AI 编程实时动态与要闻

Randall Balestriero 与 Yann LeCun 10 月 29 日在 arXiv 发布论文《Proving and Improving the Platonic Representation Hypothesis with JEPAs》（2610.39302），署名单位为 Brown University、NYU 和 AMI Labs。论文证明：只要正样本对是同一场景的两次观测（「好视角」），分别在不同模态上训练的 JEPA 会学到只差一个旋转的相同表征；而 next-token prediction 相当于「坏视角」的 JEPA，所以语言模型只能靠堆规模才与视觉对齐。作者称，好视角达到同等对齐只需 next-token 的 1/42 训练样本，109M 文本 JEPA 在 DINOv2 对齐上得 0.184，高于 Qwen2.5-72B 的 0.154（论文作者口径）。代码与在线 Demo 已开放；Balestriero 的发布帖约 1,054 赞、7.2 万浏览。

查看大图

X 上正在热议的一个实验：独立开发者 div（@divagr1925）10 月 31 日发帖展示 QwenPU，把一颗 32 位 RISC-V CPU 和一个向量单元直接“编译”进 Qwen3.5-4B 的权重，在模型自己的前向传播里运行 Karpathy 的 2.6 万参数小模型 stories260K，输出与参考实现逐 token 一致，新增权重全部由编译器算出、没有训练。原帖约 1,540 赞、163 转发、8.5 万次浏览，并登上 X 热门话题。这是个人实验项目，作者自称仍在开发中：检查点 26.7 GB，在 L4 上约 16 秒才出一个故事 token。以下为讨论整理，不代表任何公司官方立场。

查看大图

清华大学与 Z.AI（智谱）等机构的论文 HarnessPro（arXiv 2610.26770，10 月 19 日提交、10 月 20 日更新 v2）提出一种无需标准答案的 harness 自我改进方法：让专门的 agent 诊断执行轨迹、改写指令与运行时策略，再用 LLM 生成的测试评估，并按性能与成本给出 Lite、Medium、Heavy 三档 harness。论文口径：GPT-5.5 搭配 Codex 时，Heavy 档在 Terminal-Bench 2 达到 80.8%，比此前方法 RHO 高 4.5 个百分点，单任务成本从 1.09 美元降到 0.72 美元。代码以 MIT 协议开源，本周被 Pandaily 等媒体集中报道。

查看大图

云安全公司 Wiz 10 月 30 日发布研究，指出本月至少 9 家 AI 开发平台披露安全事件：Fireworks AI、Andromeda、Zeabur、Lightning AI、OpenCode、Railway、Warp、CommandCode 和 Northflank。攻击者普遍搜刮存储的环境变量，尤其是能调用付费模型的密钥；Wiz 追踪到两把被盗企业密钥分别被刷了约 80 万次和 170 万次 Amazon Bedrock 调用，仅这两例按标价估算就超过 10 万美元。

查看大图

Mamba 作者、Cartesia 首席科学家 Albert Gu 团队 10 月 28 日发布两篇研究博客，公布新一代分层网络 H-Net 的扩展结果：在严格对照的 scaling ladder 中，只把 BPE 分词换成学习式动态分块，就获得最高 3–5 倍计算效率提升；更大的两阶段字节级 H-Net（3.67B 参数）在与 SmolLM3-3B 每字节算力对齐的条件下，约 1T token 即达到 SmolLM3 训练 11T token 后的平均下游分数（厂商口径）。新架构尚未开源，官方称计划逐步发布。

查看大图

面壁智能旗下 OpenBMB 10 月 27 日开源 MiniCPM-OCR 套件，含两款模型：1.3B 参数的文档解析模型 MiniCPM-OCR 1.0（Real5-OmniDocBench 93.68、OCRBench v2 54.7，官方口径），以及 2B 参数的 OCR 质量判定模型 MiniCPM-OCR Jev，可给任意 OCR 解析结果按区域打 0–1 分、标出需人工复核的内容。代码和权重均为 Apache 2.0，首发即支持 vLLM、SGLang、llama.cpp、Ollama 及多家芯片平台。

查看大图

扩散智能 DiffuSpace（成员来自推出 Dream 7B 的港大 NLP 实验室）10 月 28 日发布首个模型 Clover-35B-A3B-Preview：基于 Qwen3.6-35B-A3B 初始化的 MoE 扩散语言模型，总参 35B、激活约 3B、128K 上下文，按块并行去噪生成。官方口径下 SWE-bench Verified 73.6、Terminal-Bench 2.1 51.7、GPQA Diamond 83.8，单张 GB300 上 Agent 场景生成速度 680 tokens/s。权重 Apache 2.0，已上 Hugging Face、ModelScope 和 GitHub，支持 SGLang 与 llama.cpp。

查看大图

Google 官方账号 @googlegemma 10 月 26 日发帖称，借助 Gemini 4 Argon 完成的一组 vLLM 优化，让 gemma-4-E2B-it 在单张 A100 上的吞吐从约 37,900 提升到 108,000+ tokens/秒，约 2.85 倍，且输出 token 100% 一致。对应 PR 由 Google DeepMind 的 Luciano Martins 提交，大部分仍在评审中。

查看大图

2026-10-23（UTC 16:53，SGT 10-24 00:53），Block 官方账号 @blocks 发布 Dessa，Jack Dorsey 随后转发称其为「迄今最真实的全双工语音模型」。官方页面 block.xyz/dessa 介绍：Dessa 是真正的语音到语音模型，训练数据只有人类对话录音，不用文本、不用任何预训练模型；全双工，能边听边说，会自然插话和附和（“yeah!”“got it!”），推理快于实时，可在 MacBook Pro M4 Max 或更高配置上本地运行。官方称只用一套 NVIDIA GB200 NVL72 完成训练，学习语言所需的词量比 LLM 少数百倍。目前没有公开 API 或权重，只向一小批 AI 安全研究者开放早期访问。

查看大图

作为全球下载量数百万、被 LangChain、OpenHands 等大量智能体项目广泛采用的核心统一网关框架 LiteLLM 官方突发严重供应链安全事件。其自动化发布流水线遭到黑客攻破，并向 PyPI 与 Docker Hub 推送了携带恶意凭证窃取载荷的 v1.107.0 版本。攻击代码能够静默窃取服务器环境变量中的各类大模型 API Key 与云凭据并外发至远程黑客服务器。LiteLLM 团队与慢雾（SlowMist）等安全团队紧急介入，在数小时内从 PyPI 下架恶意版本、将稳定版本回滚至 1.106.2，并发布安全事后深度复盘，呼吁全球开发者立即固定依赖版本并轮换全部涉及的生产 API 密钥。

查看大图

独立评测机构 Artificial Analysis 正式上线全新基准维度 AA-PersonalityBench，专门量化评估前沿大语言模型的拟人化心理特征，重点聚焦两大关键指标：置信度（Confidence / 不确定性承认度）与谄媚度（Sycophancy / 迎合用户错误倾向）。实测数据显示：在置信度维度上，Google Gemini 3.8 Flash 斩获 100 分满分，Gemini 4 Argon 达到 97 分，展现出极强的决策断言能力，但同时也是最不愿意承认自身不确定性的模型；在谄媚度测试中，开源大模型 Llama 4 Maverick 达到 97 分（极易毫无底线附和用户），而 Claude Fable 5.1 仅得 4 分（最坚持事实原则），为对齐工程提供了量化标尺。

查看大图