OpenAI / ChatGPT

MIT 研究：GPT-6 Astra 可直接读写其他模型权重

MIT 研究人员在博客中展示，OpenAI 的 GPT-6 Astra 能直接读取并修改其他 AI 模型的权重，无需传统训练流程，他们将此称为“权重空间编程”。实验显示 Astra 仅凭原始权重就能识别模型训练过的游戏和语言，还能从零生成游戏模型，并在部分游戏中超过训练基线；在 Qwen3.5-0.8B 上仅改动 0.016% 的权重，就把 MATH-500

另有 1 家信源报道

Altman 回应内存言论：人们应在电脑里装尽可能多的内存

OpenAI CEO Sam Altman 在选举夜于 X 上回应其 PC 内存言论争议，将用户名改为“Ram Altman”，称自己长期主张世界扩大内存生产、希望人们能在电脑里装尽可能多的内存，并抱怨此前言论被断章取义。争议源于他在 Cheeky Pint 播客中称大量 DRAM 闲置在个人电脑中仅使用 5% 很糟糕。背景是 AI 数据中心大量抢购内存导致

Google尚未解决AI搜索如何像搜索引擎一样赚钱的问题

Alphabet财报显示，搜索查询量增速创五年新高，但第三季度搜索收入同比增速从约17%放缓至12%，付费点击增速从13%降至8%。首席商务官Philipp Schindler称汇率和广告主行业支出变化是主因，同时AI Mode查询变现率低于传统搜索。分析师认为这是Google核心业务数十年来首次重大冲击，广告主目前无法单独衡量AI广告效果，AI搜索广告的增

Gemini 4 Carbon登顶榜单却致谷歌市值暴跌

谷歌发布Gemini 4 Carbon，在17项基准测试中15项第一并重回AA智能指数榜首，但发布后Alphabet股价一度大跌约10%、市值蒸发3000至4000亿美元。该模型是在Gemini 4 Argon底座上做的专项增强版本，主打安全与长任务能力，但幻觉率从4%升至11%，通用编程等核心赛道仍落后于Claude Opus 5.5和GPT-6 Astr

大型推理模型早停方法综述与效率可靠性实证审计

该论文对大型推理模型（LRM）的早停方法进行了综述与实证审计，在五个推理模型上覆盖数学、科学推理、代码生成和事实性任务，采用共享 rollout 重放协议评估。作者提出 Target-Integrated Token Efficiency（TITE）指标衡量相对 oracle 的效率，并发现后续位置的正确率可能低于解码噪声模型预测，强制终止后模型仍会继续推理

编码智能体是否遵循 AGENTS.md？策略措辞对指令遵循的影响

奈良先端科学技术大学院大学等机构的研究者研究了编码智能体是否遵循 AGENTS.md 等 Agent Context File（ACF）中的策略，以及策略措辞风格对遵循率的影响。他们在 86 个基准任务、四种 harness–模型组合中，将同一条策略以四种风格插入 ACF，发现条件式措辞的遵循率低于规定式和解释式，而规定式与解释式孰优孰劣因组合而异。该研究表

用检索增强生成提升股票市场信息检索

该研究构建了一个面向股票市场信息的检索增强生成（RAG）系统，将检索方法与生成能力结合，以提升金融文本生成的准确性和相关性。研究使用 ROUGE-1、ROUGE-2 和 ROUGE-L 指标在 100 条股票市场相关查询上评估系统，结果显示 ROUGE 分数较高，平均响应时间为 1.16 秒。作者认为该系统能够提供准确及时的股市洞察，是金融信息检索的一种有前

重思 Text-to-SQL：大语言模型架构与策略综述

该论文是一篇关于大语言模型驱动 Text-to-SQL 的系统性综述，覆盖 2022 至 2026 年间的 100 多篇论文与技术资源。作者提出五类范式分类（上下文学习、监督与参数高效微调、智能体与工具增强编排、检索增强生成、强化学习），并按模型粒度、监督程度和推理风格刻画各类方法。文章还分析了评估指标、数据集与开放挑战，包括领域泛化、效率、真实部署及语义层

面向大语言模型的紧凑公式感知电子表格抽象

该论文提出一种紧凑的、公式感知的电子表格抽象方法，用位置、类型、R1C1公式模式和边界值来表示大型同质区域，并在向LLM提交详细内容前先提供该抽象。在50个电子表格查询案例上的评估显示，该抽象本身足以回答部分查询，需要额外内容时可减少提交给LLM的数据量和token消耗，并提升处理的可靠性与准确性。该方法已集成到作者团队商业软件AI Agent for Ex

语义自一致性：通过语义加权增强语言模型推理

该论文提出语义自一致性（Semantic Self-Consistency）方法，在传统自一致性框架基础上，对多条推理路径进行语义向量嵌入分析，而非仅对最终答案做多数投票。作者使用BERT系列模型（RoBERTa、SciBERT）对推理路径做向量化，通过语义加权和过滤机制重排结果、剔除退化或幻觉输出。在AQuA-RAT、SVAMP、StrategyQA三个数

10万智能体已运行：CNCC专家激辩智能体安全失控挑战

在CNCC 2026智能体安全专题论坛上，来自蚂蚁集团、华为、上海人工智能实验室及CCF的专家指出，智能体已大规模进入生产系统（蚂蚁运行超10万个、华为部署数千个），但安全体系严重滞后。于锐介绍了中国以GB/T 185国标和强制性标准推动智能体身份标识与分级授权，最高法亦出台AI纠纷责任划分意见。韦韬、胡侠、肖亚军等分别警示自然语言载体缺陷、内生与衍生风险、

Anthropic 研发 FlashProve 系统，用密码学证明 AI 模型身份

Anthropic 于周二发布博客，宣布正在研发开源系统 FlashProve，通过密码学证明验证某段输出确实来自特定 AI 模型，类似邮件数字签名，可防止模型冒充。系统要求 AI 实验室发布不泄露模型权重的模型「指纹」，并设计为轻量级、可在本地设备验证，从而也适用于闭源商业模型。研究者同时公开了技术规范与部分代码，但强调研究仍在进行，暂无在 Anthrop

另有 1 家信源报道

llama.cpp b12080：CUDA 批量张量读取聚合至映射主机内存

llama.cpp 发布 b12080 版本，核心变更是 CUDA 后端将批量张量读取聚合到映射的主机内存中（PR #31391），并针对小读取与大批量读取分别采用不同策略（小读取聚合、大读取使用 pinned DMA），同时引入条件分发、RAII 主机注册与 128k 描述符固定缓冲区等优化。该版本同时提供 macOS、Linux、Windows、Andr

研究发现：LLM 发展速度已超出解释它的研究

斯坦福研究者 Owen Queen 与 James Zou 检验了 50 条被广泛引用的 LLM 结论，在 20 个模型上复测后发现 44% 已「过期」，有预估期限的 22 条结论平均寿命仅 15.7 个月。关于模型「做不到什么」的结论失效最快，而偏好与倾向类结论更持久；幻觉引用等能力缺陷在部分新模型上消失，但不同模型间差异巨大。研究者据此呼吁论文应标注具体

苹果财报会45次提及AI：靠设备与抽成获利，不拼基建投入

苹果在最新财报电话会上45次提及AI，强调其不依赖大规模基础设施投入的AI策略：通过设备销售、App Store订阅抽成及未来对自家AI功能收费来获利。苹果上季度资本支出仅22亿美元，远低于亚马逊和Alphabet，同时Siri AI采用谷歌Gemini技术并计划允许用户选择外部AI提供商。Gap和佳士得等企业已在Mac Mini和Mac Studio上本地

Langfuse 发布 v4.74.0：新增网关速率限制与审计日志

Langfuse 发布 v4.74.0 版本，主要新增 AI Gateway 按组织维度的请求与字节速率限制、审计日志记录支持访问读取、Admin API 支持项目跨组织转移，并合并 Topics schema 迁移。修复方面隐藏已关停的 OpenAI 与退役的 Anthropic 模型、调整 Web 端横幅展示等。该版本属于开源 LLM 可观测性平台的功能

llama.cpp b12069：OpenCL 后端新增 iq4 xs 量化支持

llama.cpp 发布 b12069 版本，为 OpenCL 后端新增 iq4 xs 量化格式的初步支持，涵盖 AOS/SOA mv、tiled mm、Adreno 平台的 noshuffle gemm/gemv 与 dp4a 实现，并优化了 Adreno 解码与小批量场景。该改动由高通工程师参与贡献，部分代码由 Codex 辅助生成，可提升骁龙 Adre

纯语音Personal Agent Orilo发布：双层架构实现低延迟对话

量子位报道了一款名为Orilo的纯语音Personal Agent产品，由百川智能联合创始人焦可的团队打造。该产品采用Voice-first路线，聚焦早晨信息处理场景，通过前端轻量语音模型与后端高推理Agent的双层架构实现低延迟对话，在Full-Duplex-Bench测评中打断后重新开口仅需1.08秒。文章认为其交互形态接近乔布斯对Siri的构想，但当前

LLM 可直接读写神经网络权重，RSI 能力实现从 0 到 1 突破

Latent Space 报道了一篇关于「权重空间编程」的论文：研究者让大语言模型直接读取并编辑较弱模型的神经网络权重，无需编写 PyTorch/JAX 代码或运行训练流程，即可识别权重功能、根据失败轨迹一次性修复缺陷，甚至从零生成完整网络权重并超过部分独立训练的模型。该能力被视为递归自我改进（RSI）从 0 到 1 的突破，已有独立复现，但目前仅适用于简单

Claude for Excel 对基础电子表格建模与分析具有变革性

旧金山大学的研究者使用 Claude for Excel 插件，针对五个半结构化问题陈述构建并分析电子表格模型，从建模、表格工程、分析和洞察生成四个维度评估其表现。研究发现，Claude 能从简单提示生成高质量模型、敏感性/情景分析和优化模型，效果堪比优秀 MBA 学生，但低端模型会出错，且曾出现擅自修改数据值导致结果不准确的问题。作者认为该工具对经验丰富的