AI 编程实时动态与要闻

NVIDIA 官方博客 10 月 30 日披露，Breakthrough Listen 与 SETI 研究所已把 Agent 接入北加州艾伦望远镜阵列（ATA，42 面 6 米天线）的日常地外文明搜索：研究员用一句自然语言请求，Agent 就能转动天线、校准聚焦、纠正数据错误并对实时数据流跑 AI 模型。底层由 Holoscan 的 DAQIRI 库把传感器数据直接送进 GPU 显存，SETI 研究所的 CyberEther 做信号处理，Web 编排器 Nexus 充当 Agent harness，在 RTX PRO 6000 Blackwell 上本地处理最高 2.4 Tbps。系统已完成首次蟹状星云脉冲星的实时 AI 检测；团队正在评估 Nemotron 等开放模型。@NVIDIAAI 10 月 31 日万圣节帖约 274 赞。

查看大图

开源编码智能体 OpenCode 背后的 Anomaly 发布语音输入工具 Hex 3.0 稳定版：按住快捷键说话、松开即粘贴到光标处，语音识别在本机完成，内存占用从约 900MB 降到约 160MB，并新增词汇表、hex 命令行和可选的 OpenCode 改写。

查看大图

10 月 31 日，OpenAI Codex 与 ChatGPT 负责人 Tibo（@thsottiaux）在 X 上发布「28 天连更」第 26 天内容：ChatGPT 移动端可在多个账号之间直接切换，桌面端即将跟进。OpenAI 帮助中心同步更新说明：最多可同时登录 2 个账号，同一时刻只有 1 个处于激活状态；对话、记忆、文件、订阅与账单、工作区彼此隔离，切换不会合并或迁移任何数据。该推文约 1 万点赞、136 万次浏览。

查看大图

Stripe 联合创始人 John Collison 的 Cheeky Pint 播客 10 月 29 日上线 Sam Altman 专访。谈到内存短缺时，Altman 说很多人以为开源模型加本地推理就能绕开算力紧张，但从全球配置角度看，让每个人电脑里放着一堆稀缺 DRAM、只有约 5% 的时间在用「相当糟糕」，供给紧张时应追求云端的最大利用率。pubity 转述这段话的帖子获得 2.6 万多点赞、800 多万次浏览，大量用户反驳称 PC 内存并非只为 AI 服务，本地模型还关乎隐私和离线可用。以下按观点讨论整理，不代表已证实结论。

查看大图

百度官方账号 @Baidu_Inc 10 月 27 日宣布开源 Unlimited OCR 2，以 MIT 协议发布在 Hugging Face。新的 SR-SWA 稀疏参考滑窗注意力把图文注意力压缩到固定大小的参考集合，官方称可在有限上下文内解析任意长度文档，在几十页的 MPDocBench 得 84.6、上百页的 MarathonDocBench 得 77.1，均为厂商自测。

查看大图

Entire 联合创始人兼 CEO Thomas Dohmke 10 月 26 日在 X 和官方博客宣布 Entire 正式上线，定位是「为 Agent 与人协作打造的 Git 托管平台」。它由三部分组成：用评测分数替代 diff 评审的 Trails、兼容 Git 的分布式托管（可多区域复制，也可从 GitHub 镜像），以及把 Agent 会话存进仓库的 Continuous Memory。CI 首批接入 Buildkite 和 Depot，今天起对所有开发者开放。

查看大图

10 月 21 日，Letta 发布 FrontierMemory 1.0。它不再考 Agent 记不记得生日、爱好这类事实，而是给 Agent 一批过去的执行轨迹，让它生成记忆或技能，再看这些记忆能让任务 Agent 多解出多少编码和知识工作任务。首版共 15 个任务，改编自 DeepSWE、SkillsBench、APEX-Agents 等公开基准。模型榜（Letta Dream 生成记忆，Letta Code 执行）上 Opus 5.5 与 GLM-5.3 均为 73.3%，Grok 4.7 为 33.3%；Harness 榜上 Letta 自家 Letta Dream 第一。数据为厂商（Letta）口径。

查看大图

多所顶尖研究机构在 arXiv:2610.28554 中正式发布革命性多智能体世界模型架构 OverSeer。针对现存视频世界模型在扩展至多智能体协同场景时，各 Agent 视界受限（局部可观察性）、传统方案过度依赖外部地图拼接输入，导致多视角画面严重冲突与空间位置漂移的行业痛点，OverSeer 提出“将全局空间辅助流与多智能体第一人称流进行联合预测”的全新机制。在经典开放世界测试环境 Minecraft 的严格基准评测中，OverSeer 在空间定位（Grounding）、长程空间记忆（Memory）与多视角一致性（Consistency）指标上全面超越现有顶级基线，彻底消除了群体智能体在空间盲区下的物理幻觉。

查看大图

多所顶尖高校与科研机构在 arXiv:2610.24648 中正式发布首个面向异构端侧硬件的大模型底层算子生成统一基准 EdgeKernelBench 与分层智能体架构 LEKA。针对当前学术界算子生成评测过度局限于云端高性能服务器 GPU，而在端侧设备上面临硬件高度异构、底层软件栈严重碎片化（CUDA、OpenCL、TileLang、Triton）以及极度严苛资源约束的行业痛点，EdgeKernelBench 建立了包含 331 项经典任务与 650 个实例的统一中间表示（IR）部署管线。配合分层算子生成智能体 LEKA 解耦复杂编译决策，使大模型端侧算子生成性能取得跨越式突破。

查看大图

OpenAI 官方正式面向全球用户推出 ChatGPT“Locked Chats（锁定对话）”安全隐私功能，全面覆盖 Free、Plus、Team、Enterprise 与 Edu 全线计划。用户现在可以使用数字 PIN 码、Face ID 或 Touch ID 生物识别对特定会话实施硬件级加锁。尤为关键的是，被锁定的对话在设计上完全与 ChatGPT 全局跨会话记忆库物理隔离，用户在其中交流的商业核心机密、敏感个人健康信息或高危代码审计内容均不会沉淀到长期记忆中，亦不会污染常规对话的上下文联想，为企业与个人隐私保护树立了新的安全标杆。

查看大图

多所顶尖研究机构在 arXiv:2610.26825 中正式推出原生记忆基础模型架构 MemT-1.0。针对传统大模型依赖庞大外部 KV Cache 或外挂 Vector RAG 导致的长文本显存爆炸与检索断层痛点，MemT-1.0 将记忆内化为模型计算的原生组成部分。基于 Metis 框架，模型采用 Gated DeltaNet-2 结合轮内稳定的 Token 级记忆更新机制，并引入 Mixture-of-Storage 结构拓展原生记忆容量。在 340 亿 Token 数据持续预训练与对齐后，MemT-1.0-Nano 在 128K 超长历史下实现 1.86 倍推理加速与惊人的 66 倍持久存储削减，显著提升复杂智能体长程任务成功率。

查看大图

来自多所高校与机构的研究团队在 arXiv:2610.06830 中提出多模态智能体按需记忆编排框架 MemPilot。针对现有自主 Agent 在跨会话、长程多模态交互中频繁遭遇图文上下文爆炸、无效截图堆叠与历史关键信息遗忘的痛点，MemPilot 设计了主动记忆精选策略。系统将视觉快照、操作轨迹与文本事实进行自适应压缩、语义分级与按需唤醒，在多轮复杂交互测试中将记忆显存开销削减 60% 以上，显著提升跨会话任务完成率。

查看大图

vLLM 官方项目组正式宣布将 PhysisServe 的核心推理加速架构整合至 vLLM-Omni 多模态全能推理引擎中。针对物理世界 AI、视频扩散生成与具身大模型在长程去噪阶段面临的高显存占用与高延迟痛点，PhysisServe 创新性提出去噪步与 Transformer 跨块流水线并行（Block Pipelining）、时间分片批处理与虚拟秩联合调度。在 200 张 GPU 集群上对 MiniMax H3 33B 展开实测，实现每 4.1 毫秒输出一个 Chunk（折合千帧/秒渲染），Wan2.2 5B 单卡单请求延迟从 173 毫秒降至 98 毫秒。

查看大图

现有视频世界模型评测通常将场景记忆与动作执行揉合为单一最终得分，导致模型因未能生成动作而产生的状态缺失被错误归咎于记忆遗忘。香港大学与清华大学团队发表 MIST（arXiv:2610.23542，HF 12 赞，开源代码与主页上线）。该基准首次将“前置动作是否执行”与“后续场景是否记忆”彻底解耦，实测表明在主流视频世界模型中，高达 70% 的表面记忆失败本质上是动作执行失败；引入 M3 执行感知提示与多阶段分离评测后，世界模型真实长程记忆准确率提升 11.8 至 29.6 个百分点。

查看大图

针对前馈式 3D 高斯泼溅（3DGS）在大视角跨越下渲染质量骤降以及免训练扩散生成式压缩显存算力开销过大的痛点，今日两项重磅视觉与图形学成果给出突破：浙江大学周晓巍、鲍虎军、彭思达团队开源 InfiniSplat v2（arXiv:2610.20341，HF 118 赞），通过冻结几何分支解耦几何与属性预测并引入大角度目标视图监督，在 6 大三维数据集上将平均 LPIPS 与 DISTS 误差分别大幅降低 25.8% 与 32.9%；以色列理工学院推出 H-DDCM（arXiv:2610.18125），用隐式随机哈达玛（Hadamard）字典替代稠密高斯码本，将计算与显存降至 O(d log d) 与 O(d)，结合周期性 KV 缓存前缀重编码实现单 GPU 准实时流式生成视频压缩。

查看大图