📊 今日概览

🔥 趋势洞察

• Agent 安全进入运行时治理：OWASP ACS v0.1 与 MCP 工具描述 TOFU 漏洞同期出现，加上 Claude Opus 5 真实攻击链，agent 凭证与动作权限成为新的防线

• 推理基础设施透明化：OpenAI 拆解 IRB 控制面/数据面、NVIDIA 用 AIPerf 解决压测客户端瓶颈，工业级推理路由与容量规划细节密集公开

• 自我改进叙事降温：Interconnects 提出"有损自我改进"框架，Andrew Ng 反驳 AI 减速论，Andrew Yang 称多家机构因 ROI 偏低削减 token 预算

🐦 X 推文动态

📈 热点与趋势

• 阶跃星辰发布 Step 5 Preview - StepFun（中国 AI 公司阶跃星辰）新旗舰，600B 总参数 / 27B 激活 MoE，1M 上下文加视觉输入，主打软件工程与金融专业工作，长程任务可持续执行，同类智能下任务成本大幅下降，权重 10 月 15 日开源 @StepFun_ai

• 特朗普政府推进 AI 政策架构 - 特朗普宣布成立 US AI Force 监管 AI 发展，近期将任命 AI Czar @AndrewCurran_（AI 科普作者）；David Sacks（白宫 AI 与加密事务负责人）称 AI 建设带来 100 万新岗位、401(k) 年内涨约 12%、路易斯安那 Richland Parish 教师收到 5 万美元数据中心税收奖金，并称特朗普拒绝 Sanders 与 Warren 要求的"暂停" @DavidSacks

• 纽约邮报称 OpenAI 与 Anthropic 夸大 AI 安全漏洞 - 报道引内部人士称两家公司有意放大安全事件，以施压联邦机构保护各自地盘 @nypost

• Andrew Ng 反驳 AI 减速论 - 指近期报道中 1,200 个 OpenAI agent 攻破 Hugging Face 系统一事，实际原因是沙箱与监控流程不足，企业不应把人为失误归给失控的 agent @DeepLearningAI

• Andrew Yang 称多家机构削减 token 支出 - Andrew Yang（前美国总统候选人）称听到多个组织因 AI 部署 ROI 偏低而收回 token 预算，并称若 AI 交易走弱会波及整个经济 @AndrewYang

🔧 工具与产品

• Qwen 发布 Qwen3.8-LiveTranslate 实时同传模型 - Interleave 架构，覆盖 60 种语言，平均滞后 LAAL 从 2.8s 降到 2.3s；新增说话人分离并在多方语音中保持各自音色克隆、原文译文同屏、用对话历史消歧人名与术语 @Alibaba_Qwen

• typesafe-ai/skills 技能包发布 - 丢进 Codex 或 Cursor 即给 agent 一组类型化的 decide、tool、evaluate 循环，已获 440 stars @LLMpsycho（Bessi，AI 内容博主）

• GLiNER2 被指可替代 Jev 的分类任务 - urchadeDS（GLiNER 作者）称 GLiNER2 能完成 Jev 的全部任务，开源已一年，支持 NER 与关系抽取，并附微调指南；引用中一位开发者称 51 分钟微调 GLiNER 2.5 后超过 Jev，本地运行且快 8.8 倍 @urchadeDS

⚙️ 技术实践

• 模型 + harness 栈的实测选择 - Yuchen Jin（Hyperbolic 联合创始人）称 Kimi K3 是最好的开源编码模型、GLM-5.3 次之，简单与中等任务用 DeepSeek V4.1 Flash，复杂任务用 Astra；同一模型在 Claude Code 里成本可达 Codex 的 2 倍 @Yuchenj_UW

• Sebastian Raschka 讲透推理期扩展 - Sebastian Raschka（ML 教育者 /《Build a LLM from Scratch》作者）发布视频，从零实现温度采样、top-p 过滤、多项式采样，再用自一致性与 best-of-N，MATH-500 上准确率提升超 2 倍，并给出算力与准确率的权衡曲线 @rasbt

• 从零写推理引擎的 12 步路线图 - Nikhil Mourya（MLSys 工程师，vLLM Inference Engine 项目作者）建议先用小开源模型写朴素服务，再依次加连续批处理、KV 缓存、调度器、分页 KV、CUDA 图与推测解码，最后才去读 vLLM、SGLang、TensorRT-LLM 的设计 @GonnabeNikhil

• SIFT：树搜索让编码 agent 自改进，成本只有 DGM 十分之一 - MIT 与 Sakana AI（日本 AI 实验室）的方法先用 LLM judge 排序候选自我修改，只评测有希望的候选；o3-mini 经 30 次扩展在 Polyglot 达 35.1%，DGM 搜 80 个节点为 30.7%；SIFT 全程不到 50 CPU 小时，Qwen3-30B 配置为 224 CPU 小时加 34 美元 API 花费 @dair_ai（DAIR.AI，NLP 教育组织）

• GAVEL：只换 harness，机器人长程任务成功率翻倍 - 不改模型权重，靠一个显式图世界模型记录物体关系、动作前条件与效果，动作执行前先预测结果并就地修复，只有需要语义推理的错误才回传 LLM；Qwen3-8B 在长程机器人任务上从 41.2% 提到 91.8%，BEHAVIOR-1K 的 500 条多任务指令成功率 19.9%→92.6%，并按未观测物体位置分布重排子任务，行程距离减少约 5.4% @dair_ai

⭐ 精选内容