从分流设计、样本量计算到 LLM 生成噪声与 peeking 陷阱：把一次提示词修改放进随机对照实验里，用统计而非直觉判断它值不值得上线。

GNoME 一次「发现」38 万个稳定晶体，A-Lab 宣称机器人 17 天合成 41 种新材料——随后被质疑、更正为 36 种。预测模型狂飙突进，实验验证却成了瓶颈。截至 2026 年 10 月，从预测到合成的闭环真正打通了吗？

Agent 工程系统学习第 9 章：评测是把 Agent 开发从手工艺变成工程的分界线。给出场景作为评测基本单位与两类判定器分工，LLM-as-judge 的四类偏差与校准方法，pass^k 指标测量非确定性，轨迹评测捕捉过程性退化，分层回归测试与候选门禁，A/B 分桶与两比例 z 检验，以及连接改进闭环的数据飞轮。

IT之家 10 月 12 日消息，阿里千问今日正式发布 QwenGyre，这是一款面向长程智能体任务的在线强化学习框架。 据官方介绍，当智能体承担复杂工作，一次执行往往持续数小时，模型与环境之间有数百轮相互依赖的交互，累计处理百万级 tok…

IT之家 9 月 24 日消息，当地时间 9 月 23 日，Anthropic 宣布成立生命科学研究团队及自有分子生物学实验室，并公布了一项由 Claude 参与生物学研究取得的早期成果。 在人类科学家仅提供宏观研究方向的情况下，Claud…

IT之家 9 月 18 日消息，路透社今天（18 日）晚间援引知情人士消息称，Anthropic 在旧金山湾区低调建立了一座湿实验室，把 AI 业务进一步延伸到 需要实际动手操作的生物学研究和药物科学领域 。 知情人士透露，在公众对 AI …

订阅、API、企业合约——三家头部实验室的营收结构各有侧重，商业模式的选择决定了它们各自的护城河与软肋。把三本收入账摊开对比，AI 行业的核心博弈就清晰了。

棉花糖实验曾让一代家长相信「忍住不吃糖的孩子更有出息」。2018 年 918 人大样本复现发现，控制家庭背景后效应大幅缩水；2024 年追踪到 26 岁的研究几乎归零。本文梳理翻案证据与机制重估：孩子能不能等，很大程度取决于环境可不可靠、大人守不守信。

154 页、约 40 个真实案例、七大危害领域。Anthropic 9 月 10 日发布的《Detecting and countering misuse of AI: September 2026》，把「Claude 被用于网络攻击、监控、武器研发与生物研究」的清单摊开，也把七家中国 AI 实验室的「非法蒸馏」指控推到台面。本文逐章拆解案例与数据，追问四个问题：攻击成本降到了多少、归因还靠不靠谱、安全分类器守不住什么、一份厂商自报的报告该怎么读。

论文提出扩散模型在线上下文蒸馏方法（D-OPCD），把智能体改进的提示作为特权上下文，将智能体框架中的知识蒸馏进扩散模型权重，使模型仅凭原始查询也能保留部分智能体带来的效果。

提出 Negative-Policy OPD，在在线策略蒸馏中引入低能力负策略的采样作为负参考，以弥补强教师与学生分布重叠不足时正向信号不足的问题。

论文以强化学习视角解释在线蒸馏为何既能提升性能也可能坍塌为过长重复的生成：教师隐式奖励学生行为，当隐式奖励与质量错位时会发生奖励劫持。

2026 年 9 月 17 日 Anthropic 首次公开内部指标：截至 8 月 Claude 已「主导」（AL4）26% 的 AI 研发工作，半年前不足 1%，同时约 3 万个 Agent 在线、单月超 10 亿次决策。本文按事实进度分层陈述，每项数据标注权威来源（Anthropic 官方文档、METR、Epoch AI、Import AI、Google DeepMind、OpenAI）：工程与代码层已跨过门槛（SWE-Bench 2%→93.9%、CORE-Bench 21.5%→95.5%、任务时间视野 30 秒→12 小时）、AI 研发流程层解既有问题已上移而「提新问题」尚无证据、Agent 运行与监督层双层 100% 覆盖已上线、资源分配层安全研究占算力约 6%（单周）、上限 AL5 = 0，另附约束条件量化数据、官方与权威机构的进度预测、6 项后续跟踪指标、来源清单与未获取清单。

把 2026 年可核查的公开证据整理成一张六层能力路线图——预训练、后训练 RL、推理时计算、上下文与记忆、智能体与 Harness、世界模型。含 Meta ScaleRL 40 万 GPU 小时实验结论、RL 预算占比 10%–30% 口径、Chinchilla 对比、Meta-Harness 6x 差距等数据锚点，并给出优先级表与算法工程师/产品经理的行动建议。

9月19日，第一届中国网络空间安全大会（CCSC 2026）的高水平专题论坛在安徽合肥正式举办。]

Jay* 2026-11-03 14:55:30 来源：量子位 终于，有了一个可以触摸的起点 Jay发自 凹非寺 量子位|公众号QbitAI 乔布斯心中的Siri，这次可能真的走进现实了。 长这样子——** 别的先不说，终于来了个审美在线…

衡宇* 2026-09-22 19:58:53 来源：量子位 梦想是做能帮妈妈订机票的AI浏览器。 程浅 发自 凹非寺 量子位 | 公众号 QbitAI Meta的亿元俱乐部又添一中国面孔。 最新消息，哈工大校友、WebArena作者Sh…

RLHF 要同时养四个模型、跑采样流水线，DPO 只用「好回答与差回答的对数概率比」做二元分类——推导只走三步，训练不用采样、不用奖励模型、不用价值网络。本文拆解 DPO 的完整推导链与全部关键实验，以及 IPO、KTO、SimPO、GRPO 组成的后训练方法论家族谱系。

AI 没有消灭交付瓶颈，只是把瓶颈从"写代码"搬到了"验证代码"。本文基于 2 篇 arXiv 论文、DORA 2025 报告与 2026 年三份行业基准（LinearB 8.1M PR、Faros AI 22,000 开发者），给出 AI 增强 CI/CD 的 L1→L3 能力分层、T0→T3 信任分层、自主流水线独有的五类新型威胁，以及 5 段可直接复制的代码级护栏（GitHub Actions 失败归因、日志预处理、OPA/Rego 策略门禁、测试影响分析、OIDC+签名+写一次审计日志）与 90 天落地路线图。关键数据：任务吞吐 +33.7% 但评审耗时 +441.5%、生产事故/PR 比值 +242.7%；AI PR 30 天合并率 32.7% vs 人工 84.4%；论文实验中 Lead Time −35%、CFR −38%、MTTR −43%，AI 干预准确率 87.5%、人工否决率 14.3%、零策略违规。

系列第 ④ 篇（收官），对应技能地图第 17–20 格「塑造构建」。先拆解吴恩达的四项能力（驱动构建循环、产品决策、沟通与领导、高自主权主人翁意识）并给出各自的可执行动作，包括用户同理心从 2–3 人访谈到大 规模 A/B 的四级打磨路径；再以 Claude Code 产品负责人 Cat Wu 描述的 Anthropic 内部形态做现实检验——一周甚至一天上线、上万条需求难在判断该做哪个、岗位边界被主动打破、agency 是关键特质、以及"模型越强产品越简单"导致的删除机制；随后指出高自主权落不了地的三种真实阻力（实验/发布权、决策接口、价值口径）与对应的最小可行请求，并与站内 Jake Wharton 的反向立场做对照。附个人与管理者各四条行动清单，及四篇系列总览。

白天推理高峰、训练占卡；训练希望整周独占、推理要有兜底容量——训推共存的集群需要一个调度设计。本篇拆解训推一体的资源矛盾、错峰调度的三种模式（抢占、分区、弹性分区）、以及「在线优先」的调度纪律。

85% 的家长相信夸孩子聪明是必要的，但 Mueller 与 Dweck 的六项实验发现，夸天赋的孩子反而更怕挑战、失败后更脆弱，甚至更爱虚报成绩。本文拆解表扬如何改写孩子的目标，诚实呈现成长型思维的争议与效应量，并给出 Dweck 本人认可的「怎么夸」清单。

2017 年 Ali Rahimi 领奖时说「机器学习变成了炼金术」，LeCun 当场反驳；八年过去，模型能力涨了几个数量级，「为什么泛化」的数学解释仍然是一堆可解模型里的定理。本文盘点深度学习数学基础的现状：随机标签实验、双下降、NTK、grokking、scaling laws 各自被解释到了哪一步，哪一步仍然卡住，以及 2026 年「学习力学」的学科宣言算不算转折点。

推理链可信吗？从 Lanham 忠实性实验、CoT 掩蔽风险，到 Lean 形式化证明与 AlphaGeometry 的 IMO 级成绩，梳理推理验证技术的完整谱系。

骨骼塑造着体型，也影响着衰老。根据发表在《Cell Metabolism》期刊上的一项研究，小鼠实验发现骨骼在机械应力下——锻炼或其它身体活动中间发生的推、拉、扭转等——会触发骨骼释放名为骨细胞（osteocytes）的力感知细胞，促使其分…

1913 年，美国密歇根州的福特 Highland Park 工厂里，工程师们进行了一项看起来有些简陋的实验：他们用绳索和卷扬机牵引汽车底盘，让它缓缓经过不同的装配工位。如此这样，工人们就不再需要围绕静止的汽车来回移动，而是在自己的位置上等…

新官上任三把火，更年轻、更有活力也更有工程师气质的苹果新 CEO John Ternus，据说正在推动苹果管理和产品体系的全面改革，包括精简中层管理岗位、提高新品发布频率，以及允许团队做更多「实验性」的东西。 改革的第一波成果，可能很快就会…

AI 与军事的结合不是未来时而是现在时：目标识别、情报分析、无人系统的自主化——以及最尖锐的争议点：自主武器（LAWS）该不该被禁止。这场辩论已经持续四十年，从联合国公约讨论到实验室的道德声明。本文讲清军事 AI 的现实图景、LAWS 辩论的核心论点、以及「人的判断」这条底线的攻防。

「看完这本书就给你买玩具」这类交易，短期立竿见影，长期却在系统性地拆掉孩子的内在动机——心理学用「过度理由效应」解释这个悖论：外部奖励一旦接管了行为的理由，原本的乐趣就会被重新定价。本文讲清这个 1973 年经典实验的机制、奖励失效的边界条件，以及奖励还能安全使用的那一小块地盘。

抱大腿不让走、入园门口哭成泪人——「粘人」常被当成惯出来的毛病，但它其实是依恋系统在正常工作。本文拆解分离焦虑的正常时间线、陌生情境实验里「哭与不哭」的四种含义，以及有证据支持的入园告别做法：快而确定的仪式比偷溜和拖延都管用。

2026 年 AI 教育拿到了迄今最强的证据：哈佛实验里 AI 导师组的学习增益超过面授主动学习的两倍，世界银行在尼日利亚测出约合两年常规进度的提升，Google 在塞拉利昂的 RCT 也有 0.26 个标准差。但三场研究全部由利益相关方资助、周期不超过一学期，而 MIT 的脑电研究与「护栏可绕过」的产品现实站在对面。本文梳理产品格局、证据攻防与中美政策两条路线。

每个 LLM 基准都逃不过同一条生命周期曲线：出生时区分力强 → 大家刷分 → 分数挤在 90% 以上失去区分度 → 被质疑数据污染 → 退役换下一代。本文用 MMLU 的饱和与 Scale AI 的 GSM1k 对照实验拆解这条曲线的两个关键节点，并给出一套读分数的自查清单——看完你就知道哪些榜单数字可以直接划掉。

IT之家 9 月 24 日消息，《华尔街日报》今天（24 日）晚间报道，当地时间 10 月 1 日，谷歌计划把一颗实验卫星 MVP 送入轨道。MVP 具备足够的算力，可以直接在太空中**处理并回答简单的 AI 查询**。 MVP 属于谷歌雄…

互联网的惊魂 48 小时，正在上演。 图｜来源：连线 昨天晚上，欧洲多国的政府网站在同一时间陆续下线。芬兰交通与通信局把部分在线服务关了；荷兰的电子身份系统 DigiD、荷兰政府的个人服务平台 MijnOverheid、政务门户全部暂停服务…

「AI 编程是资深工程师专属」的知乎高赞论断，恰好可以拿一年来的硬数据逐条检验：METR 随机对照实验里资深开发者被 AI 拖慢 19% 且自认为快了 20%，Uplevel 追踪 800 名开发者发现缺陷率上升 41%，GitClear 遥测显示重构行为塌缩到 3.8%、遗留维护骤降 74%。本文梳理 2025–2026 年九项重量级研究，论证真正的门槛不是「会不会用工具」，而是验证 AI 输出的能力——它恰恰由经验构成。

2,510 当日涨星的开源 AI 创作 IDE（★7,621、Rust/Tauri）：把 62 个图像/视频/音频/3D 模型收进一个本地桌面端，用 3D 场景、图层合成与人偶摆姿把「提示词抽卡」变成可复现的创作工程。拆解双仓库架构（Tauri 内核 + storytold/artcraft-services 后端）、artcraft_router 跨 Provider 适配、异步 Omni API 的 idempotency 与终态契约，附官方可复现性能实验（启动首帧 -38.1%）与自定义 fair source 许可证风险。

文章提出Δ-MOPD方法，将每个教师的“教师减基座”logit偏移重新锚定在学生的冻结初始化上，与端点监督在共同域组合和路由域蒸馏两种设置下进行对比，并揭示了继承的基座拉力阻碍端点迁移的机制。

9月19日，中国人工智能企业APUS旗下 AI 实验室公布了全球最早一批针对Jev的独立开源复现成果]

GLP-1 减肥药或有助于延缓衰老。加州伯克利等机构研究人员通过小鼠试验发现，老年雌性小鼠服用 GLP-1 类药物司美格鲁肽后，寿命比未服药小鼠延长12%，同时多项与衰老相关的生物学变化得到减缓。研究人员选取 20 个月大的健康雌性小鼠开展…

IM、推送、实时协作——长连接网关是「百万用户同时在线」的支撑者。单机连接数的极限推算、百万连接的分层架构、连接的注册与寻址、消息的推送链路——长连接网关的每一层都是工程账。

AI 安全的岗位需求在爆发，但这个领域的职业地图还没有被好好画过——企业侧的红队与安全工程师、实验室的对齐研究员、政府的评测分析师、独立社区的研究者——四类角色、四条路径、四种修炼。

十三* 2026-11-03 19:13:49 来源：量子位 AI的下一程是生产力系统之争 大模型狂飙近三年，生成式 AI 正在集体撞上一道冰冷的商业现实之墙。 一边是硅谷与各大实验室在 Benchmark 跑分榜上卷得不可开交——今天宣…

2024 年诺贝尔物理学奖颁给神经网络先驱不是终点：神经科学与 AI 正处在史上互动最密的时期——AI 借大脑的机制（注意力、预测编码、位置细胞），神经科学借 AI 的工具（把网络当模型大脑做实验）。本篇梳理双向启发的真实案例、已证伪的天真类比、以及「大脑作为架构参考」的开放清单。

预训练数据墙（本库已有专篇）逼出了另一条路：用模型生成数据来训练模型。合成数据从「禁忌」（模型吃了自己会退化）进化为「主流」（前沿实验室的数据配方里都有它）。本篇拆解模型崩塌的警示、phi 系列的教科书路线、R1 式推理数据的可验证合成，以及合成数据的边界与风险。

RLVR 用「答案对不对」训练推理模型，但答案可验证的领域有限，且只看结果无法指出「哪一步错了」。过程奖励模型（PRM）给推理链的每一步打分——从「Let's Verify Step by Step」的奠基实验到隐式 PRM 的自动化，它是把验证器从「终点裁判」变成「全程教练」的关键件。本篇拆解 PRM 的机制、数据难题与演进路线。

不打之后怎么管？管教研究的答案不是「多讲道理」，而是一套动作序列：先接管情绪、再划定边界、事后再复盘——惩罚之所以低效，是因为它试图在孩子情绪脑在线时讲理智脑的话。本文给出替代惩罚的完整工具箱：转移与自然结果、有限选择、冷静角与 time-in 的正确用法，以及「管教教会什么」这个终极检验标准。

港大数据智能实验室出品，上线十个月拿下四万五千星：一条单循环 agent 流水线跑全部十种学习模式，L1/L2/L3 三层记忆全部落盘可审计，九种 RAG 引擎可评测可切换，自带十五路 IM 渠道与 EduHub 技能市场。

谷歌 Cloud AI Research 开源 Harness²：把智能体执行框架拆成 8 个可编辑组件，用「任务级递归 + 元级递归」双层循环在无标准答案的开放任务上自动改框架——冻结 GLM-5 与 Gemini 3.5 Flash 权重，WorkBuddy-Bench 最高涨 11.5 分，LAB 基准涨 11.8 个百分点。本文拆解它的 Propose-Probe-Compose 机制、经验库硬约束与实验成绩，也整理了社区最尖锐的质疑。

AlphaFold 解决的是「预测」，RFdiffusion 开创的是「创造」——把结构预测网络微调成去噪器，AI 就能从零设计出自然界不存在的蛋白质。本文讲透蛋白质设计的逻辑链、RFdiffusion 的方法论与实验战绩，以及 2025 年底开源、速度再快十倍的 RFdiffusion3 把边界推到了哪里。

孩子第一次撒谎常让家长如临大敌，但发展心理学的结论正相反：撒谎需要「读心」与「自我控制」两块认知硬件，会撒谎恰恰说明硬件在装配。本文用抵抗诱惑实验的年龄数据拆解撒谎的发育逻辑，讲清为什么严惩反而制造撒谎高手，以及引导诚实的三个有证据的做法。