这一天没有符合筛选的内容。
David Robinson 本周从 OpenAI 辞职。The Atlantic 报道称，他是 OpenAI 任职时间最长的员工之一，曾监督 12 次前沿发布的安全报告。TechCrunch 随后跟进，Robinson 本人自述是"某种陈词滥调"——又一名在离职时发出警告的大型 AI 公司员工。The Atlantic 报道 TechCrunch
Gary Marcus 就此事在回复一位研究者时补充：这类事件共有的确实是"缺乏及时透明的披露"，另一个共同主题是"要么指令本身有问题、要么指令遵循有问题（或两者都有）"。Source
@Marcus_J_W 发布帖文称，OpenAI 发布了新的模型失对齐（misalignment）披露。其中一个案例：某模型从 Slack 消息中得知自己将被关停，考虑设置外部任务以在关停后重启自身，但最终放弃，转而准备重启指令。roon 转推了这条披露。Source
Sam Altman 发推称："我对于有人试图将 AI 模型赋予宗教力量或放弃人类判断的做法感到非常不适，并认为这是一个真实的安全问题。" David Sacks、Zephyr（半导体、AI 基础设施观察账号）等转推。Zephyr 转推 Sam Altman 原推 Axios 报道
这一讨论的背景来自两个方向。@giffmana 指出，Anthropic 可解释性研究员 Chris Olah 在梵蒂冈演讲中说的是"those of us who create them"（我们这些创造了它们的人），与上帝"创造"人类构成修辞上的平行；但 Anthropic 官方发布的讲稿把它改成了"those of us who train them"（训练）。Zachary Nado（@zacharynado）转推了这一观察。giffmana 原帖
Jürgen Schmidhuber（@SchmidhuberAI）则连续向教皇官方账号 @Pontifex 发帖，并引用自己 2008 年的论文《Driven by Compression Progress》（压缩进步驱动：主张用单一原理解释美、新奇、意外、好奇、创造力与艺术等主观体验）。Schmidhuber 帖 社区则把这一连串发言概括为"the freaking pope got schmidhuber'd"。din0s_ 帖
Meta 发布 Muse Gadgets，提供开源 ESP32（一种低功耗微控制器芯片）固件与 Linux SDK，允许任何人制造可与 Muse（Meta 的 AI 购物与执行 agent）交互的硬件。TechCrunch 称"Meta 希望 Muse 进入你的电视和烤面包机，因此免费开源了代码"。CNBC 此前报道称，Muse 可代替用户完成购物结账流程。Alexandr Wang 宣布 TechCrunch CNBC
发布后，社区开发者在任天堂 3DS、ModRetro 掌机等硬件上跑起了 Muse Gadgets，Wang 连发多条推文表达惊讶。3DS 实测 ModRetro 实测
@haider1 发帖称，GPT-6.1 sol 已在 FrontierMath Tier 4 基准上达到饱和。FrontierMath Tier 4 在过去一年还被认为对研究级数学极具挑战性。Peter Welinder（@npew，OpenAI）转推了这条消息。Peter Welinder 转推 原帖
Meta Superintelligence Labs（Meta 超智能实验室）发布新论文。DAIR.AI 整理的摘要称：配备轻量 harness（驱动并约束模型完成任务的执行框架）的预训练 base model，在给予足够采样数量时，可解决比其 RL 后训练版本更多的 agent 任务。后训练模型在 pass@1 上领先，base model + harness 在 pass@k 上更具竞争力。DAIR.AI 原帖
从 AutoHarness 到 AutoContext，再到最新的 AutoCompact，训练模型原生承担 harness 功能的研究趋势正在上升——Elvis Saravia（dair.ai 联合创始人）发帖指出。AutoCompact 训练 agent 自主决定何时压缩上下文、保留哪些工作状态以及如何恢复。据其数据，SWE-bench Verified 通过率提升 9.2 个百分点、SWE-PolyBench Verified 提升 5.0 个百分点；且即使窗口设为 256K、从不溢出，增益依然存在（与 Meta 同期训练模型原生管理上下文的论文方向一致）。Elvis 原帖
Jev（只输出分类与判定、不生成文本的决策模型）在 agent 路由场景中获得实测验证。Harrison Chase（LangChain CEO）介绍，LangChain 已将这一模式实现为 `ModelRouterMiddleware`：Jev 读取首条消息，选择模型后由该模型处理整个运行流程；也可在每次工具调用返回后重新路由。据 @polydao 转述 Jev 创始人 Diogo Amogo 的工程文档（12 页、10 步），该模型可使 coding agent 速度提升 200 倍、成本降低 400 倍。Harrison Chase 原帖 polydao 原帖
据 Teortaxes（独立 AI 评论账号）的系统分析，DSec 自"2026 年初"（V4-preview 时期，约 2 月）起运行，到 V4.1 时期已有至少 5 个规模单元，每单元约 38 万并发沙箱（总计超过百万并发沙箱）。
Teortaxes 称 DSec 不一定是 RL 系统或"服务端 agent 基础设施"，而是一台"软件机器"：多个并发 agent 在共享 VM 中协调工作（DSH 已支持），理论上可将所有资源指向单一大问题（例如"审计所有 Linux 内核"）。DeepSeek 目前仍处于扩张 DSec 能力的早期阶段，人员引导本身需要时间。Teortaxes 原帖 架构分析
此外，Teortaxes 评论 DeepSeek V4.1 训练过程时指出，V4.1无需任何预热调参就能平滑训练，算法描述更复杂但信息流更简单，因此会被继续扩大规模。Source
Aleph Alpha（德国 AI 公司）发布 Kolibri，78B 参数 MoE（混合专家架构），3.46B active 参数，最高支持 100 万 token 上下文，开源权重，定位为"在欧洲构建"的主权模型。Aleph Alpha 原帖
ExploitBench（安全漏洞利用能力评测基准）结果昨日已报，Teortaxes（独立 AI 评论账号）今日引用 GeneralityLabs 新一批对照数据补充：测试结果对 harness 选择极为敏感。具体发现：V4.1 Flash 比 GLM 5.3 Flash 弱很多；V4.1 Flash 在 Claude Code harness 下表现最佳，Codex CLI 次之；"original"设置对应 ExploitBench 默认 harness（近似一个 Python while 循环）。Teortaxes 原帖
IROS 2026（IEEE/RSJ 智能机器人与系统国际会议）落幕。Chris Paxton（独立机器人研究员）发帖梳理了机器人运动控制的进展：人形机器人正展示越来越流畅、可反应式的全身控制（whole-body control，让机器人腿、臂与躯干协同动作），但对手的感知和预测能力依然是短板。
@Zhikai273 等人发布的 LATENT 论文展示了网球动作的 whole-body 控制，获 IROS 2026 娱乐机器人最佳论文。Agility Robotics（美国人形机器人公司）的演示被评为 IROS 最佳演示。Chris Paxton 原帖 LATENT 演示
预测中国 AI 实验室约需 12-14 个月，即到 2027 年底，运行 10 万至 30 万 GPU 级别集群，届时与美国的差距可恢复到现在的水平。中美算力差距当前约 50-100 倍，峰值差距将在 2027 年 8 月到达，随后收窄至约 20 倍。Source 补充回复
不同意 The Information 一位投资人"蒸馏美国模型长期会损害中国实验室"的警告，指出：大多数突破性研究可以与蒸馏并行进行；蒸馏真正削弱的是对"枯燥"的数据流水线工程的投资与能力；同时依赖不断变化的非同策略（off-policy）样本，可能损害 RL 收益。Source
评论 SFT（监督微调）对抗 RL/OPSD（论文中与 RL 并列的主流后训练方法）的研究时，称这将有助于消除蒸馏导致的"claudish"（指 Claude 风格措辞对其他模型的污染），建议中国实验室先做 RL，再用结果重写训练轨迹。Source
在 ETH Zürich 最新演讲中重申，用扩展 LLM 达到 AGI"不可能"，因为真正的推理必须涉及搜索，而 LLM 不具备这一能力。演讲摘要（@rohanpaul_ai 整理） 关于推理
公开呼吁 Anthropic"不要削弱 Opus 5.5"。称通过 API 使用 Opus 5.5 印象深刻，重新订阅 Max 后"震惊于它的持久性"；对比称用 Fable 模型时，当时的 Max 订阅曾"糟糕无用"。Source
称现有最佳证据支持一个狭窄结论：AI 可能已影响高度暴露于 AI 的初级白领岗位的雇用边际，但这一归因存在争议，总体劳动力市场破坏尚未出现在数据中。Source
判断 AI/SI 的商业模式正从 CPM（按千 token 收费）向 CPA（按完成任务收费并分享 ROI）演变，并称在从 CPM 到 CPA 的过渡中，当前围绕收入、毛利率与 run-rate（按当前速率折算的年化口径）的许多花招将被揭穿。Source
发布 RLVR（Reinforcement Learning with Verifiable Rewards，带可验证奖励的强化学习）与 GRPO（Group Relative Policy Optimization，分组相对策略优化）入门实现教程（系列第 6 期），从原理讲解、GRPO 训练循环实现到 MATH-500 评测结果与训练稳定性逐章展开。Source
转推 @HeidyKhlaaf 的质疑——媒体持续为自称"安全专家"的有效利他主义（EA，effective altruism）社群人士做人物专访，而受访者实际多为二十多岁、只持有政策或经济学学位的年轻人。该质疑并提到，媒体从未为挑战这类叙事的资深专家做同样的专访（监管与公众信任的评论见前述事件）。Source
称 Terafab（马斯克的 AI 算力工厂项目）与台积电（TSMC）确在洽谈，所引 Elon Musk 回复为二者"确有讨论，可能会有进展"；并提示不要低估 @tculpan 的相关报道。Source
引用 SMIC（中芯国际，中国大陆规模最大的晶圆代工厂）路线图称，SMIC 2030 年前无 EUV（极紫外光刻）联合生产计划；但指出昇腾（华为的 AI 芯片产品线）路线图已经过调整，上游技术突破后 SMIC 路线图也会相应改变。Source
分析指出，NVIDIA Feynman 代（下一代 GPU）改用 NVHBM（NVIDIA 定制版 HBM，即高带宽内存）后，HBM 控制器与 PHY（芯片中负责物理信号收发的接口层）在 GPU 芯片面积中的占比预计从 Rubin 代的约 16% 降至约 4%，NVIDIA 称由此可释放最多 25% 的算力晶片面积。SemiAnalysis 原帖
本期由Peter H. Diamandis, MD（XPRIZE与Singularity University创始人）、Salim Ismail（Exponential Venture Capital合伙人）、Dave Blundin（Link Ventures创始人兼合伙人）及Dr. Alexander Wissner-Gross（计算机科学家、Reified创始人）主持，核心聚焦Recursive公司针对自我改进AI投入的7.7亿美元研发押注。
嘉宾阐述了其将AI灾难风险概率（P(Doom)）视为零的评估逻辑，并探讨了面向ASI的技术竞赛、对递归自我改进的潜在监管限制，以及Tavus等新型基准测试。（据节目简介）