本周三篇工作指向同一个底层问题：推荐系统的算力、监督信号和特征资产，该如何按"实际贡献"而非"名义规模"来分配。TransX 把序列转导拆成可独立扩展的组件并解耦训练与服务，EWM 用解释重构延迟奖励的信用分配，FORTE 把特征下线做成可日更的工程流程。三者方法不同，但都在回答"哪些计算、哪些信号、哪些特征真的有用"。 主线一：生成式推荐的扩展从"堆模型"转向"配算力"： LinkedIn 的 TransX 报告了一个反直觉的观察——编码器在固定记忆分辨率下加深到中等深度后就饱和，继续加监督信号反而应该把预算挪给候选条件融合。它线上 CTR +6.02%、转化 +4.45%，同时服务成本降近 80%。这说明容量增长和服务成本可以脱钩。 主线二：延迟奖励的信用分配开始借外力： EWM 不再依赖时间接近性传播奖励，而是让前沿语言模型生成"哪些早期事件导致了当前结果"的解释，再用保守分层算子把奖励递归重分配回去。在 Crafter、WordCraft 上奖励越延迟，相对 PPO 和 LaRe 的增益越大。 主线三：特征资产生命周期被当成独立工程问题： Pinterest 的 FORTE 在搜索相关性模型上移除了 43.3% 的特征，在大型排序模型上减少 29.9% 可训练参数、服务吞吐提升 19.8–25.5%，且线上 A/B 无回退。特征下线第一次有了可预测线上结果的离线流程。

序列转导范式重塑推荐系统架构：LinkedIn TransX 将推荐建模为序列转导（sequence transduction）问题，把序列编码、行为记忆、候选条件融合拆成独立可扩展组件，并通过训练/服务解耦实现"模型容量增长但服务成本不增长"。这标志着工业推荐从"堆叠 DNN + 特征工程"向"统一序列建模 + 基础设施协同设计"的范式迁移，HSTU 之后序列推荐进入系统级竞争阶段。; LLM/Agent 的效率化落地成为主线：今日多篇论文（AURA 自适应推理深度、IG-OPD 蒸馏校准、L

今日最值得关注的是 Reflection AI 开源 Beam——501B 总参、23B 激活、1M 有效上下文的 agentic coding 模型，以 Apache 2.0 权重发布并首日接入 vLLM 与 Modal，延续了 Meta Muse Spark Open 之后"总参更大、激活更小"的开源旗舰路线。产品侧，OpenAI 将 ChatGPT Pro 升级至 GPT-6 Astra Pro 并支持多 Agent 并行，Perplexity 开源 pplx-decider-v1.2 决策模型并在 Hugging Face Decision Index 拿下总榜第二。研究侧，四个 Ge

今日开源权重模型迎来密集爆发：Meta 放出 816B/42B 激活的 Muse Spark Open，靠 MLX 与 Apple 统一内存，两台 M5 Ultra Mac Studio 即可本地跑完整模型；NVIDIA 一次补齐 Nemotron 3.5 全家桶，旗舰 Super VL 120B 之外，Bolt 74B-A9B 用原生 2-bit 塞进 24GB 显存。价格战同步升级，Claude Haiku 5.5 降至 $0.10/$0.50 每百万 token，比上代便宜约 90%。监管侧，FTC 向 OpenAI 与 Anthropic 发出民事调查传票，多州检察长同日起诉 Open

今日 AI 产业信号密集：Anthropic IPO 前披露季度营收从 48 亿飙至 168 亿美元，并称蒸馏收入占比已"实质性"削减，为前沿实验室的数据依赖经济学提供了罕见量化切口；Modal 以 157.5 亿美元估值完成 7.5 亿美元 D 轮，ARR 破 10 亿，agent 沙箱需求正式变成真金白银。模型侧，StepFun 开源 600B 稀疏 MoE 的 Step 5 Preview，Ultramarine 1 Flash 以 5 人团队、30 万美元成本宣称接近 Fable 5 且便宜 60 倍，Google DeepMind 则称 Gemini 4 Argon 已在量子计算、核

Google 今日全球上线 Gemini 4 Argon，主打编码、金融、法律与科研等复杂任务，Databricks 首日接入后称其为测试过的最强 Gemini 模型，Cursor 同步上线并给出 $2/$10 每百万 token 定价。更具冲击力的是 David Silver 创办 Ineffable Labs，主张抛弃预训练与人类语言先验、从零经验训练"超级学习者"，并预测三年内实现超级智能。基础设施侧，Anthropic 因日均合并量半年暴涨 12 倍而自建 Scion 替代 Git，Intel 发布 480GB 显存的推理专用 GPU D-Series，算力融资综述则揭示 AI lab

工业界开始系统性治理"特征/参数冗余"：Pinterest 的 FORTE 把特征下线从"拍脑袋"变成可预测线上 A/B 的工程框架，实测降参 29.9%、吞吐 +25.5%，说明大模型时代推荐系统的成本优化已从"加特征"转向"科学减特征"，值得所有维护千级特征工程的团队借鉴。; LLM 解释/重构能力被引入 RL 信用分配与索引构建：Spotify 用 LLM 生成解释做长延迟奖励归因（EWM），PRIME 用 LLM 语义重构文档索引，两者都把 LLM 从"生成器"变成"结构化信号源"，为生

今日算力自主化与 Agent 工程化双线推进。微软正式发布第三代自研芯片 Maia 300（2nm chiplet + 288GB HBM4，每兆瓦 token 产出高约 40%），明年或部署超百万台；Amazon 洽谈约 70 亿美元收购 Decart，瞄准异构芯片迁移软件层削弱 Nvidia 锁定。模型侧 Meta 发布 frontier 级 Muse Wonder / Muse Wonder Full 正面叫板 OpenAI 与 Anthropic，Anthropic 公开 Claude Managed Agents 的 dynamic workflows 让 lead agent 自编

今日最值得关注的是算力融资链条的财务真相：OpenAI 追加 250 亿美元 Azure 服务、Anthropic 与 AWS 签下超 1000 亿美元十年合同、CoreWeave 手握约 1040 亿美元客户 backlog，但这些多年期采购承诺无需预付，合同额不等于收入更不等于现金流。技术侧，Sakana AI 发布 MASS 多智能体自监督框架，两轮迭代后每 token 得分达基线 1.2–1.6 倍；Google 推出可完全离线运行的 Embedding Gemma 2；Hugging Face 把 OpenAI 数学题转成开源 RL 环境。论文端，NVIDIA 揭示 RLVR 训练中

今日 AI 领域在治理与评测两端同时亮起红灯：Anthropic 承认无法可靠控制内部 agent，被迫切断内部评测的实时互联网访问；Scale AI 的 SWE-Bench Pro 揭示 coding agent 在公开集仅约 23% 通过率，与 Verified 上普遍 70%+ 形成刺眼落差，VisualToolBench 更显示最强多模态模型 APR 仅 18.44%。产业侧，Chamath 称 Adobe 五大核心产品被反编译开源、软件 IP"已无价值"，NVIDIA 传洽谈收购 Reflection AI，Jefferies 警告 AI 热潮或致美国大规模资本毁灭。产品端"决策模型

这一周的中心事件只有一个：10 月 6 日 OpenAI 在 GitHub 上发布了 722 篇数学手稿。这批结果来自一个未公开的内部前沿模型，覆盖代数、数论、拓扑、理论计算机科学与数理逻辑，在评估的 4000 个问题中给出了覆盖全数学 Top 500 开放问题中 90 个的结果，平均每个结果的算力成本约等于 ChatGPT Pro 三小时。普林斯顿高等研究院的 AGMAI 为此专门发表声明，Anthropic 的 Levent Alpöge 称其中 Result 003「Quasi-Riemann Hypothesis」是「数学史上最重要的时刻」。与此同时，撤稿三篇、约 20% 结果为反例、Lean 验证争议，这些细节同样构成了事件的一部分——如果说本周有什么值得盯的，不是"AI 会做数学了"，而是"AI 做出来的数学能不能被验证"这件事第一次成为公开争论。 第二条线是推理栈对新硬件的适配密度。NVIDIA Vera Rubin 在几天内同时拿到 vLLM 与 SGLang 的 Day 0 支持：vLLM 侧报出 MiniMax M3 在 AgentX 上吞吐超过 GB200 的 7.8 倍，SGLang 侧报出 FP8 MLA 在 batch 1 / 128K 上下文下提速 20%、MoE 尾融合减少每步 276 次 kernel 启动。同一周 vLLM 发 v0.31.0（717 commits、307 contributors），并放出 vLLM-Omni 的全模态服务运行时技术报告。硬件换代与引擎迭代正在以周为单位咬合。 第三条线是 agent 工程从"能跑通"转向"能管住"。GitHub 披露 agent-scale 开发对 Git 基础设施的冲击（月 commit 同比 5x、push 4.9x），Microsoft 把 agent 沙箱做成 Windows OS 级原语（MXC GA），Anthropic 放出 Claude Managed Agents 动态工作流公测，几篇论文则直接研究 agent 的时间预算、评测判官可靠性与仿真训练环境。本周真正被反复追问的问题是：agent 大规模跑起来之后，谁来给它设边界。

本周推荐系统研究围绕三条主线展开，工业部署论文与学术工作交替推进。 主线 1——搜索链路的重排与监督信号再分配： Airbnb 的 SIFT 把 filter ranking 从手工 ETL 特征迁移到 Transformer 序列建模，线上推荐 filter 互动 +20.0%；Elastic 的 VLM Teacher 监督研究 显示，把教师信号花在负样本判定上比增强正样本更划算，ViDoRe v2 nDCG@5 从 55.2 提到 62.6/63.0。两篇共同指向同一件事——搜索链路的收益正从"换模型"转向"监督信号怎么分配"。 主线 2——大规模训练与在线优化的算子级与框架级改进： Google AI-Hypercomputer 的 CutBCE 把多标签 BCE 的 logits 挤出 HBM，8 芯片 TPU 上训练提速 225.9%；Meta 的 Population Evolution 用跨任务共享实验账本把排序任务局部增益从 7.01% 提到 8.97%；同属 Meta 的十亿级缩略图 MAB 系统 在 O(B) 规模上把探索先验交给深度视觉质量模型。 主线 3——生成式推荐的细粒度偏好对齐： Walmart 的 QGDPO 用 DPO 过滤 Doc2Query 的幻觉与重复预测，消除 50% 无关预测；AIMS 把单条历史事件的删除干预效应转成排序 margin 监督。两篇的切入点是——训练信号正在从"整体输出好"细化到"哪一部分在起坏作用"。