Sebastian Raschka 上线完整的「从零实现推理模型」视频系列
译自英文
完整的 reasoning-from-scratch 视频系列现已上线（附链接）：magazine.sebastianraschka.com/p…
（先短暂休息一下，11 月会带着 LLM 模型和研究动态回来！）AI 资讯
CoEvo-RSI：让演进的智能体框架与模型能力对齐的递归自改进方法
译自英文
CoEvo-RSI：让不断演进的 harness 与模型能力对齐
这是一个递归自我改进框架，用双向历史继承解决“脑体不匹配”问题，让一个 9B 模型在多种智能体任务上胜过大得多的前沿模型。OpenBMB 发布端云协同长程智能体执行的系统研究 EC²-Bench
译自英文
云端什么时候该替端侧智能体执行，什么时候只需给建议？
我们对长程智能体执行中的端云协同做了系统研究。借助 EC²-Bench，我们在 128 个可执行任务上评估了四种协同策略，同时衡量任务完成度、资源成本和隐私暴露。
三个主要发现：
1️⃣ 云端预算小，收益大（成本效率）。端侧用 Qwen3.5-9B、云端用 GLM-5.3 时，纯端侧得分 39.12；最佳协同达到 60.46——约为纯云端（82.70）的 73%——成本仅 $8.73，约为纯云端 $56.42 的 15%。
2️⃣ 性能趋同，隐私不趋同。在 Qwen3.7-Plus 上，最佳协同得分 76.84，纯云端为 82.70；策略间差距缩小到仅 3.67 个完成度分点，但隐私暴露相差 66.23 个百分点——而且表现最好的策略泄露最多。
3️⃣ 模式随端侧能力翻转。端侧较弱时，最好用一个外部路由器让云端执行（2B……JEPA 研究中的“预测闭包”概念解读
译自英文
JEPA 从看到的内容中学会该保留什么，并用它来预测接下来会发生什么。
但那些它无法预测的细节呢？模型把它们丢掉岂不是更省事？
看这个例子
想象一个随机变色的红绿灯。它下一次变成什么颜色无法预测，但它当前的颜色有助于预测骑车人会停下还是继续走。如果丢掉红绿灯，骑车人就更难预测了。
▪️ 最近一项研究把这种集合层面的视角称为“predictive closure”（预测闭包）：一个特征的价值取决于它与模型所表示的其他特征之间的关系。
保留红绿灯能让骑车人更容易预测，但也给模型的预测目标加入了一个无法预测的颜色。丢掉它能去掉这个目标，却也丢失了一条有用的线索。
研究者把这两种代价区分开来：
1. 偶然不确定性（aleatoric uncertainty）：即使掌握当前完整观测也仍然不确定的部分，比如红绿灯下一次随机变成的颜色。
2. 预测泄漏（predictive leakage）：观测中可用的有用信息，但……Apple 与 UCLA 提出免训练的多模态模型框架 OpenVLHarness
译自英文
Apple 与 UCLA 推出 OpenVLHarness
这是一个无需训练的 harness，为多模态 LLM 提供能力层和持久的多模态记忆，在 22 个基准上把平均分提高了 9.7-12.6 分。研究：大模型两次自行重写智能体框架，留出集得分提升 2.8 分
译自英文
LLM 能改进自己的 harness 吗？
自我改进的 harness 是个热门话题。
一个有意思的问题是：LLM 能否自己生成并改进它们。
研究发现，把 harness 完整重写两次，留出集得分只提高 2.80 分，而且 95% 置信区间跨过零。
每个前沿模型从一个固定的编程引导程序出发写出完整的 harness，通过它玩五个开发用游戏，然后把整个代码库重写两次。每个版本都在 20 个从不影响重写的游戏上评分。
在 27 条谱系中，第一版 harness 的得分从零到接近满分不等。之后的修订几乎没有带来提升。开发游戏上的提升高估了留出集上的提升，而降低推理成本的修订往往会拉低得分。
在同样的游戏上，人类引导的系统得分仍然更高，说明更好的设计是存在的。只是模型目前还不能可靠地自己找到它们。
arxiv.org/abs/2610.30499
与论文对话：academy.dair.ai/papers/can-llms…研究：编码智能体在运行时选择技能粒度，失败时回退到基础工具调用
译自英文
一项让编程智能体更有效使用技能（skills）的好工作。
（建议收藏）
在这项工作中，研究者把技能粒度当作运行时决策。对每个任务，智能体可以使用原子工具调用、宏技能，或者在失败时回退到原子步骤的宏技能。
固定的宏执行在技能匹配时很高效，不匹配时则很脆弱。
控制器根据任务结构、执行状态和此前的宏失败来选择层级，并由一个有限状态执行器把回退作为显式状态转移来处理，而不是随意重试。
在一项包含 12 个任务的路由研究中，学习得到的路由器达到 100% 成功率，而手写启发式规则会失败。借助宏到微的回退，智能体能从受控的宏失败中恢复，而固定粒度无法解决这些失败。
arxiv.org/abs/2610.31461
与论文对话：academy.dair.ai/papers/adaptive…LEV：循环层的决策模型，2.6B 版本在 JevBench 上随深度提升准确率
译自英文
LEV：不多花一个 token 也能想得更深
这是一个让层循环执行的决策模型，每轮之后对选项打分。同一个检查点可在任意深度运行。在 JevBench 上，深度从 1 增加到 4 时，Lev-2.6B 的准确率从 63.2% 提升到 76.2%。vLLM：DeepSeek-V4.1-Flash 的 decode 吞吐与 DeepInfer 差距在 6% 以内，单卡总吞吐 95.4 万 tokens/s
vLLM 10 月 23 日博客：GB200 上按 DeepSeek 的 decode 配置，批大小 8–256 时 decode 吞吐与 DeepInfer 差距在 6% 以内；DeepInfer 数据读自其图表，非同台实测。GB300 NVL72 上用 P/D 分离加 Wide-EP，AgentX 达每 GPU 95.4 万 tokens/s，闲时价约每 GPU 小时 38.96 美元。
为什么重要：vLLM 称其在 DeepSeek-V4.1-Flash 的 decode 配置上已追平 DeepSeek 自研引擎 DeepInfer。
SGLang 发布 DeepSeek 模型推理性能与工程优化博客
译自英文
DeepSeek 抬高了标杆，SGLang 把它推得更高 🧡
lmsys.org/blog/2026-10-2…
欢迎阅读我们的博客，了解性能结果、工程优化，以及 SGLang 如何把这一切整合成可用于生产的推理服务栈！x.com/sgl_project/st…
LM Studio
用桌面图形界面查找、下载和运行本地大模型
本地 AI 与模型v0.4.28
智能体为什么刹不住：问题可能出在“批准”没有有效期
Anthropic 回放 Mythos 5 测试事故时发现，攻击一旦进入中后段，模型几乎从不主动收手。它的假说是：模型把自己写的交接笔记当成了许可。刹车得装在智能体够不着的地方。
编辑部约 13 分钟
编辑部约 8 分钟
月之暗面发布 Kimi K3.1 Pro，主动削弱网络攻击能力
月之暗面发布 Kimi K3.1 Pro，基于 K3 后训练，支持 100 万 token 上下文，已上线 Kimi 各端和 API，计划 11 月 4 日前开放权重。官方自测 Terminal-Bench 4.0 得分 65.7%，内部幻觉率由 23.4% 降至 8.3%。公司剔除了网络攻击相关训练数据：xdev-bench-hard 上发布版得分 81.0%，未过滤版本为 90.5%。
为什么重要：月之暗面公开以牺牲部分能力为代价，压低模型的攻击性网络能力，回应了外界对开放权重被滥用的担忧；基准分数均为官方自测，尚待第三方验证。
腾讯 WorkBuddy 接入 Kimi K3.1 Pro，并提供更快的 Highspeed 版本
腾讯办公智能体 WorkBuddy 10 月 24 日宣布接入月之暗面新模型 Kimi-K3.1-Pro，支持 100 万 token 上下文。同时上线 Highspeed 版本，腾讯称其智能水平相同、输出速度约为 2 至 3 倍。因算力资源紧张，新模型优先向企业旗舰版和个人订阅用户开放。速度数据为腾讯单方说法。
为什么重要：Kimi K3.1 Pro 发布后迅速进入腾讯的办公产品，说明中国大型互联网平台愿意在自家应用中接入第三方模型；算力紧张导致分级开放，也反映出长上下文模型的推理成本压力。
AWS 掌门贾西：云算力 2026 年已售罄，2027 年也基本订满
亚马逊 CEO 安迪·贾西在 a16z 播客中表示，AWS 今年的算力已经售罄，2027 年的容量也基本被预订，2028 年也已售出相当一部分，公司仍会保留部分容量用于按需 EC2 和 Bedrock。亚马逊今年资本开支预计约 2200 亿美元，将于 10 月 29 日公布第三季度财报。
为什么重要：在市场质疑 AI 投入回报之际，最大云厂商给出需求远超供给的信号，将影响投资者对下周科技巨头财报和算力投资的判断。
企业微信：第三方外挂服务被攻破致账号群发涉黄链接，受影响账号已强制下线
10 月 24 日，多个品牌的企业微信账号被网友发现向客户发送疑似色情引流信息。企业微信安全团队当天公告称，原因是某第三方外挂软件服务被攻破，使用该服务的账号受到影响，平台已强制下线相关账号并封禁引流链接，同时表示将持续清理“多开”“群控”类外挂并处理违规使用者。
为什么重要：大量企业为了“多开”“群控”接入非官方工具，一旦这类工具被攻破，攻击者就能直接冒用品牌账号触达客户；这提醒企业审视第三方插件带来的账号与客户数据风险。
Firecrawl Alexandria 上线 NBA 梦幻篮球数据
Firecrawl 宣布 Alexandria 新增梦幻篮球数据，可向 ChatGPT 或 Claude 提供每位 NBA 球员的预测、专家排名、伤病更新和新闻，通过 Firecrawl 插件使用。
为什么重要：Firecrawl 的 Alexandria 数据目录新增 NBA 梦幻篮球数据，ChatGPT 或 Claude 可通过 Firecrawl 插件获取球员预测、排名、伤病和新闻。
TypingMind 支持 OpenAI 模型 12 小时提示缓存
TypingMind 官方宣布，使用 OpenAI 模型时现已支持 12 小时的提示缓存（prompt caching）。
为什么重要：TypingMind 对 OpenAI 模型支持 12 小时提示缓存，重复使用长提示时可减少重复计费和等待。
Bun 发布三项安全公告，1.4.4 已全部修复
Bun 官方公布了影响 1.4.3 及更早版本的三项安全公告：eMudhra 证书被攻破、brotli 解码器漏洞（HTTP2Shell），以及 HTTP/3「Header Accordions」攻击。三项均已在 Bun 1.4.4 修复，官方建议运行 bun upgrade 升级，并重新构建用 bun build --compile 打包的程序。
为什么重要：Bun 1.4.3 及更早版本存在三个安全问题（证书、brotli 解码越界写、HTTP/3 攻击），1.4.4 已修复，用户需升级并重新编译 bun build --compile 产物。
Ollama 上线 NVIDIA Nemotron 3.5 Bolt E4B 小模型
Ollama 模型库新增 nemotron-3.5-bolt:e4b，下载约 7.2–7.9GB，128K 上下文，支持文本与图像输入和工具调用。该模型由 NVIDIA 基于 Gemma 4 E4B 后训练（8B 参数，4B 有效），面向本地助手等场景，运行命令为 ollama run nemotron-3.5-bolt:e4b。推文中的“4GB”出自 NVIDIA 模型名，并非下载大小。
为什么重要：NVIDIA 的 4GB 小型开放模型 Nemotron 3.5 Bolt E4B 可在 Ollama 本地运行，面向本地助手、对话角色和机器人的工具调用场景。
Ollama 支持文本转语音，首个模型为 Gradium 的 Phonon
Ollama 新增文本转语音能力，首个语音模型是 Gradium 的小型 TTS 模型系列 Phonon，目前支持 macOS，Windows 和 Linux 即将支持。 在 Apple Silicon 上，Ollama 借助 MLX 加速，称在 M5 Max 版 MacBook Pro 上比 Gradium 自家运行时快 35%，词错误率与参考实现持平。Phonon 支持英、法、德、西、葡五种语言和多种音色，兼容 OpenAI 的语音接口；主模型采用 Apache 2.0 许可，40M 小模型限非商业使用。
原文Ollama can now turn text into speech.
Ollama官方博客Buttondown 改进写作后台无障碍：屏幕阅读器与键盘导航
Buttondown 对作者使用的写作和管理后台做了一轮无障碍改进。 屏幕阅读器方面，新增跳到正文的链接和页面地标，约 25 个纯图标按钮补上了可读名称；键盘方面，表格可用方向键逐行移动，文件行、分析列等元素均支持键盘操作。团队接下来将改进文字对比度、焦点轮廓、Windows 高对比度模式，并对照 WCAG 2.2 检查。
原文This time, we turned that lens on ourselves: the app you use to write, send, and manage your newsletter.
Buttondown官方博客Paperclip v2026.1023.0：任务和项目可设为私有
Paperclip v2026.1023.0 允许把任务或项目设为私有并共享给指定的人和 agent，其他人无法打开、搜索、读取运行记录或通过插件访问。agent 可通过自有模型网关运行，支持 OpenRouter、Amazon Bedrock、Google Gemini 和兼容 OpenAI 或 Anthropic 接口的端点；Costs 页面改为精确账本，并显示月度订阅费用。 Operator 角色预设从 1 项权限扩大到 14 项，可创建和配置 agent，管理员应检查成员角色。GitHub 审查机器人移到默认关闭的实验设置之后，已有机器人继续运行。
PaperclipGitHub 版本发布Coolify v4.5.0：新增服务器补丁、舰队指标页和 Passkey 登录
Coolify v4.5.0 新增 Gitea App 源，可部署私有 Gitea 仓库；新增服务器补丁功能（beta），可按服务器自动安装安全更新；新的舰队指标页汇总服务器和容器的表格与趋势图。 这一版还新增 Passkey 登录、应用和服务的文件浏览器，以及更新前自动备份 Coolify 数据库。安全方面，明文密钥改为静态加密存储；不兼容变更包括 API token 需要 deploy 权限才能运行计划任务等操作，POST /api/v1/enable 接口已移除。
CoolifyGitHub 版本发布Claude Code vs Codex (2026): Which Coding Agent to Use, and How to Run Them Together
本条来自官方博客（lobehub.com），发布于 。查看原文
LobeHub官方博客Hindsight v1.1.0：可配置决策模型并支持服务端选 LLM
Hindsight v1.1.0 加入统一的决策模型配置，可按操作单独覆盖，提供方新增 Cloudflare Clef 和 OpenAI Decisions API；配置了决策模型后，recall 会用它来排序。LLM 请求扩展可在服务端为每次调用选择 LLM 和凭据。 文档搜索可以检索正文，并显示哪些字段命中。webhook 事件加入投递 ID；此外还修复了 Windows 上导出轮询超时、未知 tags_match 被放宽为 any 等问题。
HindsightGitHub 版本发布Hindsight 评测：英伟达 Nemotron 3.5 Embed 记忆检索居首
智能体记忆项目 Hindsight 在其评测体系中把英伟达 Nemotron 3.5 Embed 与另外 7 个嵌入模型对比，包括 OpenAI text-embedding-3-small、BGE-M3 和 Qwen3-Embedding-0.6B。Hindsight 称 Nemotron 在 LoCoMo 和 BEAM 100K 记忆检索上分别取得 93.8% 和 65.9%，均列第一。 得益于 32768 个 token 的上下文，Nemotron 能完整嵌入对话原文段落，在 BEAM 千万 token 档的 recall@10 为 38.0%，在 8 种语言 27 项检索任务上平均 nDCG@10 为 55.1。在单张英伟达 L4 上每次查询约 30 毫秒，比参数量约为其一半的 Qwen3-Embedding-0.6B 更快。
原文Nemotron finished first on memory retrieval and first on the leaderboard, and it answered queries faster than a model just over half its size.
Hindsight官方博客Hugging Face ❤️ TorchTPU: TPUs, Natively
本条来自官方博客（huggingface.co），发布于 。查看原文
Hugging Face官方博客两支黑客松团队用 marimo 为小商家和科学家做工具
marimo 介绍了两支获奖黑客松团队：Standard Physics 在 CoreWeave Hacks 拿下 marimo 赛道和“最具生产可用性”奖，MIKMAK 在一场实验室自动化黑客松获总冠军。 Standard Physics 的应用把手机扫描变成 3D 房间模型，帮小商家排查无障碍问题，调整家具即可实时看到检查结果；MIKMAK 让智能体设计针对 TEM-1 酶的抑制实验并驱动机器人执行，科学家在 marimo 界面中审批计划、复盘运行记录。
原文Their project connected agent-proposed experiments, physical laboratory runs, and analysis.
marimo官方博客Impeccable skill v4.7.0：可评审桌面应用，新增两项排版检查
Impeccable skill v4.7.0 可对以调试端口启动的 Electron、NW.js、CEF 或 WebView2 应用做 critique 和 audit，扫描当前打开的窗口且不改动应用。新增两项排版检查：straggler 检查段落末行只剩一个词，unbalanced-heading 检查标题末行过短。 常驻每个会话的技能描述缩短 30%，并能识别编写 DESIGN.md 的请求。决策和评审页面会跟随系统深色模式，monorepo 中只把渲染界面的 workspace 列为目标。
ImpeccableGitHub 版本发布Easydict 2.25.0：新增 Anki Connect 集成
Easydict 2.25.0 新增 Anki Connect 集成，配置项放在单独的设置面板中。DeepL 客户端版本已更新以恢复翻译兼容性，DeepL 还新增希伯来语和泰语支持。 Gemini 改用 OpenAI 格式。查询窗口的尺寸调整和文本渲染更加稳定。
EasydictGitHub 版本发布Cloudflare 的 27B 决策模型 Clef 上线 Ollama
Ollama 宣布上线 Cloudflare 的多模态决策模型 Clef，用户可本地运行或使用 Ollama 云端。 Clef 参数量 27B，基于 Qwen3.8-27B 微调，采用 Apache 2.0 许可，可一次读取文本、JSON 或图片并同时为所有问题的答案打分，适用于请求路由、条件判断、策略执行、文档字段识别和工具调用审核。Ollama 引用 Cloudflare 的数据称，Clef 在其决策指数上排名第一。
原文Clef turns a state and a schema of typed questions into decisions.
Ollama官方博客Documenso v2.21.0：被举报账户将被停用
Documenso v2.21.0 会在账户被举报时停用该账户，并显示新账户警告。 这一版还修复了 v1 多方签署在可选字段为空时无法完成的问题。
DocumensoGitHub 版本发布AI Workspace Permissions: Roles, Data Access, and Checks
本条来自官方博客（affine.pro），发布于 。查看原文
AFFiNE官方博客Open Source Notion Alternative: The Tradeoffs Most Lists Miss
本条来自官方博客（affine.pro），发布于 。查看原文
AFFiNE官方博客Digital Workspace Solutions 2026: The All-in-One Guide
本条来自官方博客（affine.pro），发布于 。查看原文
AFFiNE官方博客4 Collaborative Online Workspaces Compared for 2026 Teams
本条来自官方博客（affine.pro），发布于 。查看原文
AFFiNE官方博客shadcn/ui @shadcn/helpers 0.3.0：output() 支持初步输出
- output() 新增 { preliminary: true } 选项。
shadcn/ui