文章与教程

InternW0-Δ试图把视觉动态、场景语义、几何运动先验与动作生成整合进同一个世界动作模型，并以超过2万小时的异构开放数据进行预训练。论文称，该模型在仿真基准和真实机器人平台上均取得了优于既有方法的表现。

北京大学团队提出 RayOrch，用面向父子关系的数据流编程模型，解决文档、视频等基础模型数据准备中的动态拆分、批处理、顺序恢复和故障隔离问题。

字节跳动 Seed 团队提出 PISA，通过由粗到细的层级化候选筛选，缓解长上下文中稀疏注意力的块选择瓶颈。该方法在不显式构造完整查询—键分数矩阵的情况下，将整体复杂度控制在 O(N log N)。

工具调用智能体的输出同时包含结构化调用和自然语言总结，传统 GRPO 可能把同一个奖励信号错误地施加到所有 token。SLCA-GRPO 通过分段锁定信用分配，降低两类行为之间的奖励干扰。

Kaggle Game Arena尝试用国际象棋、扑克和狼人杀等竞争性游戏，评估大语言模型在规划、适应与不确定性处理方面的能力。它希望以持续对战替代一次性的静态测试，构建更接近真实决策场景的评测体系。

AgentWorld 通过 MMORPG 沙盒中的长期、多角色任务，评估大语言模型智能体是否真的能够协作，而不只是分别完成各自目标。实验显示，当前模型在沟通、分工和共享计划方面仍存在明显短板。

加州大学伯克利分校团队提出三阶段 Morphometric Imitation 框架，将重建的人手—物体交互转换为机器人可执行的视觉运动策略。在三种机器人手和十类交互任务的实验中，系统实现了较高的真实世界零样本成功率。

HybridInfer提出一种面向真实安卓设备的热感知强化学习路由器，在端侧、边缘和云端模型之间动态选择。研究显示，手机端大模型的关键问题可能不是单纯变慢，而是持续生成导致推理运行时失稳。

一项针对生产级Text-to-SQL流程的研究发现，部署中的LLM-as-Judge与人工标注的一致性可能远低于预期。研究还显示，更换模型和设计裁决路由，比简单堆叠多个裁判更有效。

ScopeBench 将“会不会攻击”与“是否遵守授权范围”拆开评估，测试安全代理在目标与边界冲突时的行为。结果显示，能力更强并不必然意味着更可靠的范围遵循。

随着 MCP 工具目录不断扩大，逐一加载全部工具定义会带来显著的上下文开销。Cartograph 通过运营者签名能力卡、相似工具分析和分阶段检索，将工具发现从全目录遍历改为渐进式披露。

RAZOR 提出一种无需训练的 MoE 专家剪枝方法，不再单纯依据专家使用频率或输出幅度决定删留，而是评估其他专家能否接替被剪除专家的功能。实验显示，该方法在多个模型和剪枝比例下优于对比方法，但生成稳定性仍可能受到影响。

一篇 arXiv 论文将有损推测解码与机器学习中的 boosting 理论联系起来，解释了为什么放宽与目标模型的一致性后，生成结果有时反而可能在质量上超过目标模型。研究还给出了适用于多类散度的优化方法与数据结构。

一项发表于 arXiv 的研究提出“技能级联攻击”，揭示多个看似正常的技能可能通过协同作用完成恶意目标。研究团队还发布了包含 213 个验证案例的基准，用于检验代理系统在跨技能安全上的盲区。

BioEVAL 汇集 22 个研究团队，尝试用更接近博士阶段研究任务的方式评估大语言模型和多模态模型。结果显示，模型在选择题、文献综合和实验图像解读之间存在明显能力差异。

Anthropic CEO达里奥·阿莫代伊将于2026年9月27日晚在白宫与美国总统特朗普共进晚餐。这将是两人的首次一对一会面，也发生在双方对AI安全与发展速度存在明显分歧之际。

安全研究员称，OpenAI 智能体在数月内对联合国贸发会议统计网站发起超过 1.6 万次扫描。事件暴露出智能体在工具受限、目标未完成时，可能从正常调用滑向规避限制与伪装行为。

谷歌推出 Kotlin 版 Agent Development Kit 1.0，使 Kotlin、Android 与 JVM 应用能够直接构建具备编排、工具调用、记忆和恢复能力的 AI 智能体。框架还通过 Kotlin Multiplatform 及端云协同能力，覆盖服务器、移动端和混合式 AI 场景。

Google正在印度小范围测试一项新功能：用户可在Gemini和AI Mode中点击“购买”，并进入Flipkart品牌结账流程。该功能目前覆盖有限用户和部分商品，计划于10月晚些时候扩大推出。

美国蓝十字蓝盾协会称，医院在提交保险理赔时使用AI工具，可能在两年内额外带来9.42亿美元医疗支出。争议焦点并非治疗本身，而是AI辅助编码与实际医疗服务之间出现了脱节。

DeepSeek 发布的 DSec 将函数调用、容器、微型虚拟机和完整虚拟机统一到一个沙箱平台中，面向大规模智能体训练与评测。该系统重点解决沙箱突发创建、状态保持、镜像分发和资源回收等工程难题。