AI 编程实时动态与要闻

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

OpenAI 于 10 月 30 日发布 Private Intelligence，把零数据保留（ZDR）、即将推出的 Private Inference 机密计算预览、Agent 访问与操作审批、加密与合规认证打包成覆盖 ChatGPT、Codex 和 API 的企业隐私方案，与部分大客户共同打造。

查看大图

Perplexity 官方正式宣布将 Perplexity Computer 功能原生集成至 macOS 客户端应用中。与此前高度依赖云端传输屏幕截图并接收键盘鼠标动作指令的传统 Computer-Use 方案不同，Perplexity Computer 实现了模型与智能体执行回路的全本地化运行（The model and the agent both run on your Mac）。通过深度调用 macOS 原生辅助功能（Accessibility API）与本地端侧轻量多模态模型，该功能消除了云端网络延迟，并在彻底保护用户屏幕隐私的前提下，赋能智能体在用户桌面上全自主操作本地应用、整理文件与执行跨软件复杂工作流。

查看大图

数据分析智能体（Data Agents）需要编写代码处理异构文件并挖掘业务洞察，但真实企业数据受制于隐私合规且难以验证开放式结论。研究团队提出 Data World（arXiv:2610.21656），首创‘先显式定义底层因果世界机制，再衍生异构数据文件与评分标准’的多智能体合成引擎，构建了 1,037 个独立世界与 DataWorld-Bench。基于 Qwen3.6-35B-A3B 进行纯强化学习（RL-Zero，零蒸馏）训练出的 DataWorld-35B-A3B 在 DABstep-Hard 上狂涨 20.90 分、DAComp 提升 14.28 分；配合同日开源的多奖励逐 Token 信用分配算法 MRTPO（arXiv:2610.21439），为训练高精度工具与 SQL 智能体提供了完整利器。

查看大图

大模型安全与对齐权威研究团队在 Hugging Face 与 GitHub 正式开源了《Just Ask Jev: Reinforcement Learning for Calibrated Decisions as a Zero-Shot Detector of AI Alignment Failures》（arXiv: 2609.29429，GitHub: sumleo/RLCDAlignBench）。针对当前工业界对大模型进行对齐安全审计（如提示词注入、阿谀奉承、越狱、欺骗与权力寻求）主要依赖生成式大模型裁判（LLM-as-a-Judge）导致单项测试成本昂贵、或者依赖固定标签分类器（如 Llama Guard）导致单次只能吐出一个分类标签的局限，团队提出了基于校准决策强化学习（RLCD）训练的专用多维判定模型 Jev。配合首创的十维对齐基准 RLCDAlignBench，Jev 仅凭单次模型前向推演即可输出多个具有严格数学概率校准的多标签判定，中位数 AUROC 达 0.886，评测成本剧降 63 倍。

查看大图