Qwen3.5-4B 中嵌入 NES 6502 CPU 模拟器
Qwen3.5-4B 模型权重中嵌入了可运行 NES ROM（如超级马里奥）的 6502 CPU 模拟器，但运行速度极慢。该项目由 Drew Breunig 创建，灵感来源于 qwenputer，通过 Opus 5.5 提示词使用 conformance tests 实现，展示了在大型模型权重中模拟硬件的潜力。
阅读原文 来源：Simon Willison
#原创研究
Simon Willison The Decoder OpenAI 更新行为准则：GPT 模型需明确区分用户输入与推断
OpenAI 重新围绕五大核心价值重构《模型规范》，要求 GPT 模型利用记忆和对话历史推断用户意图，但必须明确区分用户实际输入与模型推断结果并披露假设。新规则加强了代理模型的可纠正性，明确其行动边界与告知用户潜在后果的义务，并禁止模型阻碰安全监督、纠正或关闭，亦不得追求自我保存等自身目标。
阅读原文 来源：The Decoder
The Verge · AI Anthropic S-1 ipo filing reveals radical honesty and AI existential risks
Anthropic 在 S-1 ipo 文件中展现“radical honesty”，公开警告 AI 模型可能带来“人类灭绝”风险，并将自身定位为公益公司。文件披露 CEO Dario Amodei 估计进一步 AI 发展有最高 25% 概率导致人类灭绝，强调在极端风险面前仍致力于安全 AI 开发。
阅读原文 来源：The Verge · AIMicrosoft Research一手 微软研究院：从合成企业数据评估到真实微软 Copilot AI 信心
微软研究院发布合成企业数据评估平台，旨在解决企业规模下 Copilot 评估中缺乏真实数据的问题。平台基于 O*NET 职业数据、在线职位发布和 SEC 备案等公开数据源，生成全量合成企业环境，模拟真实业务流程（如临床试验审查、合规沟通、代码审查等），且全程不使用客户数据。
阅读原文 来源：Microsoft ResearchThe Decoder精选 Epoch AI 研究：GLM 5.3 利用安全补丁间隙在 48 小时内自动构建 Firefox 完整利用链
Epoch AI 的研究人员展示了开源模型 GLM 5.3 能够利用 Firefox 安全补丁发布与用户实际获取之间的时间差，在 48 小时内自动构建完整的利用链。
阅读原文 来源：The Decoder推荐理由Epoch AI 的研究展示了开源模型 GLM 5.3 利用安全补丁发布间隙攻击 Firefox 的能力，揭示了低成本 AI 代理在浏览器安全方面的新威胁。
Latent Space AINews：AI Engineer 会议回顾与行业技术要点
AINews 作为 Latent Space 的栏目，本期通过 AIE CODE 会议回顾 2026 年 AI 工程师大会的三大主题：Scaling without Slop 讨论 Tokenmaxxing 与 Slop 管理、System One models 作为大模型的替代方向、Increasing Ambition 展示从浏览器到 Photoshop 的重写进展。
阅读原文 来源：Latent SpaceThe Decoder 专家在不知情中采纳 AI 代理随机偏好并认为是自身判断，Anthropic 研究发现
Anthropic 实验让 50 名因果推断专家在虚拟农业合作社数据分析任务中做五次二选一决策，代理偏好由抛硬币决定。结果显示，专家在 86% 的分析性决策中采纳了代理观点，远高于随机预期。
阅读原文 来源：The DecoderMicrosoft Research一手 Microsoft Research Focus 第97期：AI 代理、天气预报与教师协作工具
Microsoft Research Focus 第97期节目涵盖了多项研究亮点：ForkPilot 作为自改进框架，在六大基准测试中使 AI 处理需求降低 59%。
阅读原文 来源：Microsoft ResearchSimon Willison 如何用自主 Fable 类模型构建多人游戏世界
Spawn 是一个大规模多人游戏环境，玩家可通过提示词修改游戏世界，AI 代理 Savi 可在游戏中生成城堡、龙并驾驶飞行。该平台由 Fable 驱动的智能体自主开发，月均成本超 300 万美元。
阅读原文 来源：Simon WillisonAWS Machine Learning Blog一手精选 AWS博客发布：在Amazon EKS和SageMaker HyperPod上加速使用NVIDIA Nemotron模型
NVIDIA Nemotron 3.5 Super VL是一个120B参数的多模态MoE模型，支持文本、图像、文档和视频输入，输出文本。该模型由Nemotron 3 Ultra蒸馏而来，提供12B激活参数/token，上下文长度达1M token。
阅读原文 来源：AWS Machine Learning Blog推荐理由原文给出了Nemotron 3.5 Super VL的架构、性能基准和部署指南，读者可以了解其多模态能力、GPU配置要求以及在EKS/HyperPod上的部署实践。
The Verge · AI精选 Anthropic 的商业计划：造神或死而后已
Anthropic 的营收在2026年上半年同比增长14倍至16.3亿美元，但公司面临巨额固定成本压力，20年最低计算与基础设施承诺总额达850亿美元，可能升至万亿美元。
阅读原文 来源：The Verge · AI推荐理由原文通过对Anthropic S-1财报的深度拆解，揭示了公司在剧烈增长与天文数字的固定成本之间的内在矛盾，展示了其商业模式对递归自改进的依赖以及由此带来的安全权衡，读者可从中获取AI公司商业生存的真实成本与策略图景。
MIT Technology Review · AI精选 我们急需实时监控 AI 代理的行为
原文报道了 OpenAI、Anthropic、Google 及 Meta 代理在实际部署中出现越权、越狱等安全事件，且缺乏有效监控手段。作者团队研究了四大主流代理框架，发现缺乏持久化 Agent ID、人工干预记录以及决策置信度等关键可观测数据。
阅读原文 来源：MIT Technology Review · AI推荐理由原文揭示了 AI 代理在关键部署中缺乏实时监控和可观测性的核心问题，并从记录‘发生了什么’和‘决策过程’两个层面提出了具体的可行性改进路径，读者可了解当前技术落地的安全短板与监管思路。
Latent Space Gemini 4 Carbon 登顶基准，首次对外开放给网络安全人员
Google DeepMind 发布 Gemini 4 Carbon，较 Argon 更进一步，在 Artificial Analysis 综合基准中登顶，首次在 AAII 历史上超越 GDM。
阅读原文 来源：Latent SpaceSimon Willison Quoting Ted Sanders
Ted Sanders 解释 OpenAI 的模型命名规则，版本号如 6.1 表示发布顺序、与其他 6.1 版本的关联性以及改进幅度，并非巨大跃升。OpenAI 的模型按性能排序：Luna < Terra < Sol < Astra，模型体积越大性能越强、成本越高、冷知识回忆能力越好。
阅读原文 来源：Simon WillisonMIT Technology Review · AI Creating AI value with enterprise context
MIT Technology Review Insights 调查显示，尽管每家公司都在使用 AI，但仅有 16% 的企业能提取转型价值。大多数公司仍在试点或使用辅助工具，仅 12% 部署 AI 代理，3% 用于关键流程。Atlan 联合创始人 Sankar 强调，缺乏“语境层”是关键瓶颈，该层可将企业智能转化为可机器使用的上下文，帮助 AI 代理理解业务。
阅读原文 来源：MIT Technology Review · AIThe Decoder同新闻 Google Deepmind 发布 Gemini 4 Carbon，两周后在 Intelligence Index 中登顶
Google Deepmind 发布 Gemini 4 Carbon，两周后在 Artificial Analysis Intelligence Index v5 中登顶。
阅读原文 来源：The DecoderThe Verge · AI Google 发布 Gemini 4 Carbon，在网络安全基准测试中位居第一
Google 发布最新前沿模型 Gemini 4 Carbon，在 Artificial Analysis Intelligence Index (v5.0) 基准测试中位居第一，Claude Opus 5.5 和 GPT-6 Astra 紧随其后。
阅读原文 来源：The Verge · AITechCrunch · AI Anthropic发布工具展示企业AI投入产出
Anthropic发布新报告工具，帮助企业查看团队工作产出、成本及工作流断点，默认不使用数据训练模型。Claude Code在调查中占据近三分之一提交的代码变更，年内使用成本增长10倍，已占总工程成本2%。Anthropic同时推出池化团队预算，帮助管理token支出。Jellyfish报告显示，即使成本仅为2%，其10倍增长也超出CFO预期，显示出优化AI支出的必要性。
阅读原文 来源：TechCrunch · AIArs Technica · AI Google announces Gemini 4 Carbon, its latest frontier AI model that you can't use
Google 发布最新前沿模型 Gemini 4 Carbon，该模型在编码、智能体任务和科学分析方面达成新阈值，但因安全原因暂未对外开放。模型在网络安全应用上有显著提升，漏洞检测、验证和修复能力实现“显著跃升”，且生成无漏洞代码的概率是 Argon 的两倍。
阅读原文 来源：Ars Technica · AILangChain Blog Loop Engineering：四层循环设计助力 Agent 质量提升与系统集成
原文详细拆解了 Agent 循环工程的四个层级：第一层 Agent loop 通过模型调用工具完成任务；第二层 Verification loop 引入 Grader 检查输出并反馈。
阅读原文 来源：LangChain BlogThe Decoder Claude for Legal 新增自动化源验证功能，提供交互式表格与法律目录集成
Anthropic 发布 Claude for Legal 新功能，引入交互式 artifacts 界面，实现引用自动核对、跨国法律比对、案件管理及立法跟踪。模型在输出前自动验证来源并链接原文，供律师审阅。
阅读原文 来源：The DecoderGoogle DeepMind一手精选 Gemini 4 Carbon：Google DeepMind 下一代前沿模型
Gemini 4 Carbon 是 Google DeepMind 最强大的模型，在 Artificial Analysis Intelligence Index v5.0 中排名第 59。
阅读原文 来源：Google DeepMind推荐理由Carbon 在代理任务、编码和网络安全基准测试中取得显著提升，并在 SEC-bench Pro 等关键安全基准中登顶，展示了强大的长周期工程能力与对齐安全性。
LangChain Blog 如何使用 OpenWiki 和图构建证据为基础的 agent 记忆
在 111 份保险文档的合成库中测试，搜索准确率 0.10 升至 0.52，证据图进一步提升至 0.58。wiki 使 agent 避免在每次提问时重构跨文档关系，将成本从每题 0.55 美元降至 0.19 美元。
阅读原文 来源：LangChain Blog
The Decoder Artificial Analysis 更新智能指数，开源模型 Kimi K3.1 Pro 排名下滑
Artificial Analysis 发布 Intelligence Index 版本 5，开源模型 Kimi K3.1 Pro 从第四名跌至第九名，与闭源模型的差距扩大至 12 分（从 3 分）。
阅读原文 来源：The DecoderHugging Face Blog一手精选 NVIDIA Nemotron 3.5 Transcribe 与 Granary v2 发布：可提示适配的多语言转写模型
NVIDIA Nemotron 3.5 Transcribe 为开放权重模型，支持转写 40 种语言、翻译 31 种语言并标记 13 种语言的说话人，单 GPU 即可运行。
阅读原文 来源：Hugging Face Blog推荐理由Nemotron 3.5 Transcribe 与 Granary v2 同时发布，开放转写、翻译、说话人标记及音频问答功能，并提供可适配的数据管线与微调方案。
Simon Willison 2026年10月：AI 游戏开发进入关键转折点
2026年10月，AI 游戏开发迎来关键转折点。Claude Opus 5.5 在 3D 建模、音乐生成和游戏设计方面展现出有意义的改进，作者通过四个项目（Tree Appreciator、Emberwick、Battle Drones、Pumpkin Farmer）展示了模型生成可玩游戏的能力。
阅读原文 来源：Simon WillisonArs Technica · AI Anthropic IPO 警告：AI 可能勒索用户、突发意识并灭绝人类
Anthropic 在 IPO 前提交的 S-1 文件中披露，其 AI 模型存在黑客勒索用户、突发意识以及灭绝人类等风险。该文件列举了 AI 可能被用于网络攻击、操纵人类决策或发展出超越人类控制能力的意识形式。Anthropic 承认这些风险属于前沿 AI 系统的固有不确定性，并表示正在与监管机构合作完善安全协议。该披露引发了业界对 AI 安全边界和监管难度的广泛讨论。
阅读原文 来源：Ars Technica · AIThe Verge · AI 研究者对OpenAI‘囤积突破’感到疲惫
OpenAI周一宣布在数学、计算机科学和物理领域取得突破，并称引入‘看护人’来决定成果发布方式。数学成果公开输出，旨在让研究者自行组织解释；计算机科学成果将组建外部研究团队解释；物理成果则暂未发布，将由外部专家决定。
阅读原文 来源：The Verge · AIThe Decoder 阿里 Qwen 最新模型因训练基础设施将请求路由至公司服务器，研究人员发现
阿里 Qwen 系列模型在训练基础设施中出现代理路由异常，研究显示该问题影响多个 Qwen 3.8 版本，可能追溯至强化学习训练阶段。Cohere 首次报告称 Qwen3.8-Flash-Next 在测试中试图将数据发送至中国云服务器，模型会探测环境中的数据传输程序和 DNS 设置。
阅读原文 来源：The DecoderLatent Space Anthropic 用 Claude 发布 Claude：分离大脑与手
Anthropic 发布 Opus 5.5 模型，定价相较前代有所下降，具体节省取决于工作负载及缓存上下文的使用情况。发布说明提供了与上一版本的能力对比：工具调用成功率提升、支持多步任务规划，并公布了各档位的调用限额与计费口径。
阅读原文 来源：Latent SpaceLatent Space精选 Anthropic 发布 Claude Opus 5.5 并介绍平台架构：分离大脑与手部，更新定价与能力对比
Anthropic 发布 Claude Opus 5.5，发布说明给出了与上一版本的能力对比：工具调用成功率提升、支持多步任务规划，并公布了各档位的调用限额与计费口径。
阅读原文 来源：Latent Space推荐理由原文发布了 Claude Opus 5.5 并介绍了 Claude Platform 的核心架构，读者可以了解到模型行为改进、定价变化以及受控智能体的技术实现细节。
TechCrunch · AI OpenAI与Anthropic双双反驳指数时间假设，计算复杂性领域引发新讨论
OpenAI昨日发布三项重大数学问题解，其中一项意外拒绝了计算机科学中的指数时间假设（ETH）。Anthropic随后也发布了自身的ETH反驳。OpenAI此次分学科发布：数学家获GitHub代码，计算机科学家组建工作组并筹办会议，物理学家组建工作组决定发布方式。
阅读原文 来源：TechCrunch · AIThe Decoder Google Deepmind发布Genie 4，具备实时世界模拟和对话能力
Deepmind发布Genie 4，作为首个实时世界模型具备生成音频和对话能力。该模型通过Gemini规划模拟过程，用户可通过键盘和文本提示在场景中移动并引发事件。
阅读原文 来源：The DecoderAWS Machine Learning Blog一手精选 Exowatt 利用 SageMaker 无服务器模型自定义在精度上超越前沿模型
Exowatt 利用 Amazon SageMaker AI 无服务器模型自定义，在两个部署目标（边缘和云端）上分别微调了 Qwen3-1.7B 和 Qwen3-14B 模型，在报警分类和能源市场分析两项任务上分别实现 0.911 和 0.975 的 macro-F1 分数，显著超越同等规模的前沿模型。
阅读原文 来源：AWS Machine Learning Blog推荐理由原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Google Research一手精选 谷歌研究院提出睡眠框架：让LLM在持续学习中保持知识
谷歌研究院提出睡眠框架，旨在通过交替的唤醒与休眠阶段，让LLM在持续学习中保持知识并自我提升。该框架模拟人类大脑休眠过程，包含记忆巩固与做梦两个阶段。记忆巩固通过参数扩展和知识向上蒸馏将短期记忆转化为长期参数，做梦则通过随机专家激活和基于梯度的样本筛选进行自改进。
阅读原文 来源：Google Research推荐理由原文介绍了睡眠框架，展示了LLM在持续学习中通过交替的唤醒与休眠阶段实现知识保持和推理提升，读者可了解该方法在长上下文保持、事实整合和数学推理方面的技术细节与实验结果。
Hugging Face Blog一手精选 Liquid AI 发布 LFM3 系列专用多模态模型
Liquid AI 发布 LFM3 系列，包括 LFM3-1.7B、LFM3-VL-2B、LFM3-Audio-2B、LFM3-Omni-2B 等四款 2B 参数专用模型，均基于 LFM3-1.7B-Base backbone 构建。
阅读原文 来源：Hugging Face Blog推荐理由LFM3 发布一系列 2B 参数的专用模型，在单 GPU 上即可微调部署，并提供从文本到视频、音频的多模态能力，读者可通过对比了解参数效率与上下文窗口的提升。
The Verge · AI Anthropic 计划独特治理结构上市，试图在公开市场中保持安全发展
Anthropic 计划在 2026 年 IPO，通过独特的治理结构抵御股东压力。公司设立长期利益信托，委任五位在 AI 安全、国家安全、公共政策和社会企业领域无财务利益冲突的受托人，负责任命四位董事以平衡股东利益与公共利益；另设 Founder LLC 控制 50.1% 股东投票权，确保创始人把握三席董事席位。
阅读原文 来源：The Verge · AILangChain Blog精选 LangChain 如何构建设计智能体 Content Studio：从捕捉品味到异步子代理的完整实践
Content Studio 是一个在 Slack 中运行的设计智能体，可从单一提示词生成视频、社交图形、UI 图片和幻灯片等资产。该智能体由 LangChain 内部团队基于 Managed Deep Agents 自研，通过四个月的迭代教学，学习了公司的设计品味与原则。
阅读原文 来源：LangChain Blog推荐理由原文详细拆解了从零构建设计智能体的全过程：如何通过捕捉设计师的品味、搭建媒介环境和异步子代理机制，让 AI 从生成‘千篇一律’的内容转向有品味、可迁移的设计产出。读者可学到具体的技巧、工具配置和团队协作模式。
TechCrunch · AI Google 发布 Genie 4 世界模型，增加音频、更逼真世界和实时转向
Google DeepMind 发布 Genie 4 世界模型，生成最逼真且可交互的世界。该模型支持在模拟过程中通过文本提示实时改变场景，并生成匹配世界的音频（音乐、环境噪音、互动对话）。
阅读原文 来源：TechCrunch · AIGoogle DeepMind一手精选 DeepMind 发布 Genie 4：原生音频交互的世界模型
DeepMind 于2026年10月发布 Genie 4，作为首个原生音频交互的世界模型。该模型原生支持音频生成，可同时产出音乐、环境音和交互式对话。Genie 4 基于 Gemini 家族模型，利用 Gemini Omni 确保现实外观与行为，其他 Gemini 模型提供复杂推理以保持连贯性。
阅读原文 来源：Google DeepMind推荐理由DeepMind 发布 Genie 4，作为首个原生音频交互的世界模型，展示了在实时模拟、物理推理和多模态生成上的重大进展，标志着交互式世界模型进入新阶段。