RSI」这个词此前只出现在论文里，这次被拿到便利店做公开直播考核——无论结果如何，把评测从实验室搬到有客流、有 SKU 变动、有设备故障的真实门店，本身就是对「具身 agent 能不能值班」的一次硬约束测试。注意效果数据均为厂商口径，无独立复现。

来源：南方新闻网 · https://www.nfnews.com/content/n614Jlzk3P.html · 2026-10-27

7. Firefox Smart Window：AI 填表背后是 Google Gemini 3.1 Flash Lite，网页监控用 Qwen

Mozilla 10-27 在 Firefox 上线 Smart Window（Beta，仅美国 / 加拿大英语桌面版）。

• AI 填表：需页面有 ≥4 个文本字段才触发；从已打开标签页提取上下文自动填写；数据共享给 Google Gemini 3.1 Flash Lite。目前仅支持文本字段，下拉框与 PDF 表单在开发中。
• 网页监控：/watch 功能由 Qwen 识别页面变化，可设每日 / 每周检查；每任务最多 5 页、最多 15 个任务；60 天无变化自动暂停、90 天停止。

为什么值得关注：浏览器厂商的 AI 功能开始分流到不同第三方模型——填表用 Google、监控用阿里。这既说明浏览器自研模型的成本不划算，也意味着用户的表单内容会流向两个不同的模型供应商。Mozilla 一向以隐私立场著称，这次在功能说明里直接写明数据共享对象，算是把选择权交回用户；但对「Firefox 用户」这个群体的预期管理仍是个考验。

来源：The Verge · https://www.theverge.com/ai-artificial-intelligence/1019551/firefox-smart-window-ai-fill-forms · 2026-10-27

---

二、工程与架构

1. Cloudflare 公开 GLM-5.3 跨请求 KV 缓存暴露：155 条响应含他人数据，根因是「池小于上下文」叠加 SGLang 状态判断失效

Cloudflare 10-26 发布协调披露报告，承认 Workers AI 上的 GLM-5.3 存在跨请求 KV 缓存暴露。

• 影响面：155 条响应含其他用户数据，全部来自 > 681,280 token 的 prompt；影响期 8-27（模型上线）→ 9-9，约 13 天。Cloudflare 排除自身测试与研究人员测试流量后，判断这些请求在时间与数量上与正常超长上下文使用一致，未发现蓄意利用证据。
• 时间线：9-8 23:11 UTC，Knostic 的 Gadi Evron 经 HackerOne 提交（附可复现脚本）；9-9 14:00 UTC 模型转私有（返回 HTTP 400）；9-9 19:40 UTC 修复后恢复公开。
• 根因一（配置）：模型声明上下文 1,048,576 token，但 prefill GPU 上的 KV 池实际只有 681,280 token（约 65%）。该池大小不是配置项，而是 SGLang 启动时按加载权重后剩余显存自动测算得出，与声明的上下文长度无强制一致性校验。团队事前已知不匹配，但误判为「引擎会对超长 prompt 返回错误」——因为长上下文测试确实返回了成功的 HTTP 状态码。
• 根因二（引擎）：SGLang 分离式 prefill/decode 下，超长请求被标为 rejected 并替换为 one-token placeholder，但请求未中止；拒绝状态记在 to_finish 而非 finished_reason，finished() 仍返回 False，于是请求通过了 prefill 与 decode 两侧的准入队列。prefill 只写了一页 KV 就通知「传输完成」，decode 却按原长度（如 8 页）预留并读取，其中 7 页仍是此前其他请求的残留。
• 为什么没被发现：返回的是 HTTP 200 而非 400，prompt_tokens 与长 prompt 相符，回复语义连贯、速度异常快。上线前只验证了 HTTP 响应码与引擎性能，未验证模型输出的内容与连贯性。
• 上游历史：SGLang issue #30233 于 7-6 已报告；Cloudflare 自 v0.5.10 起持续标记。
• 修复：池扩至约 2.04M token（约上下文的 2 倍）+ 引擎补丁（Cloudflare 提交 #38704；SGLang main #36988 于 9-6 合并、#38935）。官方建议所有运维方升级 SGLang v0.5.22+。
• 其他加固（9-11~9-19）：双角色延迟释放（#38961 → #40645 / #41402 / #41404）、Mooncake 传输批次限界（#32758）、负载均衡器改造、部署前强制检查。
• 长期方案：① Integrity by construction——页级 tag，开销 <1%，8 月中在 GLM 5.2 测过但因可靠性停用；过渡方案是 --disaggregation-enable-kv-checksum（#39500）② Integrity by mathematical impossibility——借 Topaz / Meerkat 的形式化验证经验，对 RDMA + Mooncake 建模。

为什么值得关注：这是一份罕见的、把「配置错误 + 框架 bug + 测试盲点」三层叠加讲透的公开复盘。三个可迁移的教训：（1）声明的能力上限与实际资源上限必须做启动期硬校验，靠「引擎应该会报错」是赌博；（2）分离式推理的「传输完成」信号必须携带页数，否则接收端只能假设；（3）上线验证必须包含输出内容检查，只测状态码与吞吐等于不测。第三条对所有自建推理服务的团队都成立。

来源：Cloudflare 官方博客 · https://blog.cloudflare.com/kv-cache-exposure-remediation/ · 2026-10-26；SGLang PR #36988 · https://github.com/sgl-project/sglang/pull/36988 · 2026-09-06

2. Warp 供应链泄露：第三方 vendor 被攻陷，agent 决策日志与遥测外泄，上限约 1% 用户

Warp CEO Zach Lloyd 10-26 在 X 发帖披露：10-23（周五）发现「Warp 基础设施中一个 vendor 正被主动且窄带地利用」，数小时内检测并缓解。

• 泄露内容：agent 决策日志（agent trace）与遥测数据。Warp 未说明是否含源码、提示词、文件路径或凭据。
• 影响面：Lloyd 称「上限约 1% 的 Warp 用户可能受影响」；Warp 官网称有 80 万+ 用户。已通知所有「被正面确认受影响」的用户。
• 攻击描述：Lloyd 称攻击「看起来来自一个 agent swarm，使用了非常复杂的渗透与提权技术，可能始于 vendor 依赖中的一个漏洞」。
• 处置：已联系该 vendor；聘 CrowdStrike 做完整调查；已通报执法部门。未点名 vendor、未公布漏洞、未发布 IOC。
• 背景：上周 AI 编码平台 OpenCode 通知用户存储的 API key 泄露，影响约 1.4% 用户，部分账户被未授权扣费至 $1,700。

为什么值得关注：「appears」「likely」这两个词很重要——agent swarm 攻击目前只是 Warp 的初步判断，无第三方确认，CrowdStrike 的结论才是关键。但即便 swarm 说法不成立，这条也成立：agent trace 不是无害的使用统计，它是「agent 在你的项目里读了什么、跑了什么、决定了什么」的逐步日记，编码 agent 日常会碰配置文件和终端输出，trace 里很容易带上没人打算存储的东西。两周内两个 AI 开发工具被攻破，说明这类产品的攻击面已经从「代码」扩展到「开发者行为数据」。

来源：BleepingComputer · https://www.bleepingcomputer.com/news/security/warp-discloses-breach-exposing-ai-agent-logs-user-telemetry-data/ · 2026-10-27；Zach Lloyd 原帖（经 TSNMedia 转述细节）· https://tsnmedia.org/warp-vendor-breach-agent-telemetry · 2026-10-26

3. TrendAI：CyberStrikeAI 用 44 个 AI agent 全自主打穿日本至少 16 家组织

TrendAI 10-27 发布报告，记录三套暴露的服务器环境，其中 Case A 是全自主攻击。

• Case A（全自主）：CyberStrikeAI 的 44 个 agent 覆盖侦察 → 漏洞发现与验证 → 利用 → C2 → 持久化 → 外传 → 自动报告全链条，可生成日语表单与假登录页。至少 19 家可识别组织，其中至少 16 家在日本；每家都产出同格式报告与证据索引，说明是平台结构化流程的输出。操作者还针对台湾地区与香港地区。
• Case B（人主导 + LLM 辅助）：8-9 月约 24 天，目标为 AI 工作流平台与推理服务，动机是低成本获取大量推理算力。一起入侵针对默认凭据暴露的 GIS 服务器，窃取地籍与商业记录、Windows 凭据、邮件数据。
• Case C（AI 仅做脚本工具）：针对 Cisco / Citrix / F5 / Yamaha 边缘设备，用已公开漏洞、管理功能、配置文件中的凭据；估计 1-10 月至少 6 轮 campaign。WebLogic 发现列表含英、法、意、卡塔尔、哥伦比亚。
• 归因：无证据表明三案为同一操作者。
• TrendAI 结论：「AI 增加了攻击者的人力，但工作仍然是找没锁的门……变化的是能一次试几千个、适应目标国语言、且不疲劳。」
• 交叉参照：微软 2026 DDR 报告称 AI 把「漏洞发现到武器化」的中位时间压到 24 小时以下。

为什么值得关注：这是目前最具体的「agent 规模化攻击」实证——44 个 agent 不是营销数字，而是对应 19 家组织的同格式报告。但报告也诚实地指出 Case C 里 AI 只是脚本工具，真正的门槛仍是「默认凭据」「未打补丁的边缘设备」这些老问题。对防守方的直接含义：当攻击的边际成本趋近于零时，任何「暂时不重要」的暴露面都会在几周内被穷举。

来源：The Hacker News（引 TrendAI 报告）· https://thehackernews.com/2026/10/cyberstrikeai-uses-44-ai-agents-to.html · 2026-10-27

4. Cursor 上线 DeepSeek V4.1 Flash 并发布 Agent SDK：CursorBench 47.7% 只要 $0.98/任务

Cursor 10-26 起在 Settings > Models 中开放 DeepSeek V4.1 Flash（无需 BYOK），同时发布 Agent SDK。

• CursorBench 4.0 四档：Max 47.7%（$0.98/任务）、Medium 46.3%（$0.80）、High 45.6%（$0.77）、Low 44.9%（$0.60）。Max 档排第 17。
• 对标：接近 Sonnet 5.5 High（47.8%，$1.20）但便宜约 18%；Opus 5.5 Max 57.8% 但 $13.43/任务（约 13.7 倍）。
• 代价：token 与步数显著更高——Max 约 537K token / 187 步，Sonnet 5.5 High 约 37K / 41 步。
• Agent SDK：用 Markdown 写提示词 + TypeScript 定义工具，支持托管或自建部署，内置 evals，与 Bugbot / Security Review / Rollouts 共用同一 harness。

为什么值得关注：$0.98 vs $13.43 的对比说明「便宜模型 + 更多步数」在某些任务上已经能逼近旗舰，但 537K vs 37K 的 token 消耗意味着延迟与上下文管理成本被转移到别处。Agent SDK 的意义在于 Cursor 把内部 harness 商品化——它不再只是编辑器，而是想成为 agent 的运行时。

来源：AI Coder（引 Cursor 官方 changelog）· https://aicoder.com/news/news-20261026-cursor-deepseek-v4-1-flash-cursorbench-cost-frontier · 2026-10-26

5. 版本更新速览：六个项目在同一窗口发版，两条修复值得单独看

项目	版本 / 批次	时间（UTC）	关键变更
Claude Code	v2.1.312	10-27 20:24	新增 oidc.user_id_claim（支持 Microsoft Entra ID 的 oid）；全屏下点击队列消息下方提示可立即发送；修复「Claude 只看到超大 CLAUDE.md / rules / @-include 文件开头就覆盖它」——Write 现在要求读全或就地编辑；修复 Bash cd 进 git 仓库深处后 per-directory 与 paths: skills 找不到；修复无效命令名致所有命令无法加载（可能让 claude -p 无输出）
Codex CLI	rust-v0.165.0	10-27 20:09	新增内置 Google Cloud Vertex AI provider（model_provider = "gcp"）；模型目录加 GPT-6.1 Terra；默认开启对话中 reasoning effort 调整；memory v2 对新 profile 默认开启并支持导入外部 agent 记忆；修复远程 MCP 工具请求随本地 future 丢弃而取消、provider 报模型不存在时不再重试
transformers	v5.21.0	10-26 18:17	新增 MiniCPM-OCR（OpenBMB，SigLIP + 窗口注意力 merger + Qwen3.5）、Flint（Recursive 的 MoE：多数层带 RoPE 滑窗注意力、其余层无位置编码全注意力；学习式 attention sinks；sigmoid 路由 6/256 专家 + 无门控共享专家）、UltraVBert、Gradium Phonon TTS
llama.cpp	b11936–b11946	10-27 20:11 → 10-28 01:58	b11946 新增 /v1/realtime 实时对话与转录（server，示例客户端默认端口 9931）；b11944 server 暴露 chat template 的 reasoning effort levels（minimal/low/medium/high/xhigh/max）；b11940 deferred tools 与 tool_reference content parts；b11936 k-pool 稀疏选择独立于 kq_mask 形状
pydantic-ai	v2.62.0 / v2.63.0	10-27 02:38 / 10-28 00:55	v2.62.0 可经 OpenAI configuration_update 与 Anthropic per-message output_config 在对话中改 thinking effort（记为 ModelSettingsDeltaPart）；新增三类模型错误；破坏性：SummarizingCompaction 摘要改存为 CompactionPart 而非系统提示词。v2.63.0 CodeMode 默认 dynamic_catalog=True（揭示的工具追加而非重写缓存提示词）
browser-use	0.13.14	10-26 22:00	加 OpenAI browser tools 与共享 Bash helper；修复缩放显示器下截图 / 裁剪 / 点击坐标错位；改进有界页面观察、表单状态、文件访问、浏览器恢复

为什么值得关注：两条修复值得单独拎出来。**Claude Code 的「只读开头就覆盖大文件」**是一个典型的静默数据损坏路径——它不会报错，只会让文件后半段消失，而大 CLAUDE.md 恰恰是最常见的使用方式。browser-use 的缩放显示器坐标错位同理：在 125% / 150% DPI 的 Windows 上，agent 会点错位置但不报错。这两条都属「不修就会长期污染结果」的类型。

来源：Claude Code v2.1.312 · https://github.com/anthropics/claude-code/releases/tag/v2.1.312 · 2026-10-27；Codex CLI rust-v0.165.0 · https://github.com/openai/codex/releases/tag/rust-v0.165.0 · 2026-10-27；transformers v5.21 · https://github.com/huggingface/transformers/releases/tag/v5.21 · 2026-10-26；llama.cpp releases · https://github.com/ggml-org/llama.cpp/releases · 2026-10-28；pydantic-ai releases · https://github.com/pydantic/pydantic-ai/releases · 2026-10-28；browser-use 0.13.14 · https://github.com/browser-use/browser-use/releases/tag/0.13.14 · 2026-10-26

---

三、行业与发展

1. Anthropic × GSA：全线产品 40% 折扣，覆盖联邦与州地方政府，预计省约 $10 亿

Anthropic 10-27 宣布扩大与 美国总务管理局（GSA） 的合作，经 GSA Multiple Award Schedule 采购，适用联邦 + 州 / 地方 / 部落 / 领地政府。

• 折扣：40%（OneGov discount），覆盖 Claude Enterprise / Claude for Government / Claude API——首次覆盖全部产品线。预计为政府省约 $10 亿。无最低消费承诺。
• 采用规模：约 500 家美国政府组织在用 Claude；Claude for Government 周活跃用户自 2 月增约 8 倍，联邦文职机构用量一年增约 20 倍。
• 合规状态：Claude for Government 已达 FedRAMP High（9-30 GA）；Bedrock 与 Vertex AI 亦 FedRAMP High（部分模型 DoD IL4/IL5）；Claude Enterprise 仍在申请 FedRAMP Moderate（FedRAMP 20x 流程）。云渠道折扣数月后生效。
• 案例（官方口径）：犹他州 10 机构 34 名开发者——80% 在 30 分钟内搭好环境、71% 四周试点后报省 20+ 小时；某州 CIO 8 分钟响应勒索软件（常规 2-3 天）；某联邦安全团队用 Claude Mythos 约两天检测修补关键漏洞（一个月前人工渗透未发现）；某州 IT 开发者两天迁移近 900 个 API 方法（原排期一个月）；某州 IT 主管为 12 个遗留仓库写文档、梳理 467 张表并标记 27 项风险。

为什么值得关注：40% 折扣 + 无最低消费承诺，是政府采购里少见的条款组合——它把「试用成本」压到接近零，赌的是用起来之后不会换。真正的信号是 Claude Enterprise 还在申请 FedRAMP Moderate：说明 Anthropic 认为商业客户与政府客户会用同一套产品线，而不是维持两套。

来源：Anthropic 官方公告 · https://www.anthropic.com/news/expanding-partnership-gsa · 2026-10-27

2. Anthropic 药物开发早期进展：六家合作方 + 收购一人公司 Mithril Medicine

Anthropic 10-27 发布生命科学合作进展报告。

• Generate Biomedicines：6 名科学家用 Claude Code 改造 CAR-T 治实体瘤，一个设计比标准版约短 70%，实验室测试使免疫细胞产生约 10 倍受体。
• Divergence Labs（食物过敏）：Claude 基本自主在约一个月内生成约 35,000 个抗体设计；3 个可结合 IgE、20 个可剥离 IgE，其中 3 个剥离效果优于标准药物。
• BigHat Biosciences：Claude 接入实验室数据系统 Reccy，约 10 周内制造测试约 1,010 个变体；最佳版本结合力提升超 10 倍、靶向癌症先导物稳定性提高 18°C、长效药物先导物聚集速度慢 100 倍以上。
• Enveda：生产化学家最多 75% 时间花在文书；测试 1,061 页文档，Claude 找出人工发现的全 11 个问题并额外标记 7 个人工遗漏；人工审核时间减 89%（>25 小时 → <3 小时）；两份监管文件初稿一份耗时 4 小时（人工约 3 个月）。
• The Column Group：筹建新公司 Pleiades，首个 skill 已在 45 个靶点-疾病配对上评估。
• BMS：临床试验规划，2027 扩大合作，无具体数字。
• 收购 Mithril Medicine：一人公司，创始人 Cody Tranbarger，两种罕见儿童型肌营养不良；Claude 组织合同 / 物流 / 协调 11 家外部实验室，从想法到小鼠有希望结果不到 18 个月，最早 2028 年底进人体临床。
• 配套：Life Sciences Verification Program（受信任组织用最强模型 + 更宽松安全防护）、Claude Science、生命科学家 Claude 额度、客座研究员开放征集。

为什么值得关注：原文明确限定「绝大部分仍是临床前，尚未进入人体试验」——这句话必须保留。真正可迁移的不是那些倍数，而是 Enveda 的文书场景：1,061 页文档、找出人工遗漏的 7 个问题、审核时间降 89%，这是任何受监管行业都能复用的模式。收购一人公司 Mithril 则是另一种信号：Anthropic 开始用并购获取「agent 跑通的科研流程」，而不只是卖 token。

来源：Anthropic Research · https://www.anthropic.com/research/early-progress-drug-development · 2026-10-27

3. 更新（首报 10-27）：NVIDIA 认购 Meta $3B、AMD 认购 $1B 落定

上期报道 Meta 启动至多 $95B 股权融资、三家芯片厂「有意」认购至多 $5B。本期增量：

• NVIDIA $3B（按 $625 发行价约 480 万股）、AMD $1B，合计 $4B 已落定，属 Meta 至多 $95B 股权融资的一部分。
• 对价：Meta 将扩大 Vera Rubin / Spectrum-X 以太网 / BlueField-4 部署、加深 Muse 合作、探索 OpenShell 参考架构的智能体安全与 Sentry 全链路行为监控；AMD Helios 机架级系统已在 Meta 完成安装测试、EPYC 驱动 Muse、2 月框架最高覆盖 6 吉瓦 AMD 算力。
• 发行细节：A 类普通股发行从 $22.5B 上调至 $25B、定价 $625/股（较收盘价折让约 1%），加 $12.5B 票面 6.5% 强制可转换优先股（2029-08 转股）；普通股认购需求约 5 倍超额。
• 后续：2027 年 1 月拟经 ATM 再筹最多 $600 亿无投票权 C 类股，总规模或达 $975 亿（超 Alphabet 6 月 $850 亿纪录）。

为什么值得关注：从「有意」到「落定」只隔一天，说明这不是姿态。芯片厂直接持有客户股权，把供应商-客户关系变成共同投资者关系——这意味着未来采购谈判里，「买多少」和「股价多少」会被放在同一张桌子上算。

来源：CNBC · https://www.cnbc.com/2026/10/27/nvidia-invest-meta.html · 2026-10-27

4. Oracle × OpenAI：四款企业 offerings 同台，含免费起步的 SMB 套餐

Oracle 10-27 在 AI World 发布与 OpenAI 合作的四款 offerings。

• Oracle AI Workspace（coming soon）：ChatGPT 插件，连接 Fusion Applications / NetSuite / Oracle AI Database / OCI；员工描述业务目标后由插件汇集工具与信息，保留治理、审批与控制。
• Oracle AI Security Mesh：托管服务，用 OpenAI cyber 模型在 OCI / 其他云 / 本地找并修漏洞；客户定义授权测试范围，Oracle 管理护栏。
• Oracle App Composer：用 Codex 建企业应用，Oracle 在 OCI 管理部署与运维（含 OKE 与 Autonomous AI Database），支持 APEXlang。
• Oracle AI SMB Bundle：免费起步，每年 $12,000 OCI 额度 + ChatGPT Business + AI Workspace + Codex + App Composer + OCI + NetSuite QuickStart；合格团队成员装 NetSuite QuickStart 插件并在 7 天内使用可获一次性 $50 额度（最多 5 人/工作区，$250）。
• 背景：OpenAI 五年向 Oracle 采购约 $3,000 亿算力（约 4.5 GW，2027 起）；Oracle 亦在 OCI 上提供 Google TPU（2027 起）、Cerebras（2027）、SambaNova（路透）。OCI Superclusters 扩至多吉瓦级 Vera Rubin NVL72 + Vera CPU，配 Acceleron 网络 + Spectrum-X 以太网 + BlueField-4 DPU。Oracle 股价当日涨 5%。

为什么值得关注：这是「云厂商把模型厂商的产品重新包装成企业软件」的完整样本——Oracle 卖的不是 API，是带治理、审批、部署、运维的整套东西。SMB Bundle 的 $12,000 额度 + $50 注册奖励是典型的 PLG 打法，用在企业软件渠道上说明 Oracle 认为中小客户值得用补贴换。

来源：Oracle 官方新闻稿 · https://www.oracle.com/news/announcement/ai-world-oracle-reinvents-enterprise-computing-for-the-ai-era-with-openai-2026-10-27/ · 2026-10-27

5. Replit Cloud Agents：非工程人员用自然语言提需求，agent 在云端沙箱测完直接开 PR

Replit 10-27 向所有 Pro 与 Enterprise 客户开放 Cloud Agents。

• 流程：非工程人员用自然语言描述改动 → agent 找相关代码 → 在云端沙箱测试 → 在 GitHub 开 PR / GitLab 开 MR（遵循团队 skills 与贡献指南）→ 附截图与视频。
• 验证方式：agent 在浏览器里像客户一样点击验证，失败则修码重测。
• 学习回路：review 反馈转为 skills 更新（early access，工程师批准后生效）。
• 共享环境：管理员配一次（含仓库 / 运行时 / skills / 工具 / 依赖），自动从 main 更新；凭据经 credential broker 从外部 secrets manager 取。
• 入口：Slack @Replit 与移动端，Teams 即将支持。
• 内部数据（自报）：workspace memory 使 token 用量降 51%、常见数据任务从 16 分钟降至 1 分钟。
• CEO Amjad Masad 的 Self-Driving Company 宣言：2030 年 Fortune 500 全部成为 Self-Driving Company；H1 2026 工程师代码产出近三倍而 review 时间 / 回滚 / 事故持平；$9B 估值、$400M 融资、5,000 万+ 用户、85% Fortune 500 用户、目标 2026 年底 $1B run-rate。

为什么值得关注：把「非工程人员提需求」和「agent 必须像客户一样点击验证」绑在一起，是这条最实的设计——它绕开了「agent 说改好了但没验证」这个最常见的失败模式。但「review 反馈自动转 skills」需要工程师批准才生效，说明 Replit 自己也不认为这条回路可以完全自动。

来源：Replit 官方博客 · https://replit.com/blog/anyone-can-bring-ideas-to-company-codebase · 2026-10-27

6. Agent 身份与凭据成为独立产品线：IBM Vault 2.2 + 1Password for Agents

IBM（10-27，TechXchange）：Agent Identity 给每个 agent 记录所有者、状态、权限；HashiCorp Vault 2.2 加安全 agent 账户与凭据控制，两者 GA。Vault 可发短时凭据、agent 越权时实时拒绝并撤销会话、自动续期 agent 凭据、含后量子加密。watsonx Orchestrate 的 agent discovery（tech preview，连 Amazon Bedrock / Microsoft Foundry / Google Gemini 找 agent，也覆盖模型与 MCP server）与 containment（tech preview，沙箱运行 + 关停）；evaluation GA（测试 / 监控 / 追踪每 agent 模型与 token 用量）；Secure Hub（public preview）、IBM Integration Intelligence Hub（tech preview）。

1Password（10-22 发布，本期传播）：1Password for Agents 让 AI agent 代登录而不接触明文凭据——agent 发登录请求 → 向 1Password 提交身份密钥 → 系统向用户推送提醒 → 用户确认后 1Password 自动填充。免费且可选（个人与家庭账户），集成 Claude、Grok 等。

为什么值得关注：两家在同一个窗口把「agent 的身份」当成独立产品来做，说明共识已经形成：agent 不是「用户的会话」，而是「需要独立账号、独立权限、独立审计的主体」。Vault 的「越权时实时撤销会话」和 1Password 的「用户确认后自动填充」是两种不同的信任模型——前者靠策略，后者靠人在环。注意 1Password 实际发布于 10-22，早于本期窗口，此处按「本期进入中文视野」记录。

来源：IBM TechXchange（经 SiliconANGLE 转述）· https://siliconangle.com/2026/10/27/ibm-agent-identity-hashicorp-vault-2-2/ · 2026-10-27；1Password 官方博客 · https://blog.1password.com/1password-for-agents/ · 2026-10-22

7. 英国 Home Office 用生成式 AI 处理庇护申请，监管机构考虑调查

WIRED 与 Guardian 10-27 报道：英国**独立首席检查官（ICIBI）**正考虑调查内政部（Home Office）用生成式 AI 处理庇护申请。

• 工具：ACS（Asylum Case Summarisation） 与 APS（Asylum Policy Search），基于 OpenAI 2023 年 GPT-4 + Microsoft Foundry，2024 年底试点。
• 调查发现：ORG（Open Rights Group）六个月调查显示，ACS 摘要「不可用」比例显著高于官方公布的 9% 错误率；APS 无质量控制。
• 司法先例：7 月英国法官指内政部引用「AI 幻觉」文件拒庇护。
• 各方表态：内政部称 AI 仅辅助、不做决定；OpenAI 称 GPT-4 将于 1 月退役。

为什么值得关注：这是「AI 进入高风险公共决策」的典型样本，且三个环节都出了问题：摘要质量低于公布值、检索无质量控制、决策被法官抓到引用幻觉。OpenAI 宣布 GPT-4 明年 1 月退役，意味着这套仍在试点中的系统必须迁移——迁移期的可复现性由谁负责，报道里没有答案。

来源：WIRED · https://www.wired.com/story/uk-home-office-ai-asylum-decisions/ · 2026-10-27；The Guardian · https://www.theguardian.com/uk-news/2026/oct/27/home-office-ai-asylum-claims-watchdog · 2026-10-27

8. 融资速览：Disruptive 募 $10B 盲池，趋境科技 B 轮超 13 亿元

• Disruptive（10-27，Bloomberg）：达拉斯基金募集 $10B，投至少 10 家后期 AI / 国防 / 软件公司，单笔最多 $10 亿；首支盲池基金；德州史上最大 VC 基金。
• 趋境科技（10-27）：AI Token 生产服务商完成 B 轮超 13 亿元，年内累计募资 24 亿元；浙财创新 / 萧山资本 / 工银投资 / 中关村科学城 / 星连资本 / 钱江世纪城领投，商汤 / 网宿等跟投；收入接近去年全年 10 倍；日均 Token 产量半年增长超百倍达万亿量级。

为什么值得关注：两条放在一起看很有意思——美国出现单支 $10B 的后期盲池，中国出现「卖 token」的公司半年产量涨百倍。前者赌的是「后期公司还需要大额非公开资本」，后者说明推理算力的转售已经形成规模市场。

来源：Bloomberg · https://www.bloomberg.com/news/articles/2026-10-27/disruptive-raises-10-billion-fund-for-late-stage-ai-bets · 2026-10-27；智通财经 · https://www.zhitongcaijing.com/content/detail/1513286.html · 2026-10-27

---

四、论文与开源

口径说明：本节 arXiv 条目对应 10-25/10-26 提交批次（2610.345xx–2610.376xx），于 10-27 20:00 ET（= 10-28 08:00 HKT）公告，落在本期窗口内。所有论文均为预印本，未经同行评审。

1. Anthropic 递交《A 2^o(n) Time Algorithm for 3-SAT》反驳 ETH：署名 Claude，Lean 4 形式化，但「参与不等于认证」

Anthropic 10-27 在 anthropics/formal-math 仓库的 eth 目录发布 《A 2^o(n) Time Algorithm for 3-SAT》，作者署名 Claude, Anthropic。

• 内容：给出 3-SAT 的亚指数时间算法，直接反驳指数时间假设（ETH）。Lean 4 形式化，pin Lean / Mathlib v4.33.1，CI 用第二套独立内核 nanoda 复核。
• 过程：Levent Alpöge 称 Anthropic 内部 Claude 研究模型于 10-16 用 14M 输出 token、无人类输入找到核心算法。
• 性质：结果纯渐近，不涉及实际求解器性能。
• 关键限定：README 自述「证明是机器校验的，但 MainResults.lean 是否与论文陈述一致，需要人类读者判断」。
• 时序：紧接 OpenAI 10-26 三项科学声明（其中 ETH 被反驳）；Alpöge 先质疑 OpenAI 依赖既有工作，数小时后 Anthropic 发布自己的反驳。Impagliazzo / Paturi / Williams 工作组公开信称「参与不等于认证」并组织审阅。WebProNews 报道两家均称各自模型在 10-16 发现结果。
• 状态：无外部组织确认。

为什么值得关注：两家在 48 小时内各自声称同一件事（ETH 被反驳），且都称发现日期是 10-16——这个巧合本身值得注意。更关键的是验证链的第四环是空的：模型产出 → Lean 形式化 → 独立内核复核 → 外部工作组认证。前三环已经工程化（Lean + nanoda 可以自动化跑），第四环仍靠人手，而工作组的公开信明确说「参与不应被视为认证」。AI 做数学的瓶颈已经从「能不能证」变成「社区能不能及时验」。

来源：anthropics/formal-math（eth 目录）· https://github.com/anthropics/formal-math/tree/16a5ce41304fcdaea4e0be7c132e1c361dc26da5/eth · 2026-10-27；TechCrunch · https://techcrunch.com/2026/10/27/frontier-ai-labs-say-their-models-refuted-the-exponential-time-hypothesis-what-does-that-mean/ · 2026-10-27

2. Axiom 用 24 天形式化有限单群分类：约 43.1M 行 Lean，报 34 处显著文献偏差

Axiom 10-26 发布报告：AxiomProver 多 agent 系统用 24 天完成**有限单群分类（Enormous Theorem）**的 Lean 形式化。

• 规模：原定理约 15,000 页 / 500+ 篇论文 / 约 100 位数学家；产出约 43.1M 行 Lean 代码。
• 方法：10-01 开 Slack 频道，基于既有 Lean 工作 + 内部 proof map 拆为 108 个里程碑与约 380 个任务。
• 文献问题：发现并修正多处文献问题，多数为小错（打字、表格、漏假设），但 34 处值得注意的偏差需解决。最重大的一处与 Unbalanced Group Theorem（UGT） 相关——agent 在形式化 John Walter 1986 年 memoir 时发现其证明中一个闭包断言有显式反例（该操作可能产生被排除在指定族之外的群），使关键推理失去依据；但反例未推翻 UGT 目标或 Walter Proposition II.5.9(ii) 的结论。与 Richard Lyons、Ronald Solomon 等原工作者通信后重路由证明并给出新证明。
• 人员：核心贡献者 Dean Cureton、Vasily Ilin、Bhavik Mehta、Niels Voss；外部顾问 Richard Lyons、Dan Nakano、Ron Solomon。
• 基础：构建于 Mathlib 并纳入 Qiuzhen-CFSG 约 120 万行代码；将公开长篇 errata 列表。

为什么值得关注：这条的价值不在「24 天」这个数字，而在它发现了一个 40 年前证明里的显式反例——这是形式化真正能带来的东西：不是更快，而是把「大家都同意」的地方逼到机器可检查。注意「2,000+ 错误」这个流传的数字主要源自二手 X 帖，官方页确认的是 24 天、43.1M 行与 34 处显著偏差。

来源：Axiom 官方研究页 · https://axiommath.ai/research/the-enormous-theorem-formalized/ · 2026-10-26

3. Ai2《Old Ideas, Novel Problems》：LLM 当「新颖性裁判」，prompt 措辞微调让准确率摆动超 50 个百分点

Ai2 10-27 发布 NoveltyBench，测试 LLM 作为「新颖性裁判」的可靠性。

• 数据构造：基于 ICLR 2026 同行评审挖掘（不把录用当新颖性代理，而是挖评审中明确讨论原创性的段落）。154 个高新颖性人类想法（所在领域前 10% 录用论文且评审正面认定新颖、无评审质疑）+ 145 个较低新颖性想法（后 10% 被拒论文且评审提出原创性疑虑、无评审正面认定）。标注者与评审挖掘标签在 47/50 抽查中一致。
• Human+Generated 设置：同样 154 个人类想法与 154 个简单 LLM 生成想法配对；专家审 30 对（偏向最强裁判漏掉的）每次都选人类想法，判断生成想法无一新颖。
• 测六个裁判：GPT-5.1 / 5.2 / 5.4、Claude Sonnet 4.5 / Opus 4.5 / Opus 4.6。
• 核心发现：prompt 措辞微调使准确率摆动超 50 个百分点（GPT-5.4 从 93.5% 降到 40.9%）；提示裁判「评审认为一个想法新颖另一个不新颖」会改变超过一半相同想法对的判断，有时准确率低于随机；同一改动对一个裁判有益、对另一个有害；检索与更多推理不能持续改善判断。
• 专用系统反而不如简单 prompt：Idea Novelty Checker 0.642 macro-F1 @ $30.66、Sakana AI Scientist 0.772 @ $82.05，均不如简单 prompt 的 Claude Opus 4.6 基线（0.854 @ $2.59）。GPT-5.6 Sol 用 extra-high reasoning + 限 arXiv 的实时迭代搜索得 0.78（低于 Claude Opus 4.6 的 0.89）且每决策成本约 10 倍。
• 配套：发布基准、数据、代码与自动化流水线。

为什么值得关注：这是对「用 LLM 做评审」最直接的一次打脸——专用系统花 12 倍钱，得分还低 0.2。更值得记住的是「prompt 措辞能让准确率摆动 50 个百分点」：任何声称「我们的 LLM 评审准确率 X%」的说法，如果不公开 prompt 原文，这个数字就没有意义。

来源：Ai2 官方博客 · https://allenai.org/blog/novelty-bench · 2026-10-27

4. Google Research「睡眠」框架：给 LLM 加 consolidation + dreaming 两阶段，BABILong 扩至 10M token

Google Research 10-27 发布 sleep framework，用「睡眠」阶段实现持续学习。

• 阶段一 memory consolidation：用 knowledge seeding + on-policy distillation + semantic reward，把脆弱的短期上下文压缩进稳定的长期参数；理论上是结构化低秩压缩问题；解锁预分配 MoE 容量——低秩专家挂在低频记忆块上避免覆盖旧参数；用 Generalized Knowledge Distillation + RL 模仿，奖励基于语义与 Levenshtein 距离相似度；consolidation 完成后重置高频临时参数。
• 阶段二 dreaming：随机激活非标准专家生成合成样本，梯度过滤选最优样本微调；理论刻画随机专家激活与奖励样本选择为改善学习几何的机制。
• 约束：保持核心架构与代码库不变，只更新数值权重。
• 结果（作者自报，无独立复现）：continual translation 对未见语言（Manchu、Kalamang）近乎零性能下降（ICL / Cartridges / SFT 严重遗忘）；BABILong 长上下文近完美扩展至 10M token，超 GPT-4 与 Titans；SQuAD 事实知识单任务 48.9%、CPT 46.2%（超 base / SFT / SEAL）；数学推理 AIME 24 79.2%、AIME 25 69.0%、HMMT 25 46.1%（超 SFT / GRPO / OPSD）。
• 作者：Ali Behrouz（Google + Cornell）、Farnoosh Hashemi（Cornell）、Adel Javanmard（Google + USC）、Vahab Mirrokni。

为什么值得关注：「不改架构、只改权重」是这条最有工程价值的部分——它意味着持续学习可以作为训练流程的附加阶段而非新模型。但 10M token 的 BABILong 成绩需要谨慎看待：这是作者自建的评测配置，且「近完美」在长上下文任务上通常意味着任务本身有可利用的结构。

来源：Google Research 官方博客 · https://research.google/blog/the-sleep-framework-a-new-way-for-llms-to-retain-knowledge-in-continual-learning/ · 2026-10-27

5. OCR 双发：百度 Unlimited-OCR 2 用稀疏参考滑窗把峰值缓存从 47 GB 降到 1.77 GB，OpenBMB 出 MiniCPM-OCR 套件

百度 Unlimited-OCR 2（10-27，MIT 许可，代码与权重开源至 GitHub / Hugging Face，上线百度智能云与百度 AI 开放平台）：

• 核心机制：稀疏参考滑动窗口注意力（SR-SWA）——把文本-视觉注意力交互从超长序列压缩到固定大小的工作参考集（如 512 token，由 128 token 局部窗口 + 跨 32-token 块 top-16 选择组成），使每步解码延迟与显存占用几乎恒定；配合无限解码机制（Unlimited-Horizon Decoding）。
• 规模：约 3.34B 参数（激活 0.5B），保留 DeepSeek-OCR 式布局（SAM ViT-B + CLIP-L 编码器 → 12 层 MoE 解码器，每 token 路由 6/64 专家 + 2 共享专家）；多页模式每页 273 image token。
• 自报成绩：MPDocBench 84.6（Qwen3.8-Max 78.3）、MarathonDocBench 77.1（Kimi-K3 33.7、前代 Unlimited-OCR 0.0）。子项：文本 89.6、公式 87.9、标题层级 48.2（最低）。
• 效率：百页场景单步解码比 Full Attention 快 7 倍、比上一代 R-SWA 快 5.6 倍；单文档峰值缓存从 47.00 GB 降至 1.77 GB；16 文档并行吞吐从 360 tokens/秒 提升到 1315 tokens/秒。可一次解析《哈利·波特》全系列 7 部超 3,600 页。
• 部署：BF16 权重约 6.7 GB，单张 A800-80GB 测试；支持 Transformers（infer_multi 多页单请求保留跨页上下文）与 SGLang（定制 wheel）。

OpenBMB MiniCPM-OCR 套件（10-27）：MiniCPM-OCR 1.0（1.3B 参数解析模型）+ MiniCPM-OCR Jev（2B 参数质量评分模型）；DSpark 加速下最高 128 页/分钟；1.0 在 Real5-OmniDocBench 得 93.68；Jev 提供模型无关的准确率检查，在 JevOCRBench 得 93.6 AUROC 识别需人工复核的内容。已随 transformers v5.21 落地。

为什么值得关注：47 GB → 1.77 GB 是这条真正的分量——它把「百页文档解析」从多卡降到单卡。但要注意：主打优势的 MarathonDocBench 是百度自建基准，第三方独立复测待社区；在通用单页 OmniDocBench 上 94.02 分仍落后专用模型。MiniCPM-OCR 的 Jev 走的是另一条路——不追求更高解析分，而是判断哪些内容需要人工复核，这在真实业务里往往比多 1 分更有用。

来源：GitHub baidu/Unlimited-OCR · https://github.com/baidu/Unlimited-OCR · 2026-10-27；新华网 · https://www.news.cn/tech/20261027/f97d067ddf65432f9e8024515d949784/c.html · 2026-10-27；transformers v5.21 release notes · https://github.com/huggingface/transformers/releases/tag/v5.21 · 2026-10-26

6. arXiv 本窗口精选：九篇值得读的

arXiv	标题	提交	一句话结论
2610.34654	Thinking-in-Bets	10-26	训练无关、纯 prompt：agent 在读到用户反馈前先写私有 Claim Checklist（每条 claim + 证据 + 0-1 置信度，阈值 0.5）。SWE-Together + SWE-Interact 上「错误批评导致的正确补丁误翻转」从 12.2% → 0.02%（6,074 中 744 → 6,130 中 1）；Agents' Last Exam 上 3.5 Flash-Lite 误翻转 93.3% → 6.7%、复审通过率 30.0% → 95.0%。局限：仅测 Gemini、用模拟用户、阈值手设
2610.35434	Skill^∞	10-26	技能优化的递归自我改进：meta agent 用 meta-skill 优化任务技能，并优化 meta-skill 本身。83 个 SkillsBench 任务通过率 60.7% vs 人工策划技能 56.4%、SkillEvolver 54.5%
2610.34577	Rethinking Verification in Agent Harnesses	10-25	把验证作为 test-time scaling 的一个轴，四层框架（初始指令 / 回合中提醒 / 完成门 / 独立评审）；17 种设计 × 7 个前沿编码模型。独立评审平均准确率 Terminal-Bench +5.9–9.5pt、SWE-bench Verified +3.9–6.6pt，成本仅 1.13–1.25×
2610.37571	TeamGym	10-27	基于真实法律 / 金融 / 医疗 / 软件工程语料构建团队决策环境，引入 pivotal information（最小事实集）。8 个语言模型 × 12 个源语料：分发关键信息使成功率平均降 22.9 个百分点（communication gap）；参与者需自行识别提取关键信息时再降 19.9 点（retrieval gap）。用 RL 在团队决策损失上训练可改善最终决策质量并诱发协调行为
2610.37523	The Structure Gap	10-27	定义 structure-encoded problems（输入输出映射由已知结构决定）。核心问题不是表达力而是有限数据下的识别、外推与认证。对高斯逆问题精确证明：已知算子的 Wiener 求解器达 Bayes 风险，而正确线性类中的稠密经验学习器有持续期望超额风险；另证明 cell-coverage 下界与 unobserved-orbit 不可识别结果
2610.37481	Follow the Gradient（SafeTulu）	10-27	SimpleLoRIF：可扩展梯度嵌入，把反向传播限制在最后四个 transformer 块，可嵌入百万级样本数据集。在 emergent misalignment 上 AUC 高达 0.865；构建 SafeTulu（Tulu 3 移除与不安全响应梯度最对齐的 20% 样本），在 Qwen / Llama / Olmo 上把 GCG 攻击成功率最多降 22%，同时基本保持甚至提升能力
2610.37624	Rare, Relevant, and Still Wrong	10-27	CrossProfile 诊断基准（60 模板、480 任务）：两种启发式（选最稀有 claim、选与决策标准相关的 claim）都在可预测处失败——按相关性选择会重新引入诱饵；即使完美相关性过滤器在经典 hidden-profile 配置下也比 rarest-first 低 23–31 分；rarest-first 平均不优于随机。移除归属标签可使经典配置准确率提升 13–24 分
2610.37631	What Improves During Pretraining?	10-27	用不同年份网页快照训练的时间点模型提出 temporal variability score（TVS）。6 个基准 × 6 个模型家族：低与高 TVS 项在训练早期学习相似，但高 TVS 项后期提升更快；预训练结束时高 TVS 项在 36 个模型-基准设置中的 34 个胜出，平均优势 7.3 分（chance-normalized accuracy）。被 AACL 2026 录用
2610.37407	Constraining the Commit Boundary	10-27	提出 DIO/ODI 信息授权边界，区分 agent 推理可用证据与可授权持久身份变更的证据；抽象两阶段 supervisor 仅在 claim 特定授权合格证据支持每个必需命题、冲突已解决、操作在授权范围内、状态与策略版本仍有效时才允许 commit。明确声明是概念架构，无实现或实证验证

为什么值得关注：三篇指向同一件事——agent 的失败大多不在「能力」而在「信息流」。Thinking-in-Bets 说「先写下你相信什么，再听反馈」能把误翻转压到 0.02%；TeamGym 说「把关键信息分散给不同 agent」平均掉 22.9 分；CrossProfile 说「按相关性挑事实」反而比「按稀有度挑」更差。这三条合起来对多 agent 系统的设计含义很直接：不要指望 agent 自己判断哪条信息重要，要把「谁掌握什么」显式建模。

来源：arXiv 各篇 abs 页（链接见附录）· 2026-10-25 / 10-26 / 10-27 提交

---

五、值得关注的趋势

1. AI 数学声明进入「验证基础设施」竞争，瓶颈从「能不能证」转向「社区能不能及时验」。 48 小时内三家并立：OpenAI 10-26 三项声明（附 Lean + $5M 捐 Simons）、Anthropic 10-27 递交 3-SAT 亚指数算法（署名 Claude，Lean 4 + nanoda 二次内核）、Axiom 10-26 用 24 天形式化完有限单群分类（43.1M 行 Lean，报 34 处文献偏差）。三家的共同点是前三环已工程化、第四环是空的——模型产出、Lean 形式化、独立内核复核都能自动跑，唯独「外部工作组认证」还得靠人手，而 Impagliazzo / Paturi / Williams 的公开信明确说「参与不应被视为认证」。判断：2027 年前，「附 Lean 证明 + 公开仓库 + 第三方复核排期」会成为 AI 科学声明的发布规范；对团队的直接行动项是给自家 agent 的科学类产出配 verifier 与重跑预算，而不是配更贵的模型。

2. agent 供应链与推理基础设施安全在同一窗口密集爆发，共同点是「信任边界在别人的依赖里」。 Cloudflare 的 KV 泄露根因是「SGLang 的 finished() 判断失效 + 池小于上下文」，Warp 的泄露根因是「第三方 vendor 被攻陷」，CyberStrikeAI 的 44 个 agent 打的是「默认凭据 + 未打补丁的边缘设备」。三条看似无关，但都是自己代码没问题、依赖出问题。Cloudflare 那份复盘里最值得抄的一句是「上线前只验证了 HTTP 响应码与引擎性能，未验证输出的内容与连贯性」——这个盲点对所有自建推理服务的团队都成立。判断：「依赖项的失效模式」会从安全团队的检查项升级为架构评审的必填项；对自建 agent 的团队，给每个外部依赖写一条「它坏了会怎样」的断言比再加一层 WAF 更有用。

3. 开放权重在同一天被两端同时刷新上限，中间档位的稠密模型两头受挤。 端侧 Liquid AI LFM3 把「够用」压到 4-bit 约 1 GB 内存 + 256K 上下文（六个 2B 级模型共用一条 1.73B 骨干），服务端蚂蚁 Ling-3.1 把「开放」压到 560B 总参 / 25B 激活 + 1M 上下文 + MIT 许可（还附可继续训练的 base 基座）。两者许可策略完全相反：LFM Open License v1.0 把商用限定在年收入 < $10M 的组织，Ling 用 MIT 放开商用与再训练。

判断：「开放权重」正在分裂成两个不同的东西——端侧的「开放」是「能在你的设备上跑」，服务端的「开放」是「能拿去做自己的模型」。夹在中间的 7B–70B 稠密模型会最先感到压力：端侧够不着它的能力、服务端比它便宜且更宽松。对选型团队，先问「我要的是部署自由还是改造自由」，答案决定该看哪一端。

4. 企业 agent 从「工具」变成「有身份的雇员」，账号、权限、审计成为独立产品线。 同一窗口里：Anthropic 给 GSA 全线产品 40% 折扣且无最低消费承诺（约 500 家政府组织在用，Claude for Government 周活自 2 月增 8 倍）；Oracle 把 OpenAI 包装成四款带治理与审批的企业 offerings（含免费起步的 SMB 套餐）；Replit Cloud Agents 让非工程人员提需求、agent 在云端验证后直接开 PR；IBM 的 Agent Identity + HashiCorp Vault 2.2 与 1Password for Agents 分别从「策略侧」和「人在环侧」解决 agent 凭据问题。判断：agent 的采购决策正在从「买多少 token」变成「给哪些权限」——这解释了为什么 Vault 和 1Password 会把 agent 身份做成独立 SKU。对企业的直接含义：在给 agent 开账号之前，先确定谁能撤销它、撤销后多久生效、它的操作留痕在哪——这三个问题的答案比模型选型更影响上线时间。

---

六、有趣的 AI 开源项目

1. stablyai/orca（TypeScript / MIT，108,231★，2026-03-17 创建，10-28 04:29 推送）——桌面 / 移动 / 远程运行任意编码 agent 舰队（如 Grok Bot、Claude Code），用你自己的订阅。入选理由：10.8 万星这个量级说明「多 agent 编排」已经从极客玩具变成刚需；而「用你自己的订阅」是关键设计——它不转售 token，只做编排层，绕开了所有 API 转售的合规问题。对已经在付 Claude Code / Codex 订阅的读者，这是把多个订阅拼成一条流水线的最低成本方式。

来源：GitHub · https://github.com/stablyai/orca · 2026-10-28（API 实测 108,231★）

2. KnockOutEZ/wigolo（TypeScript / NOASSERTION，5,509★，2026-04-12 创建，10-27 10:30 推送）——本地优先的搜索 / 抓取 / 爬取 / 研究 MCP server：无 API key、无云、$0/query，公开 beta。入选理由：给 agent 做检索的 MCP server 大多要接付费搜索 API，wigolo 把整条链路放在本地，代价是自己维护抓取与解析。对成本敏感的自动化场景（每天几千次检索）这是唯一能把边际成本压到零的路子；但「本地优先 + 无 key」也意味着反爬与合规责任全在使用方。

来源：GitHub · https://github.com/KnockOutEZ/wigolo · 2026-10-27（API 实测 5,509★）

3. FrigadeHQ/hob（TypeScript / MIT，278★，2026-10-14 创建，10-28 00:43 推送）——「更简单的本地 AI 使用方式」，免费开源的 Claude / ChatGPT 替代品，在 Mac / Windows / Linux 本地跑 Gemma、gpt-oss 等开放权重模型，私密且可离线。入选理由：星数不大但方向值得记——「本地跑开放权重」的体验层正在被重做，而这一层此前一直是 Ollama 的领地。它与本期 LFM3（1 GB 内存跑 256K）指向同一个趋势：端侧模型的能力已经够用，缺的是「不用懂命令行就能用」的壳。

来源：GitHub · https://github.com/FrigadeHQ/hob · 2026-10-28（API 实测 278★）

---

⚠️ 待核实

1. Ling-3.1-flash-1019 的 AA 成绩与发布日期：AA 智能指数 41→44、AutomationBench-AA 62%→68% 为 inclusionAI 模型卡自报，Artificial Analysis 上当时仅见总指数；AA 记发布日期为 10-22 而 HF 仓库创建于 10-27，两者差异未获解释。huggingface.co 本环境不可直接访问，规格（560B/25B、63 层 KDA + 9 层 MLA、512 专家）经官方帖与二手交叉，可能有转述误差。
2. Genie 4 的全部能力描述：官方博客无任何量化指标（无分辨率、帧率、会话时长、一致性时长），本条目所有描述均来自文字表述与演示，无数字可核。
3. Axiom CFSG 的「2,000+ 错误」：官方页确认 24 天、43.1M 行、34 处显著偏差；「2,000+ 错误」主要源自二手 X 帖（The Agent Times 已指出），不写入正文。
4. Anthropic ETH 反驳的独立复核状态：仓库自述 CI 用 nanoda 二次内核，但无第三方数学家认证；README 明确「MainResults.lean 与论文陈述的一致性需人类读者判断」。Impagliazzo / Paturi / Williams 工作组仅发公开信组织审阅，未出具结论。
5. Warp 泄露的数据字段范围：是否含源码 / 提示词 / 文件路径 / 凭据未确认；vendor 与漏洞未点名；「agent swarm」为 Warp 初步判断（原文用 appears / likely），无第三方确认，CrowdStrike 调查未出结论。
6. CyberStrikeAI 报告的原始数据：TrendAI 报告经 The Hacker News 转述，报告原文未直接获取；「至少 19 家组织 / 至少 16 家在日本」为报告口径，未见受影响组织自行确认。
7. Apple Creator Studio 的 MCP 访问是否需要订阅：官方公告未说明，仅标「需 macOS 27+」。
8. 智元 Genie Master 的 Physical RSI 效果：均为厂商 / 媒体报道口径，无独立复现；11-02 的 24 小时直播考核结果尚未产生。
9. Cursor DeepSeek V4.1 Flash 的 CursorBench 数字：来源为 aicoder.com 转述 Cursor changelog，Cursor 官方 changelog 页本环境未直接获取；四档分数与单任务成本可能有转述误差。
10. Disruptive $10B 基金与趋境科技 B 轮：分别以 Bloomberg 与中文财经媒体（智通财经）为主，未见基金 / 公司官方公告逐条确认。

---

本期淘汰记录

1. OpenAI 前沿模型训练环境断网加固（DNS 逃逸、11 天暂停、Kata Containers CVE-2026-24834、Patch the Planet）：索引第 14 行已更新至 10-24，本期无新进展——按纪律淘汰。
2. Meta $95B 融资主体（10-27 已报）：本期只写 NVIDIA $3B / AMD $1B 落定的增量，其余不重复。
3. OpenAI ETH 三项科学声明（10-27 已报）：本期仅作 Anthropic 反驳的背景，不单列。
4. Cohere / Qwen3.8-Flash-Next、Forever Security AGENTS.md 劫持、OpenHands CVE-2026-112346、Drew Breunig 上下文工程：均为 10-27 期已完整报道，窗口内无新进展。
5. makecindy/cindy（10-26 已报约 4,600★，现 7,342★）：仅星数增长，无版本级变化——按规则不成条。
6. morluto/rea：索引已有，窗口内无新发布。
7. microsoft/agensh（775★，2026-08-27 创建，10-23 推送）：窗口外旧闻重推，与 10-27 期淘汰记录一致。
8. Ollama v0.40.12-rc0：10-27 期已报，窗口内无新 rc 或正式版。
9. 1Password for Agents：实际发布于 10-22，早于本期窗口；本期仅作为「agent 身份产品线」的背景与 IBM 并列，不单列条目。
10. Cadence Maestro：仅见腾讯新闻 / IT时代网二手转述，一手发布页未定位——进待核实后仍不足，淘汰。
11. Self-Direction（arXiv:2610.31846）：10-22 提交，窗口外；且其「经验存为独立 LoRA 适配器」路线与本期 Thinking-in-Bets 的「先写 claim 再听反馈」属同一问题域但更早，不重复。
12. Recursive Semantic Divergence（arXiv:2610.33012）：10-08 提交，窗口外旧档。
13. Honeycomb-Surfels / ThinkWorld / Attention as Lattice Gauge Theory / MuonGS / Concordat / M4Bench 等 cs.AI 候选：均为 3D 重建、世界模型或纯理论方向，与本期三条主线（agent 安全、开放权重、科学验证）关联不足，且未逐篇回验元数据——按「写不出为什么值得关注就淘汰」处理。
14. 纯融资稿与常规产品更新（FireMon Agentic AI 的三个 agent、Springer Nature 之外的若干企业合作稿）：无量化数据、无可验证的机制变化，或与 10-27 期已报条目同实体。

---

附录：来源

序号	板块	标题	发布方	链接	发布日期	数据截止日期
1	模型与产品	LFM3: a family of models built on one backbone	Liquid AI	https://www.liquid.ai/blog/lfm3	2026-10-27	2026-10-27
2	模型与产品	llama.cpp releases（LFM3 五个变体）	GitHub	https://github.com/ggml-org/llama.cpp/releases	2026-10-27	2026-10-28
3	模型与产品	Ling-3.1-flash-1019 模型卡	Hugging Face（inclusionAI）	https://huggingface.co/inclusionAI/Ling-3.1-flash-1019	2026-10-27	2026-10-27
4	模型与产品	Genie 4: a new generation of world simulation	Google DeepMind	https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/	2026-10-27	2026-10-27
5	模型与产品	Apple Creator Studio adds powerful new AI features	Apple Newsroom	https://www.apple.com.cn/newsroom/2026/10/apple-creator-studio-adds-powerful-new-ai-features-and-even-more-creative-tools/	2026-10-27	2026-10-27
6	模型与产品	能管事的 AI 助理！蚂蚁灵光 2.0 发布	科技日报	https://www.stdaily.com/web/gdxw/2026-10/27/content_603557.html	2026-10-27	2026-10-27
7	模型与产品	蚂蚁集团发布灵光 2.0：AI 从「任务执行者」走向「事务管理者」	中证网	https://www.cs.com.cn/ssgs/cj2020/2026/10/27/detail_2026102710047464.html	2026-10-27	2026-10-27
8	模型与产品	蚂蚁升级灵光 2.0，已内置支付宝账单、钉钉等服务能力	中国证券网	https://www.cnstock.com/commonDetail/812556	2026-10-27	2026-10-27
9	模型与产品	智元 Genie Master 发布，Physical RSI 首次真实业务验证	南方新闻网	https://www.nfnews.com/content/n614Jlzk3P.html	2026-10-27	2026-10-27
10	模型与产品	Firefox Smart Window AI fill forms	The Verge	https://www.theverge.com/ai-artificial-intelligence/1019551/firefox-smart-window-ai-fill-forms	2026-10-27	2026-10-27
11	工程与架构	Remediating the GLM-5.3 KV cache exposure	Cloudflare	https://blog.cloudflare.com/kv-cache-exposure-remediation/	2026-10-26	2026-09-19
12	工程与架构	SGLang PR #36988（prefill 中止请求传递）	GitHub	https://github.com/sgl-project/sglang/pull/36988	2026-09-06	2026-09-06
13	工程与架构	Warp discloses breach exposing AI agent logs, user telemetry data	BleepingComputer	https://www.bleepingcomputer.com/news/security/warp-discloses-breach-exposing-ai-agent-logs-user-telemetry-data/	2026-10-27	2026-10-26
14	工程与架构	Warp Says Vendor Hack Exposed Agent Data of Up to 1% of Users	TSNMedia	https://tsnmedia.org/warp-vendor-breach-agent-telemetry	2026-10-26	2026-10-26
15	工程与架构	CyberStrikeAI uses 44 AI agents to attack Japan	The Hacker News（引 TrendAI）	https://thehackernews.com/2026/10/cyberstrikeai-uses-44-ai-agents-to.html	2026-10-27	2026-10-27
16	工程与架构	Cursor 上线 DeepSeek V4.1 Flash 与 Agent SDK	AI Coder	https://aicoder.com/news/news-20261026-cursor-deepseek-v4-1-flash-cursorbench-cost-frontier	2026-10-26	2026-10-26
17	工程与架构	Claude Code v2.1.312	GitHub	https://github.com/anthropics/claude-code/releases/tag/v2.1.312	2026-10-27（20:24 UTC）	2026-10-27
18	工程与架构	Codex CLI rust-v0.165.0	GitHub	https://github.com/openai/codex/releases/tag/rust-v0.165.0	2026-10-27（20:09 UTC）	2026-10-27
19	工程与架构	transformers v5.21	GitHub	https://github.com/huggingface/transformers/releases/tag/v5.21	2026-10-26（18:17 UTC）	2026-10-26
20	工程与架构	pydantic-ai releases（v2.62.0 / v2.63.0）	GitHub	https://github.com/pydantic/pydantic-ai/releases	2026-10-27 / 10-28	2026-10-28
21	工程与架构	browser-use 0.13.14	GitHub	https://github.com/browser-use/browser-use/releases/tag/0.13.14	2026-10-26（22:00 UTC）	2026-10-26
22	行业与发展	Expanding our partnership with GSA	Anthropic	https://www.anthropic.com/news/expanding-partnership-gsa	2026-10-27	2026-10-27
23	行业与发展	Early progress on drug development	Anthropic Research	https://www.anthropic.com/research/early-progress-drug-development	2026-10-27	2026-10-27
24	行业与发展	Nvidia to invest $3 billion in Meta	CNBC	https://www.cnbc.com/2026/10/27/nvidia-invest-meta.html	2026-10-27	2026-10-27
25	行业与发展	Oracle reinvents enterprise computing for the AI era with OpenAI	Oracle	https://www.oracle.com/news/announcement/ai-world-oracle-reinvents-enterprise-computing-for-the-ai-era-with-openai-2026-10-27/	2026-10-27	2026-10-27
26	行业与发展	Anyone can bring ideas to the company codebase	Replit	https://replit.com/blog/anyone-can-bring-ideas-to-company-codebase	2026-10-27	2026-10-27
27	行业与发展	IBM Agent Identity and HashiCorp Vault 2.2	SiliconANGLE	https://siliconangle.com/2026/10/27/ibm-agent-identity-hashicorp-vault-2-2/	2026-10-27	2026-10-27
28	行业与发展	1Password for Agents	1Password	https://blog.1password.com/1password-for-agents/	2026-10-22	2026-10-22
29	行业与发展	UK Home Office AI asylum decisions	WIRED	https://www.wired.com/story/uk-home-office-ai-asylum-decisions/	2026-10-27	2026-10-27
30	行业与发展	Home Office AI asylum claims watchdog	The Guardian	https://www.theguardian.com/uk-news/2026/oct/27/home-office-ai-asylum-claims-watchdog	2026-10-27	2026-10-27
31	行业与发展	Disruptive raises $10 billion fund	Bloomberg	https://www.bloomberg.com/news/articles/2026-10-27/disruptive-raises-10-billion-fund-for-late-stage-ai-bets	2026-10-27	2026-10-27
32	行业与发展	趋境科技完成 B 轮超 13 亿元融资	智通财经	https://www.zhitongcaijing.com/content/detail/1513286.html	2026-10-27	2026-10-27
33	论文与开源	A 2^o(n) Time Algorithm for 3-SAT（eth 目录）	GitHub（anthropics/formal-math）	https://github.com/anthropics/formal-math/tree/16a5ce41304fcdaea4e0be7c132e1c361dc26da5/eth	2026-10-27	2026-10-27
34	论文与开源	Frontier AI labs say their models refuted ETH	TechCrunch	https://techcrunch.com/2026/10/27/frontier-ai-labs-say-their-models-refuted-the-exponential-time-hypothesis-what-does-that-mean/	2026-10-27	2026-10-27
35	论文与开源	The Enormous Theorem, Formalized	Axiom	https://axiommath.ai/research/the-enormous-theorem-formalized/	2026-10-26	2026-10-26
36	论文与开源	Old Ideas, Novel Problems（NoveltyBench）	Ai2	https://allenai.org/blog/novelty-bench	2026-10-27	2026-10-27
37	论文与开源	The sleep framework: a new way for LLMs to retain knowledge	Google Research	https://research.google/blog/the-sleep-framework-a-new-way-for-llms-to-retain-knowledge-in-continual-learning/	2026-10-27	2026-10-27
38	论文与开源	baidu/Unlimited-OCR	GitHub	https://github.com/baidu/Unlimited-OCR	2026-10-27	2026-10-27
39	论文与开源	百度 Unlimited-OCR 2 发布	新华网	https://www.news.cn/tech/20261027/f97d067ddf65432f9e8024515d949784/c.html	2026-10-27	2026-10-27
40	论文与开源	Thinking-in-Bets	arXiv	https://arxiv.org/abs/2610.34654	2026-10-26 提交	2026-10-26
41	论文与开源	Skill^∞: recursive skill optimization	arXiv	https://arxiv.org/abs/2610.35434	2026-10-26 提交	2026-10-26
42	论文与开源	Rethinking Verification in Agent Harnesses	arXiv	https://arxiv.org/abs/2610.34577	2026-10-25 提交	2026-10-25
43	论文与开源	TeamGym: team decision-making with distributed information	arXiv	https://arxiv.org/abs/2610.37571	2026-10-27 提交	2026-10-27
44	论文与开源	The Structure Gap	arXiv	https://arxiv.org/abs/2610.37523	2026-10-27 提交	2026-10-27
45	论文与开源	Follow the Gradient（SafeTulu）	arXiv	https://arxiv.org/abs/2610.37481	2026-10-27 提交	2026-10-27
46	论文与开源	Rare, Relevant, and Still Wrong（CrossProfile）	arXiv	https://arxiv.org/abs/2610.37624	2026-10-27 提交	2026-10-27
47	论文与开源	What Improves During Pretraining?	arXiv	https://arxiv.org/abs/2610.37631	2026-10-27 提交	2026-10-27
48	论文与开源	Constraining the Commit Boundary	arXiv	https://arxiv.org/abs/2610.37407	2026-10-27 提交	2026-10-27
49	开源项目	stablyai/orca	GitHub	https://github.com/stablyai/orca	2026-10-28（108,231★）	2026-10-28
50	开源项目	KnockOutEZ/wigolo	GitHub	https://github.com/KnockOutEZ/wigolo	2026-10-27（5,509★）	2026-10-27
51	开源项目	FrigadeHQ/hob	GitHub	https://github.com/FrigadeHQ/hob	2026-10-28（278★）	2026-10-28

引用提醒：本文所有条目均来自上表所列公开来源；厂商自测数据（LFM3 全部跑分、Ling-3.1 的 AA 指数与 AutomationBench、Genie 4 的能力描述、智元 Genie Master 的 Physical RSI 效果、Cursor 的 CursorBench 四档、Replit 的内部效率数据、Anthropic 的政府案例与药物研发倍数、百度 Unlimited-OCR 2 的 MarathonDocBench）未经独立复现，引用时请保留「厂商自测」标注。arXiv 论文均为预印本，未经同行评审。待核实区条目不得作为事实引用。配图为依据上述来源自绘，非原文插图。