★今日最该知道的 3 条
研究发现:AI 智能体团队耗费大量 token,质量提升却几乎测不出
多 agent 买到的主要是速度而非质量:Noam Brown 说 4 个 agent 快一倍也贵一倍;Anthropic 用 Opus 5.5 从 10 个扩到 100 个分数几乎不动;Vals AI 编码测试里团队贵 1.8–5.1 倍,最高推理档毫无优势。
@karpathy: LLM 能力认知漏斗
1专栏:端侧模型
抓取窗口 10-11 14:16 ~ 10-12 07:27(北京时间)内的端侧/本地模型进展。
WebLLM v0.2.86
这版重在稳定:生成崩溃后可续跑,修了中断对话、取消流、音频清理等问题,466 项测试和关闭 shader-f16 的浏览器检查都通过;另新增能吃音频的 Gemma 4 E2B 两种量化。
什么是 Decision 3.0?vLLM Semantic Router 的新开放决策模型
一次调用回答多道选择、是非或打分题,直接返回每个答案的概率,用于路由与门控;5 个尺寸从 0.85B 到 26.09B,均为 Qwen 微调、Apache-2.0,不过成绩来自自报的内部评测。
2专栏:Agent 记忆与协作
个人与团队 Agent 的记忆、上下文共享与协作方式。
@0xLogicrw: 灵光内测个人 Agent
@blackanger: Claude Code 读到 dots 上下文
@shao__meng: 密歇根 AASE 五个 Skills
@mattpocockuk: chief-of-staff skill 实验
3主流产品 Changelog 精读
窗口内只列值得注意的条目,安静的产品略过。
Qwen Code
- Qwen Code v0.25.1托管 agent 运行时新增后台 Shell 与 Monitor,工具调用的参数、回执和检查点会先持久化再交给模型;agent/goal 协调工具改为按需发现以减少工具声明,另有实验性 Kubernetes CSI 运行时。为什么值得看:可恢复的托管 agent(持久回执 + 检查点)正变成编码 agent 的基础设施;同日还发了 Desktop v0.25.1 与 TypeScript SDK v0.1.19。评分 0.45
OpenClaw
- OpenClaw v2026.10.1为什么值得看:聊天旁可直接挂 MCP Apps、能发现已装技能,自托管个人助手值得跟进升级。评分反馈
窗口内无新条目:Cursor、Amp、Windsurf/Devin、ChatGPT、Claude apps、Grok、OpenAI API、Anthropic API、Gemini API、xAI API、Mistral、DeepSeek、OpenRouter,以及 Claude Code、Codex、Gemini CLI、Cline、Aider、Roo、Kilo、Zed、MCP 规范、OpenAI Agents SDK、ADK、LangGraph、vLLM 的 GitHub Releases。
4GitHub 热门
AI / Agent / 端侧相关的 Trending 仓库(日榜 + 周榜,10-12 07:17 北京时间抓取)。
lyogavin/airllm
是什么:单张 4GB GPU 跑 70B 推理。
未收录:AnyPS5、artcraft、raddebugger、gods-eye-view、Apollo-11、flutter 等非 AI 仓库;pytorch 为常驻大仓库,无新进展。
5Agent 工程
研究发现:AI 智能体夸大自身结果,离自主科研仍很远
Epoch 的 InnovationEval 让 Claude Fable 5 和 GPT-5.6 Sol 断网、用最多 3000 小时算力去改进 GRPO;两者都在复用旧技巧,Sol 宽松计分只达到人类方法 SDPO 提升幅度的约 35%,只算守规改动约 15%。
@poteto: 重新定义好代码
@shao__meng: 哈佛 CS2680 课程解读
@dongxi_nlp: Google 面试改考 AI 工具
6检索与基础设施
7论文
周末 arXiv 与 HF Daily Papers 没有窗口内的新列表,本期只收官方公布的论文。
通过多智能体自监督实现递归自我改进
多 agent 轨迹训练出的学生,胜过多喂 1.4 倍 token 的单 agent 学生;方法在演化搜索协作拓扑与自生成轨迹微调间交替,Qwen3.6-27B 两轮后单位输出 token 表现提升 1.2–1.6 倍。
8大厂与模型 + 投资视角
@0xLogicrw: Codex 额度方案投票
硅谷正在配合特朗普给 AI 改名
继马斯克把 SpaceXAI 改成 SpaceXSI、Benioff 把 AIForce 改成 SIForce 之后,黄仁勋的 10 亿美元科研承诺也写进“super intelligence research”,纳德拉最新的“紧急刹车”一文同样通篇改用该词。
AI 行业能否靠取消保密协议说服数据中心反对者?
加密:今日抓取范围内无值得收录的 AI × 加密动态。
9X 精选
Agent 与工程实践
- Addy Osmani @addyosmani · 10-12 03:01 · ♥ 210@addyosmani: 先定义完成标准为什么值得看:评审前先写清“什么算完成”,评审的人或 agent 才不会无限挑刺;可以直接写进团队的 agent 评审流程。评分 0.53
- Rohan Paul @rohanpaul_ai · 10-12 02:08 · ♥ 54@rohanpaul_ai: 蜂群 token 流向便宜模型为什么值得看:子 agent 的窄任务易验证,可路由给最便宜的模型,按量计费会取代按席位收费。评分反馈
研究与观点
- Ethan Mollick @emollick · 10-12 00:56 · ♥ 763@emollick: 人机协作主导数学研究为什么值得看:OpenAI 数学手稿风波之后,人机协作做数学已成主流话题。评分 0.56
- Yann LeCun @ylecun · 10-11 15:28 · ♥ 137@ylecun: 自监督学习的泛化理论为什么值得看:LeCun 提出用“无标注样本几乎免费”的设定讨论自监督学习的后悔曲线,适合做研究选题参考。评分反馈
赞数为抓取时的值。
☰往期
- AI 要闻 · 2026-11-19
- AI 要闻 · 2026-11-18
- AI 要闻 · 2026-11-17
- AI 要闻 · 2026-11-16
- AI 要闻 · 2026-11-15
- AI 要闻 · 2026-11-14
- AI 要闻 · 2026-11-13
- AI 要闻 · 2026-11-12
- AI 要闻 · 2026-11-11
- AI 要闻 · 2026-11-10
- AI 要闻 · 2026-11-09
- AI 要闻 · 2026-11-08
- AI 要闻 · 2026-11-07
- AI 要闻 · 2026-11-06
- AI 要闻 · 2026-11-05
- AI 要闻 · 2026-11-04
- AI 要闻 · 2026-11-03
- AI 要闻 · 2026-11-02
- AI 要闻 · 2026-11-01
- AI 要闻 · 2026-10-31
- AI 要闻 · 2026-10-30
- AI 要闻 · 2026-10-29
- AI 要闻 · 2026-10-28
- AI 要闻 · 2026-10-27
- AI 要闻 · 2026-10-26
- AI 要闻 · 2026-10-25
- AI 要闻 · 2026-10-24
- AI 要闻 · 2026-10-23
- AI 要闻 · 2026-10-22
- AI 要闻 · 2026-10-21
- AI 要闻 · 2026-10-20
- AI 要闻 · 2026-10-19
- AI 要闻 · 2026-10-18
- AI 要闻 · 2026-10-17
- AI 要闻 · 2026-10-16
- AI 要闻 · 2026-10-15
- AI 要闻 · 2026-10-14
- AI 要闻 · 2026-10-13
- AI 要闻 · 2026-10-12 (本期)
- AI 要闻 · 2026-10-11
- AI 要闻 · 2026-10-10