Athanor：让智能体自主完成后训练研究的系统
论文提出 Athanor，一个面向自主后训练研究（AutoPostTrain）的 agent-native 系统，让智能体在真实 GPU 上自行读取数据集与评测结果、构建训练数据、修改训练算法并调参。
推荐理由：论文展示四个 Claude Opus 5.5 智能体在 104 小时内自主完成 Qwen3-4B-Base 的后训练，结果接近官方 instruct 版本。
#Qwen
#Qwen
今日 4 条arXiv · cs.AI精选AI 评分7171 少数派AI 评分5757 派早报：Apple 智能国行 Beta 本月晚些时候上线，Grok Voice 3.0、Step 5 Preview 等发布
10 月 15 日 Tim Cook 在少数派参与的媒体活动中表示，Apple 智能国行 Beta 版本将于本月晚些时候上线测试版本，包含实时翻译、照片 app 消除工具和写作工具，但不含 Siri AI。
量子位AI 评分7575 库克：苹果智能接入阿里千问，10月底在中国发布测试版
苹果董事会执行主席蒂姆·库克10月15日在上海接受采访时表示，苹果智能及相关阿里千问大模型已获批准，将在十月晚些时候发布测试版本，首批功能包括实时翻译、书写工具和照片清除工具，Siri AI不在此次范围内。库克称首批核心苹果智能功能可以慢慢上线。
Hacker News · Front Page精选AI 评分8383 神经网络本就是干净的：一项对叠加假说的重新检验
作者在数月研究图像与语言模型神经元后提出，此前被视为多义性与叠加假说的典型证据多被误读，网络把概念任意打包的现象主要是递归泛化，即神经元沿多个方向生长出相关分支。
推荐理由：作者用图像与语言模型的神经元实验反驳叠加假说，提出递归泛化解释，并给出可复现的观察方法。
Latent SpaceAI 评分6262 Modal 年化收入破 10 亿美元，完成 16 亿美元 D 轮融资
Modal 年化经常性收入突破 10 亿美元，完成由 Accel 领投的 7.5 亿美元 D 轮融资，估值 157.5 亿美元，用量同比增长超 15 倍。其 Sandboxes 产品单独达到 3 亿美元年化收入，累计启动近 30 亿个沙箱，可扩展到百万级并发。
MarkTechPostAI 评分5858 Fish Audio 发布 Drama 3：35B 开源权重 MoE 文本转语音模型
Fish Audio 本周发布 Drama 3，一个 35B 参数的 MoE 文本转语音模型，每 token 约激活 3B 参数，权重已上传 Hugging Face 并上线 Fish Audio API。
Hacker News · Show HNAI 评分7272 topoloop 发布离线 0.8B 旅行智能体 Finch，在 OpenStreetMap 问答上追平 Gemini 3.8 Flash
topoloop 发布开源权重模型 Finch（0.1-0.8B），在自建评测 Ask Maps Basic 的 100 道旅行问题上正确率追平 Gemini 3.8 Flash，接地性得分 79 领先 Gemini 的 12，完全离线运行在手机端 OpenStreetMap 索引上。
Hacker News · Show HNAI 评分6262 AgentGate 发布 AI 智能体工具授权网关，拦截工具调用并判定放行或拒绝
AgentGate 是一个面向自主 AI 智能体工具执行的进程外授权代理与安全网关，在工具调用进入运行时之前拦截，用低于 40ms 的神经分类头评估提示词注入与影响范围风险，并按 policy.yaml 执行确定性访问控制。
极客公园AI 评分6262 谷歌 Gemini 4 Argon 上线，苹果发布 299 美元 HomeView，DeepSeek 拟融资约 1000 亿元
谷歌 Gemini 4 Argon 面向全球开发者和企业开放，可通过 AI Studio 和 Gemini 平台 API 使用，输出词元上限 100 万个，限时入门定价为输入每百万 Tokens 2 美元、输出每百万 Tokens 10 美元，2026 年 11 月 30 日促销结束后价格翻倍。
Hacker News · Show HNAI 评分5050 Dragonfly：基于 Qwen3-VL 的 4B VLM，一次推理回答图像多个问题
Dragonfly 是 Qwen3-VL 的 LoRA 微调模型，通过类型化输出头一次读取图像即可回答多个问题，并为每个答案给出概率。其训练数据含 609,230 条训练问题、共 739,636 个问题，4B 版本在 Yes/No 任务上准确率达 88.1%，超过原版 Qwen3-VL-4B 的 85.8%。
Hacker News · Show HNAI 评分6262 Sablier 用合成市场训练 RL 智能体，在 2020 与 2022 真实崩盘中对冲误差下降
Sablier 用强化学习训练 Qwen3-1.7B 在纯合成市场路径中学习期权对冲，该模型从未见过真实价格，却在 2020 和 2022 真实崩盘上把最差 10% 损失从 0.0352 降到 0.0173、从 0.0281 降到 0.0144。
量子位AI 评分7272 千问上线 Personal Agent 能力千问Go，可代订机票酒店并跟客服谈赔偿
千问推出 Personal Agent 能力千问Go，部分灰度用户可体验，能代订机票酒店、预约汽车保养和球场、比价购物，还能登录购票平台查订单、联系人工客服争取航班延误赔偿和电商价保退款。其底层由今年9月云栖大会发布的 Qwen 3.8 Agentic 能力支撑，并依托淘宝、飞猪、高德等阿里生态打通入口，登录账号等操作仍需用户本人完成。
MarkTechPostAI 评分5858 阿里千问发布 QwenGyre：面向超长时程智能体的弹性强化学习框架
阿里千问团队提出 QwenGyre，一个面向超长时程智能体训练的在线强化学习框架，通过未修改的黑盒 harness 训练编码智能体，单次 rollout 可运行数小时、处理接近 1M tokens。
The DecoderAI 评分7171 Sakana AI 与 UC Berkeley 提出 MASS：让同一模型自我求解、评判与优化
Sakana AI 与 UC Berkeley 提出 Multi-Agent Self-Supervision（MASS）方法，让单个语言模型同时承担求解、评估和优化三种角色，实现递归自我改进，无需更强的教师模型。
MarkTechPostAI 评分6262 Cloudflare 发布 Clef-omni：30B-A3B 多模态决策模型，单次调用处理音频、视频、图像和文本
Cloudflare 发布开源权重模型 Clef-omni，属于其 Clef 决策模型家族，可在一次调用中对文本、图像、音频和视频打分，采用 Apache-2.0 许可，输入价格 $0.15 每百万 tokens。
MarkTechPostAI 评分5858 vLLM Semantic Router 发布 Decision 3.0 系列决策模型
vLLM Semantic Router 团队发布 Decision 3.0 多模态决策模型系列，共 5 个尺寸，从 0.85B 到 26.09B，全部采用 Apache-2.0 许可。
The DecoderAI 评分6060 微软发布决策模型 Decision-1，基于 Qwen3.5-9B
微软推出决策模型 Decision-1，用于分类、评估和路由决策，并称其有潜力引导和控制智能体应对复杂环境。该模型基于 Qwen3.5-9B，微软称其在覆盖近 15 万个问题的 36 项基准测试中准确率最高，速度是第二名 H2O-Lightning-4B 的 2.5 倍。
MarkTechPostAI 评分6060 微软发布 Microsoft-Decision-1：基于 Qwen3.5-9B 的决策打分模型
微软发布 Microsoft-Decision-1，一个基于阿里 Qwen3.5-9B 后训练的决策打分模型，对固定选项返回校准概率而非生成文本，已上线 Microsoft Foundry 和 OpenRouter。
MarkTechPostAI 评分5858 阿里 Qwen 发布 Qwen-Image-2.1-Turbo，8 步 7B 图像模型
阿里 Qwen 团队发布 Qwen-Image-2.1-Turbo，这是开源权重 Qwen-Image-2.1 的加速版本，在同样的 7B 架构上把去噪步数从默认 40 步降到 8 步，保持 2K 输出与编辑能力。
Hacker News · Show HNAI 评分6262 Pulsar 发布 1.1.4：M5 Max 上跑 Qwen3.8-27B 写代码达 148 tok/s
Pulsar 发布 1.1.4，这是面向 Apple Silicon 的本地推理引擎，支持 Qwen3.8-27B 与 Qwen3.6-35B-A3B，官方称在 M5 Max 上写代码可达 148 tok/s，编辑粘贴的 210 行文件峰值 452 tok/s。
MarkTechPostAI 评分6262 Conway Research 发布 Saluki 27B：2-bit 量化的 Qwen3.8-27B，工具调用反超原版
Conway Research 的端侧助手 Underdog 以 Apache 2.0 发布 Saluki 27B，这是 Qwen3.8-27B 的 2-bit 混合精度 GGUF，体积 7.89 GB，而 BF16 原版需 54 GB，可在原版 llama.cpp 上运行并支持完整 GPU 卸载。
量子位AI 评分7070 字节 Seed 发现 DeepSeek-V4 时强时弱源于 KV Cache 压缩的相位敏感性
字节 Seed 团队发现 DeepSeek-V4 系列在长上下文检索中的表现会随信息在输入中的位置每隔 4 个 Token 周期性变化，128K 大海捞针测试中同一信息换位置后准确率最大相差 40.2 个百分点。
量子位AI 评分5555 Manus 重启北京办公室招聘，母公司蝴蝶效应完成超 5 亿美元融资
Manus 母公司蝴蝶效应近日完成超 5 亿美元新一轮融资，由博裕投资、IDG 资本领投，腾讯、红杉中国、真格基金继续加持，同时 Manus 正在重新组建团队开发面向中国市场的 AI Agent 产品。
Hacker News · Front PageAI 评分7171 Strands 发布开源决策模型 Strands Decider 2B
Strands 发布 Strands Decider 2B，一个 20 亿参数的开源决策模型，用于在给定选项中做选择并给出置信度分数，适合本地 CPU 或 GPU 运行。
MarkTechPostAI 评分5252 千问模型演进史：从 7B 到 2.4T 参数
MarkTechPost 按发布时间线梳理了阿里千问（Qwen）从 2023 年 4 月通义千问内测到 2026 年 Qwen3.8-2.4T-A95B 的完整演进。
arXiv · cs.AIAI 评分5252 RSR：用递归自改写把复杂任务轨迹转成可复用训练数据
研究提出 Recursive Self-Rewrite（RSR）框架，用同一基座模型 Qwen-3.8-27B 在多种 harness 下发现成功解法，再由 planner 抽取 runbook、critic 筛查验证器与解法泄漏并引导递归修订、executor 在新沙箱中执行，从而把轨迹重建为通用 harness 下的训练数据。
arXiv · cs.AIAI 评分5050 Jev 式类型化决策模型研究：标签覆盖定义，选项标签偏置源于提示词渲染
研究者在四个开放权重类型化决策模型、十一个分类任务及自建的 PolicyBench 上发现，模型答案主要跟随选项标签而非定义，即存在选项标签偏置。删除全部定义后准确率几乎不变（laya-td：0.8559 对 0.8487），而将选项改名为 A、B 后准确率提升 +0.1511。
Hacker News · Front Page精选AI 评分7878 Strata 开源项目让 Qwen3.8-Flash-Next（125B）在消费级显卡上本地运行
开源项目 Strata 发布，可在 12GB 及以上显存的消费级显卡上本地运行 125B 参数的 Qwen3.8-Flash-Next，支持聊天、写代码、读图和接入编码智能体，数据不出本机。
推荐理由：开源项目 Strata 让 125B 的 Qwen3.8-Flash-Next 在 12GB 显存的消费级显卡上本地运行，附实测速度与安装方式。
极客公园AI 评分6262 Jev 之后，中国团队开始深挖 AI 的直觉层
前 OpenAI 研究员 Diogo Almeida 创办的 TypeSafe AI 于 9 月 15 日发布只做判断、不生成文字的决策模型 Jev，两周内 OpenAI 推出 Decisions API。
The DecoderAI 评分5050 Aleph Alpha 研究：Qwen、DeepSeek、Kimi 等中国 AI 模型在敏感话题上重复官方立场或拒答
Aleph Alpha 用自建基准测试了阿里 Qwen、DeepSeek 和月之暗面 Kimi 等中国模型，覆盖天安门、台湾、新疆等 967 个敏感话题，其评分系统仅将 17% 至 41% 的回答评为平衡，其余为重复官方立场、回避或拒答。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6262 Ai2 开源 AstaBrief 8B，科研报告生成速度提升约 3.5 倍
Ai2 开源 AstaBrief 8B，一个把研究问题和检索到的文献片段转成带引用报告的模型，基于 Qwen3-8B 经 SFT 和 DPO 训练，权重与训练数据一并放出。
推荐理由：Ai2 开源 8B 科研报告生成模型，单次生成带引用报告，比 Claude 管线快约 3.5 倍，权重与训练数据一并放出。
The DecoderAI 评分6666 Cloudflare 发布决策模型 Clef 与 Clef-flash，称智能体决策不再需要人工介入
Cloudflare 发布 Clef 和 Clef-flash 两款面向 AI 智能体的决策模型，返回带概率的简短分类而非长文本，用于工单路由、升级触发或转交人工。
Hacker News · Show HNAI 评分5858 Neurometric 发布 Task Router：按任务自动选择模型的统一 API
Neurometric 发布 Task Router，开发者保留 OpenAI SDK，只需把 base URL 改为 api.neurometric.ai/v1 并使用 taskrouter/<slug> 别名，即可按任务的质量下限和成本策略自动选择模型。
AWS Machine Learning Blog精选AI 评分6060 AWS 用 Amazon SageMaker AI 多轮 RL 微调 Qwen3.6-27B 搜索智能体
AWS 团队在 Amazon SageMaker AI 上用多轮强化学习（MTRL）微调 Qwen3.6-27B 搜索智能体，以 nDCG@10 作为轨迹级奖励，只改动 max_epochs、global_batch_size、rollout_max_concurrency 三个超参数。
推荐理由：AWS 团队用 SageMaker AI 多轮 RL 微调 Qwen3.6-27B 搜索智能体，给出奖励设计与各基准的检索质量、失败率变化。
Hacker News · Show HNAI 评分6060 gutsy-0.8b v0.3 发布：基于 Qwen3.5-0.8B 的 CPU 本地决策模型
kouhxp 发布 gutsy-0.8b v0.3，一个基于 Qwen3.5-0.8B 微调的本地决策模型，以 775 MB Q8_0 GGUF 形式经 llama.cpp 在普通 CPU 上运行，输入状态与选择题后返回每个选项的概率，不生成文本、不联网、无按次调用成本。
Simon Willison精选AI 评分7171 TypeSafe AI 发布 Jev 决策模型，只输出概率分数不生成文本
TypeSafe AI 发布 Jev，这是其称为 System One 模型的新类别，接受文本输入但返回对应类别、是/否问题、评分及置信度的浮点数，而非文本输出。
推荐理由：TypeSafe AI 推出只输出概率分数的决策模型 Jev，输入百万 token 仅 0.042 美元，适合分类、排序与检索重排。
InterconnectsAI 评分6262 开源模型力量对比现状：中国实验室领先，美国在研究与采用上落后
Nathan Lambert 整理其向美国国会简报开源权重模型现状的发言，认为自 2025 年 4 月起中国 AI 公司已在开源权重模型上明显领先。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6060 用 TRL 和 OpenEnv 训练编码模型画水彩：一次开源复现
作者用 TRL 和 OpenEnv 复现了 Surya Narreddi 让语言模型通过 p5.brush 写 JavaScript 画水彩的方案，参考池、RL 环境、训练脚本和模型全部开源。
推荐理由：用 TRL 和 OpenEnv 复现水彩绘画模型的 RL 训练，公开参考池、环境与三种奖励配比，并给出成本与踩坑记录。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6262 Papers with Code 如何用 HF Inference Endpoints、Jobs 和 Buckets 搭建论文搜索
Papers with Code 用 PostgreSQL 全文检索加 pgvector 向量召回、再用 RRF 融合的混合搜索，为 arXiv 与 Daily Papers 的 11 万多篇论文提供检索。
推荐理由：Papers with Code 搜索的混合检索架构复盘，含离线建库与在线查询分离、冷启动降级和向量维度取舍的具体数据。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6767 Hugging Face 发布 2026 夏季开源模型观察报告
Hugging Face 发布 2026 年 1 月至 8 月的开源模型生态观察报告，基于 Hub 数据指出中国实验室的月度最大开源模型参数规模在 754B 至 2.78 万亿之间，而美国模型在七个月中有五个月低于 130B。
推荐理由：Hugging Face 用 Hub 七个月数据梳理开源模型格局，含参数规模、下载与衍生模型分布，可作生态判断依据。