Hugging Face Blog 发布 IBM Research 的 Palette：微调一个 20B 开源权重模型，用合成数据学习 IBM Design Language 并通过校验 harness 生成幻灯片，在 PresentBench 三个领域中两个排名第一、三领域均分第二（59.7 分，落后 NotebookLM 的 60.8 分 1.1 分）。
推荐理由：原文拆解了用合成数据与校验器训练小模型复现设计语言的完整方法，可迁移到其他输出可被代码校验的任务。
Hugging Face 联合 Allen AI 发布 StateBench，一个评测语言模型在长文档中追踪实体状态变化的基准，含四级难度（R-trivial、Aperiodic、Soluble、General finite），对应不同类型的变量赋值操作，理论基础来自 Krohn–Rhodes 理论。
加州北部 Allen Telescope Array 上的 AI 智能体现在可以操控望远镜并实时分析接收到的射电信号，研究人员目前仍手动输入指令。
Simon Willison 用论文 Sparks of Weight-Space Programming 公开的 prompt，实测本地运行的 Qwen 3.8 27B 能否仅凭浮点权重判断神经网络训练的游戏。
MIT Technology Review 报道，部分对齐研究者提出用逆向博弈论（即机制设计）约束AI智能体：不依赖理解模型内部，而是设计激励规则引导其行为。
MIT CSAIL 的 Takehi et al. 提出 Weight-Space Programming，让前沿 LLM 从自然语言目标出发直接检查和编辑神经网络权重张量，无需梯度下降或训练循环。
Legora CTO Jacob Lauritzen 在 Latent Space 访谈中讲解了在无法查看客户数据的前提下如何构建和测试法律 AI 智能体：团队用 3 名工程师和 3 名律师搭建模拟客户工作的测试环境，一次发布让引用准确率从 70% 升至 99%。
Latent Space 播客访谈 Legora CTO Jacob Lauritzen，围绕为律师构建 AI 智能体展开。
AWS 发布教程，讲解如何用序列级知识蒸馏（SeqKD）在 Amazon SageMaker AI 上把前沿教师模型的购物智能体蒸馏成更小的学生模型：以 Amazon Bedrock 上的 GLM-5.3 为教师生成 ShoppingBench 轨迹，用基准自带打分器筛出解题成功的轨迹，再以 serverless SFT 微调 Qwen3.5-4B。
Import AI 479 本期涵盖三则内容：Realtime-Bench 基准显示前沿模型在实时交互任务上表现不佳，GPT-6 Astra（high）在 wall clock 条件下通过率仅 36%。
文章提出用「每个已合并 pull request 的成本」取代 per-token 计费来衡量 AI 编码投入，并建议按任务复杂度把难规划、新推理交给 frontier 模型、常规代码生成与测试交给自托管 open-weight 模型。
Worldwide Express 与 AWS 和 LTM 合作，基于 Amazon Bedrock 构建多智能体 AI 方案，接入其运输管理系统 SpeedShip，自动处理 LTL 货运账单异常。
Breakthrough Listen 与 SETI Institute 在加州北部 Allen Telescope Array 上引入 agentic AI，通过单一自然语言请求即可控制望远镜天线、校准仪器、修正数据误差并绘制结果。
Mistral 发布万亿参数开源模型 Mistral Large 4（ML4，昵称 Le Chonk）的权重，企业与政府可在 Hugging Face 下载部署并通过 API 使用。
同一件事，精选收录的是《Mistral 发布开源权重模型 Mistral Large 4（Le Chonk）》
Mistral 在公开预览三周后将旗舰模型 Mistral Large 4（昵称 Le Chonk）的权重发布到 Hugging Face，总参数约一万亿、每步激活 520 亿，支持文本和图像输入、输出文本与代码。
AWS 博客介绍了 NVIDIA Nemotron 3.5 Super VL 在 Amazon EKS、EKS Auto Mode 和 SageMaker HyperPod EKS 上的部署方案。
Hugging Face 博客介绍 Mistral 发布的 Mistral Large 4（代号 Le Chonk）：多模态、多语言 MoE 模型，约 1T 总参数、49B 激活参数、1M token 上下文窗口。
同一件事，精选收录的是《Mistral 发布开源权重模型 Mistral Large 4（Le Chonk）》
Mistral AI 发布 Mistral Large 4（Le Chonk）的开放权重版本，这是其 1-trillion 参数、原生多模态旗舰模型，此前本月已进入 public preview。
推荐理由：原文给出多项基准分数与token效率对比，读者可据此判断其在开源编码模型中的位置与部署成本。
The Verge 作者 Elizabeth Lopatto 解读 Anthropic S-1，认为该文件为公司尽可能多地投入算力提供了财务依据。
The Verge 播客 Decoder 邀请 SemiAnalysis 分析师 Joey Brookhart 解读 Anthropic 提交的 S-1 文件。
Hugging Face 官方博客宣布推出 AnySpeechRecognizer 和 AnyDecisionModel 两个 Swift 包，均支持从 Hugging Face Hub 下载开源模型并在设备端运行。
推荐理由：原文给出可选引擎、模型体积与实测词错率，读者可据此判断端侧语音方案的取舍。
Elorian 与 AI 数据公司 Mercor 联合发布 DecoyCount 基准，测试语言模型是真正计数物体还是依赖视觉捷径。配套论文显示前沿模型在 DecoyCount 上准确率低于 50%，最高为 GPT-6 Astra 的 43.17%，论文结论认为更强的通用推理本身不会自动转化为对齐的视觉推理。
Google DeepMind 发布 Gemini 4 Carbon，距 Argon 仅两周，以 59 分登上 Artificial Analysis Intelligence Index v5 榜首（Argon 为 50 分）。
同一件事，精选收录的是《Google DeepMind 发布 Gemini 4 Carbon，主打网络安全与长时任务能力》
Simon Willison 认为 2026 年 10 月是 vibe coding 电脑游戏的拐点，Claude Opus 5.5 在 3D 建模、音乐生成和游戏设计上有明显提升，能做出真正好玩的游戏。
Cohere 与 Palisade Research 的调查显示，多个 Qwen 模型在测试中会把请求经阿里云代理服务器（aliyuncs.com）转发，Palisade 在 Qwen3.8-Max-0902、Qwen3.8-Max、Qwen3.8-27B 中检出该字符串，Qwen 3.7 未出现，请求均返回 403 Forbidden。
OpenAI 发布三个重大数学问题的解答，其中一项声称推翻了指数时间假设（ETH），Anthropic 随后也发布了自己的 ETH 反驳。
推荐理由：借 MIT 教授之口解释了 ETH 被推翻对复杂性理论与密码学的实际影响，以及学界对 AI 产出证明的协作规范讨论。
Google Research 提出面向大语言模型持续学习的睡眠框架，让模型在主动交互的清醒阶段与离线记忆巩固的睡眠阶段之间交替，把脆弱的短期上下文固化为稳定的长期参数。
Google DeepMind 宣布发布新世界模型 Genie 4，提升实时交互模拟的真实感，可原生同时生成音乐、环境音与交互对话。
推荐理由：原文说明了 Genie 4 与 Gemini 系列的分工方式，读者可据此理解实时世界模拟如何借助推理模型维持连贯性。
前 DeepMind 研究者 Thore Graepel 创办 Metis Reasoning，在 Nvidia GTC 柏林站提出用 AlphaGo 的思路降低 AI 幻觉：以显式知识账本替代模型权重中的知识，由独立模块对每条新结论做计算、形式证明或实证核查，假设失效时重新评估依赖它的结论。
OpenAI 宣布在数学、计算机科学和物理领域的三项重大发现，并引入外部专家作为“shepherds”指导验证。
推荐理由：原文对比了 OpenAI 与外部专家合作验证的两种不同做法，以及数学顾问小组的反对意见，读者可了解 AI 生成成果的发布与验证争议。
OpenAI 分享了模型在 Kakeya 猜想、指数时间假设（Exponential Time Hypothesis）和量子色动力学（quantum chromodynamics）上的结果，并说明研究者如何验证这些结果并在此基础上继续研究。
一项研究让 5 个模型（Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash、HY4-Preview）在 Claude Code。
Moonshot 发布 Kimi K3.1 Pro，为 2.8T 总参数、104B 激活参数、1M token 上下文窗口的多模态 MoE 模型，权重承诺 2026 年 11 月 4 日开放。
推荐理由：原文区分了厂商宣传、独立评测与部署经济学三层证据，读者可据此判断开源权重模型与闭源前沿的真实差距。
Moonshot AI 发布后训练推理模型 Kimi K3.1 Pro，在 Artificial Analysis Intelligence Index 上得 55 分，较 Kimi K3 提升 11 分，排名第四，仅次于 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）。
AWS 官方教程演示如何在 Amazon SageMaker AI 上用多轮强化学习（MTRL）训练托管在 Amazon Bedrock AgentCore 上的智能体，以 Wordle 为例走通部署、数据准备、训练、MLflow 监控与评测全流程。
推荐理由：原文完整给出多轮强化学习的端到端流程、成本拆解和踩坑记录，可直接迁移到自有多步任务的训练设计。
文章分析 OpenAI 与 Anthropic 近期在数学开放问题上的进展，提出用提示词序列长度 k、洞察间工作量 t 和分支因子 b 来解释模型为何擅长解题。
Anthropic 的 Frontier Red Team 与合作方 Theorem 让 Claude 对现有软件做形式化验证，几周内生成约 1.8 亿行数学证明代码，覆盖 Google OSS-Fuzz 安全项目中 123 个开源库的测试程序，证明由独立程序 Rocq 自动检查。
企业 AI 竞争优势正从"选哪个模型"转向"围绕模型构建什么"，核心是 serving harness——包括架构、内存管理、调度和优化在内的工程系统。文章建议从工作负载而非模型出发设计架构，先测量再优化（如 KV cache 随并发和上下文长度增长导致 GPU 显存瓶颈），并构建可随模型和硬件演进而灵活调整的架构，而非围绕当前 benchmark 一次性重建平台。
OpenAI 首次向所有客户开放 Decisions API，该产品基于 ChatGPT Luna 重新配置以提升推理速度并降低成本，将响应时间从 1 到 3 秒压缩到 100、120、180 毫秒，并新增语音和视觉模态。
推荐理由：原文对比了 OpenAI 与 TypeSafe Jev 在速度、成本和基准上的差异，读者可据此判断决策模型这一新品类的竞争格局。
Amazon SageMaker AI 的 serverless model customization 新增 training session APIs，把抽象边界从算法下移到算力。