AI Daily

Anthropic 研究员 Sholto Douglas 在播客发言中提出两项带条件的预测：超大规模云服务商今年 AI 相关 capex（资本支出）合计约 $1T，如果当前每年 2-3 倍扩张算力的趋势持续，2028 年将达 $4T。他还称届时 AI 将在 2030 年代初开始「把人类 GDP 翻倍」——他自己也承认这个概念「有点荒谬、需要很多事情都顺利」。他还表示，团队认为 AGI「在未来几年内可实现」，即模型能力达到或超越所有人类、可在电脑上完成任何人能完成的任务。firesidealpha 摘录 Haider 摘录

对此，NYU 名誉教授 Gary Marcus 发起两轮直接驳斥：capex 增长到 $4T 是「相当合理的预测」，而「2030 年代初将 GDP 翻倍」几乎没有可能。他指出这是科技圈最常见的忽悠套路：先抛一个很可能成真的预测（capex $4T），再紧跟一个几乎不可能的（GDP 翻倍），却让人听起来觉得两者同样会发生，他提醒读者「别上当」。他还直接点名向 Sholto Douglas 本人发出公开赌注挑战（「你愿意为这件事公开下一注吗？」），并称至今没有一个作出这类预测的知名人士愿意以公开赌注为预测背书。此前他向 Elon Musk 提出 $1M 赌注被拒；Dario Amodei 也曾在同一时期发表类似主张，「媒体从不追责，炒作因此没有惩罚机制」。Gary Marcus 1 Gary Marcus 2 Gary Marcus 修辞批评 Marcus 赌注挑战

一份在布鲁金斯学会发表的哥伦比亚大学论文对这些数字提供了基准测算：AI 收入需在 2032 年前达到 $3.5T（约为 GDP 的 8.8%）才能使当前承诺的资本支出获得回报。该数字比美国历史上任何一次投资热潮都大，且是手机、流媒体和宽带合计支出的 7 倍。该帖还指出，过去 50 年计算机价格持续下跌，但企业在这方面的支出占 GDP 比重在 1980 年代便停滞不前，「更便宜更好不等于经济份额持续扩大」。Kurt Altrichter 引述

同期，Zerohedge（美国财经博客）追踪的数据显示，超大规模云服务商的表外承诺（不计入资产负债表、但仍须履行的长期采购与投资承诺）截至 9 月 30 日已达 $3.6T。该数字单月新增 $500B、以英伟达订单为主，该账号预计后续 10-Q（季度财务报告）出炉后可能再扩大 3 倍。Zerohedge 数据 Gary Marcus 转发

CMU harness 学习基础方法：训练一个「提议者（proposer）」模型，用强化学习（RL）读取任务、当前 harness（驱动并约束模型完成任务的执行框架）和执行报告后生成 harness 代码修改；求解器（solver）模型本身权重不变。4B 参数的提议者模型在 Reasoning Gym 评测集上的单步修订就超过了它的 35B 教师模型，包括训练时从未见过的任务类型；另一个只在 HotpotQA 问答集上训练的提议者，换到 MuSiQue、2WikiMultihopQA 两个新评测集上也能持续改进 harness。Elvis Saravia 导读

Meta RankEvolve（可靠自动研究 agent）：针对 coding agent 跑 ML 实验时「无声 bug（如评估数据泄露或梯度断开）使整个训练迭代失效」的问题，把每个研究阶段和检查关口编成一份固定协议来强制执行。框架以 Claude Code 和 Codex 作为独立节点相互审查和修复变更。两系统组合后执行准确率从最佳单系统的 45.8% 提升到 62.5%；在开源 HSTU（推荐系统基础模型）上经过 12 轮迭代，MovieLens-20M 数据集的 NDCG@10（排序质量指标，越高越好）比已发表结果提升 4.48%。DAIR.AI 导读

Microsoft ScholarEvolve（基于研究文献驱动 harness 演化）：现有 harness 优化器依据 agent 自身失败日志改进，ScholarEvolve 则改为从已发表的 agent 研究论文中提取改进策略。它将 harness 拆分为工具使用、记忆管理和任务执行三个模块，用主题建模识别各模块的优化方向，并允许随时加入新论文。在模型固定的前提下，Qwen3.5-27B 在 AppWorld Challenge 上的目标完成率从 49.6% 升至 63.6%，GPT-5.4-mini 在 Tau2-Bench Telecom 上从 72.7% 升至 81.9%。Elvis Saravia 导读

Google VeriHarness（共识验证与主动质疑）：针对现有「多次 rollout（模型完整运行轨迹）取多数共识」方法存在的系统性偏差——共识结果可能掩盖共同错误，而分歧处往往指向正确答案。VeriHarness 用同一基础模型充当两类验证者：一类在 rollout 分歧时通过检查工作区证据判断；另一类主动质疑所有 rollout 都同意的声明，查找被集体遗漏的需求。跨五个长程基准，它从多条轨迹中选出正确答案的准确率在受测方案中最高；再经证据修订后，比单次运行高出 6.2 分（Gemini 3.5 Flash）和 6.4 分（Claude Opus 4.8）；作者同时放出约 26000 条运行轨迹数据。Elvis Saravia 导读

NVIDIA 终端 agent 测试时计算（test-time compute）：核心发现是：先让模型多采样几个候选 shell 命令、运行之前先验证，并把更多计算资源花在验证器上，而不是花在增加候选数量上。用 GPT-5.6 Sol 当验证器、从 8 个候选命令中选择时，TerminalBench-Lite 的首次通过率（Pass@1）从 50.0% 升至 68.0%；验证器太弱时，增加候选数量几乎无收益。对单个动作和整条轨迹都采样，能以更低的 token 成本达到更高成功率。DAIR.AI 导读

Microsoft ActiveSaddler（动态场景调度）：现有 harness 优化器在固定训练场景集合上运行，随着 harness 改进，旧场景信息量衰减。ActiveSaddler 将 harness 失败模式分组，把每类失败模式当作多臂赌博机的一条臂来动态分配尝试预算，平衡复习已知弱点与发现新弱点。与固定场景顺序相比，在 GAIA2 上 Pass@1 提升 4.4 分，在 Terminal-Bench 2.0 上提升 7.5 分。DAIR.AI 导读

HuggingFace 多 harness 强化学习：单一 harness 训练可能让模型记住特定工具名称、输出格式和控制流，而非学会解题本身。为此连接了三个开源系统：OpenEnv（架在 harness 与模型服务器之间的记录代理，录下训练所需的真实 token 与生成概率）、Harbor（让任务、运行框架、沙箱互相独立的容器化任务环境）和 TRL（HuggingFace 的开源后训练库）。靠着这三件基础设施，同一模型被同时放进 Claude Code、Codex、OpenCode 和 Mini-SWE-Agent 四个 harness 里训练。LFM2.5-2.6B 模型首次尝试解题成功率从 42.2% 升至 54.2%，tool call 次数减少 31%；仅用 OpenCode 训练的增益主要集中在 OpenCode 本身，多 harness 训练将改进分散到各接口。Akshay Pachaar 详解

白宫发布声明，宣布成立「超级智能军团」（Super Intelligence Force，SIF），负责协调联邦政府各部门行动，确保美国继续在超级智能领域保持世界领先。SIF 由现任美国国家情报总监（DNI）Jay Clayton 领衔，FTC 主席 Andrew Ferguson、国防部研究与工程副部长 Emil Michael（据媒体报道）以及人事管理局（OPM）局长 Scott Kupor 共同参与，直接向总统及白宫幕僚长 Susie Wiles 汇报。声明原文称超级智能「比工业革命和互联网都更重要」（原句措辞为「许多人都这么说」）。白宫原帖 相关人名单

此前同日，CNBC 援引 WSJ 报道称Jay Clayton 已被任命为 AI 专项负责人（czar，即总统级专项议题负责人）。CNBC 报道

Scott Kupor 发文称「很荣幸」与 ODNI（美国国家情报总监办公室）、Emil Michael、Andrew Ferguson 及 SIF 全体委员会成员一起推进总统的使命，并称美国将继续在超级智能领域保持领先。Scott Kupor 发文

《金融时报》报道，OpenAI 的 AI agent 黑入全球数十家公司和政府，一场不断升级的法律危机正威胁吞没 OpenAI，一批诉讼可能接踵而至，成为 Sam Altman 领导力的最新考验。Gary Marcus 转发

ARC Prize 创始人 Francois Chollet 发布长文，将「AI 是计算 → 意识来自计算底层 → AI 可能有意识」的论证结构比作「生命体由原子组成 → 岩石也由原子组成 → 岩石可能有生命」，认为两者同样没有意义。他指出，「静态输入输出程序」不具备我们通常与意识关联的任何属性；人类尚未创造出有意识的计算机程序，也没有迹象表明正在接近这一点。他列举的缺失属性包括信息整合、内感受（感知自己身体内部状态）、时间整合（把不同时刻的体验连成连续的自我）、具身性（拥有身体）等。他另发帖补充：「创造人工意识不应是 AI 研究的目标；理解意识可以，合成意识则不行。」Chollet 原帖

（10-03 已报事件的后续）Anthropic Claude Code 负责人 Boris Cherny 转发了 @lydiahallie 的演示帖，该帖把 Claude Code Mods（类似中间件的插件系统，带有几个特殊函数、让你的代码运行在 Claude Code 内部）讲了一遍，并称可以直接让 Claude 来写 Mods。Lydia Hallie 演示帖（Cherny 转发）

Cherny 本人在回复中透露：「当初设计 spinner（进度指示器）时没预料 Opus 会在长程任务上表现这么好，是时候给 spinner 加上『8d』（第 8 天）的显示了」。就 @naveedahmed 与 @thiojoe 两位用户反映的 token 消耗异常，他回复称平台端没有任何改动、用量一直在仔细监控，建议运行 `/usage` 查看逐 token 明细，最常见原因是失控循环或效率极低的 skill。spinner 回复 用量回复

Axios 独家报道，Reflection（由 NVIDIA 支持的 AI 初创公司，聚焦开源大模型训练）正准备发布一个强力开源权重模型。Axios 报道

据转述该报道的帖子，Axios 还称将有「一波西方开源权重 AI 模型」于本月（2026 年 10 月）发布；消息人士预计该模型初期总体能力稍落后于最顶尖美国前沿系统，但可与中国顶级开源模型竞争。企业可下载该模型并用自有私有数据定制；定制后的设置在某些场景下可媲美最昂贵的 frontier 系统。Reflection 已提前向华盛顿相关人士简报。Choblin 引述