MATRIX AI 情报

vLLM 0.33 转向 CUDA 13，并加入 EFA 服务与新推理路径

Mon, 02 Nov 2026 16:56:00 GMT

vLLM 0.33 转向 CUDA 13，并加入 EFA 服务与新推理路径

原条目：vLLM 0.33 转向 CUDA 13 并加入 EFA 服务

为什么读：CUDA 基线与 serving 行为同时变化，直接影响自托管升级和回滚。

建议等级：ADOPT

来源：vLLM 0.33.0 release

NVIDIA 公开 Workload Map 架构与三条复用路径

Mon, 02 Nov 2026 16:56:00 GMT

NVIDIA 公开 Workload Map 架构与三条复用路径

原条目：NVIDIA 扩展 Run:ai 的 GPU 控制与 Workload Map 复用

为什么读：统一 workload 映射可减少平台适配，但采用与互操作仍主要由厂商证明。

建议等级：TRIAL

来源：Support New AI Frameworks Faster Using NVIDIA Workload Map · DSX AI Factory Workload Map repository · Workload Map v0.3.0 release

社区审计发现所谓 Anthropic Numbat 权重是种子噪声

Mon, 02 Nov 2026 16:56:00 GMT

一个 Hugging Face 仓库声称包含 Anthropic 未发布模型的数 TB checkpoint。社区给出的可复现审计能用 tensor 名称作为随机种子，逐位重建 43 个完整 tensor；独立复核也重建了 9 个样本。Anthropic 未确认该仓库，因此这份上传不能证明模型泄露或发布。

为什么读：可复现审计否定了热门“模型泄露”，避免团队下载数 TB 假权重或运行不明代码。

建议等级：IGNORE

来源：43 complete tensors exactly match name-seeded NumPy RNG output · The 14T Mythos Leak Is Fake: Seeded Noise, Not Weights

OpenAI 推出 Grid Protectors，先在 Georgia 试点

Mon, 02 Nov 2026 16:56:00 GMT

OpenAI 推出 Grid Protectors，计划让未来算力园区在电网紧张时降低负载，并在部分地区用现场发电或储能供电。唯一已敲定的案例是 Effingham County 的 25 年获批协议：规划需求约 3.2 GW，基础设施由 OpenAI 承担，最多可提供 1 GW 柔性需求响应。园区仍在建设，尚无实际削峰结果。

为什么读：柔性用电已有一份获批合同，但实际削峰与费率结果仍未发生。

建议等级：WATCH

来源：Introducing the Grid Protectors Program · Georgia Power to serve OpenAI project in Effingham County · Georgia Power contract with OpenAI approved

Anthropic 披露单季营收 170 亿美元与 8954 亿美元算力承诺

Mon, 02 Nov 2026 16:56:00 GMT

Anthropic 提交首份 S-1 修订文件，补充截至 2026 年 9 月的未经审计业绩。公司披露第三季度营收 170 亿美元，并已签约约 8954 亿美元算力与基础设施承诺，其中约 4475 亿美元预计在 2031 年前发生。这些是公司财务报表与合同承诺，不等于已经支付的现金，也不是独立审计后的经营结果。

为什么读：监管文件首次把 Anthropic 的季度收入与长期算力负担放在同一口径下，改变供应商和基础设施风险判断。

建议等级：WATCH

来源：Anthropic, PBC Amendment No. 1 to Form S-1

Reuters 据报 DOJ 就交易竞争影响提出询问

Sun, 01 Nov 2026 16:58:20 GMT

Reuters 据报 DOJ 就交易竞争影响提出询问

原条目：Nvidia 签署 Hugging Face 交易，DOJ 据报询问竞争问题

为什么读：监管询问把 Hub 中立性从假设风险变成明确审查问题。

建议等级：WATCH

来源：NVIDIA Form 8-K on Hugging Face transaction · US Justice Department inquires about Nvidia-Hugging Face deal, sources say

0.26.5 加入受控修复交接、隔离验证与实验性 Helm 部署

Sun, 01 Nov 2026 16:58:20 GMT

0.26.5 加入受控修复交接、隔离验证与实验性 Helm 部署

原条目：Qwen Code 0.26.5 加入受控修复交接与托管部署

为什么读：受控修复交接与隔离验证直接影响 coding agent 的升级边界。

建议等级：TRIAL

来源：Qwen Code v0.26.5

Rapid-MLX 1.0 为 Apple Silicon 加入本地 agent harness

Sun, 01 Nov 2026 16:58:20 GMT

Rapid-MLX 1.0 面向 Apple Silicon 发布 Apache-2.0 本地 agent runtime。它加入带工具和审批的持久终端 harness、实验性桌面 harness、本地模型支持，以及受限的算力共享路由。项目明确说明网络过滤依赖启发式规则，终端命令没有沙箱。

为什么读：Apple Silicon 获得可试用的本地 agent harness，但无沙箱终端限制生产使用。

建议等级：TRIAL

来源：Rapid-MLX 1.0.0 · Rapid-MLX repository

Auctopus agent 检出漂移后重做量子自旋实验

Sun, 01 Nov 2026 16:58:20 GMT

Auctopus 让多个 agent 在闭环中提出、质疑并执行实验。在一次固态量子自旋研究中，系统发现漂移，否定了首次不充分的结果，并修改实验流程后再给出结论。MIT 仓库包含离线 mock demo，但缺少复现论文实验所需的研究提示词与仪器说明。

为什么读：会否定结果并重写实验流程的模式有价值，但真实实验不能从公开材料复现。

建议等级：WATCH

来源：Auctopus: Closed-loop autonomous experimentation · Auctopus repository

OpenAI、Google 与 Microsoft 支持统一 AI 训练偏好信号

Sun, 01 Nov 2026 16:58:20 GMT

一份个人 Internet-Draft 在 robots.txt 中定义统一的 __usage_ai-training token。OpenAI 计划未来数月支持，Google 计划 2027 年支持，Microsoft 计划自 2027 年 2 月 1 日起支持。它不是 IETF 标准或背书，三家尚未同时生效，遵守也仍是自愿行为。

为什么读：共同训练偏好信号可能减少网站配置碎片，但尚未同步生效。

建议等级：WATCH

来源：AI Training Preference Signal · Building toward a shared standard for AI training preferences · A shared signal for AI training preferences

2.1.316 收紧模型策略、restricted 上传与托管安全结论

Sat, 31 Oct 2026 15:56:40 GMT

2.1.316 收紧模型策略、restricted 上传与托管安全结论。

原条目：Claude Code 2.1.316 继续收紧托管策略边界

为什么读：企业策略与长任务稳定性修复直接影响 coding agent 的升级边界。

建议等级：ADOPT

来源：Claude Code 2.1.316

NVIDIA 发布面向 Blackwell GPU 的 1017 NVFP4 checkpoint

Sat, 31 Oct 2026 15:56:40 GMT

NVIDIA 发布面向 Blackwell GPU 的 1017 NVFP4 checkpoint

原条目：DeepSeek V4.1-Flash：新 CED/CSA2 架构、1M 上下文、开放权重

为什么读：NVIDIA 的 NVFP4 checkpoint 降低 Blackwell 部署门槛，但量化质量仍需实测。

建议等级：TRIAL

来源：DeepSeek V4.1 Flash 1017 NVFP4 model card

补核确认 M3.1 Flash 权重已公开，原记录的“尚不可下载”已过时

Sat, 31 Oct 2026 15:56:40 GMT

补核确认 M3.1 Flash 权重已公开，原记录的“尚不可下载”已过时

原条目：MiniMax 在低价 API 上线后开放 M3.1 Flash 权重

为什么读：M3.1 Flash 从低价 API 扩展到公开权重，自托管选择发生实质变化。

建议等级：TRIAL

来源：MiniMax M3.1 Flash model card

WebAnything 为 web agent 重建可复现实验环境

Sat, 31 Oct 2026 15:56:40 GMT

WebAnything 公开一套 MIT 许可流水线，可根据参考网站重建 web agent 实验环境。作者报告得到 244 个通过验收的网站产物和 12,984 个任务，并用生成轨迹微调 Qwen3.5-9B。网站保真度审计与 agent 增益都由作者完成，尚未独立复现。

建议等级：TRIAL

来源：WebAnything paper · WebAnything repository

OpenFrontiers 区分 agent 是重发现还是检索数学答案

Sat, 31 Oct 2026 15:56:40 GMT

OpenFrontiers 公开 12,151 道题的语料和 200 题 benchmark，用来区分 agent 是检索已知数学解答，还是在闭卷条件下重新推导。作者还提供 50 题高质量子集和 Lean 4 statement。在 40 道已有结论的 HQ-50 题上，最佳闭卷 agent 最多重发现 7 道；联网成功大多来自检索已发表答案。

建议等级：WATCH

来源：OpenFrontiers paper · OpenFrontiers dataset

OpenAI 向受审研究机构开放 GPT-6 Rosalind

Sat, 31 Oct 2026 15:56:40 GMT

OpenAI 向获批机构和授权用户开放 GPT-6 Rosalind Research，可在 Work、Codex 与 API 中使用。它不进入 Chat；Enterprise 还要先经过两周 Admin Preview。该模型沿用 GPT-6 Astra 权重，没有额外训练或后训练。

为什么读：GPT-6 Rosalind 把前沿模型带入受限生命科学研究，但可用性和证据边界很窄。

建议等级：WATCH

来源：developers.openai.com · changelog · GPT-6 Rosalind Research model · GPT-6 Rosalind Research system card

SenseNova 开放长上下文循环多模态模型

Sat, 31 Oct 2026 15:56:40 GMT

SenseNova 开放 SenseNova-Loop-9B-Preview 的权重与代码，无需申请并采用 Apache-2.0。它面向长上下文和 agent 工作流，可接收文本与图像；24 层模块重复执行两次，让 32 个独立 decoder 层完成 56 次计算，训练长度最高 256K。当前部署依赖 LightLLM main 或尚未合并的 SGLang PR。

建议等级：TRIAL

来源：SenseNova-Loop-9B-Preview model card · OpenSenseNova repository

Google 首次在轨运行数据中心级 TPU 推理

Sat, 31 Oct 2026 15:56:40 GMT

Google 的 Project Suncatcher 原型卫星运行 Gemma 4，返回首个由在轨数据中心级 TPU 生成的 AI 响应。团队此前已完成主机与 TPU 托盘上电和早期机器学习测试。下一阶段要验证热应力与辐射下的可靠性，并计划在 2027 年测试两颗互联卫星。

建议等级：WATCH

来源：Project Suncatcher first AI response in space

OpenCode 持久化终端并加入实验性 agent 产物

Sat, 31 Oct 2026 15:56:40 GMT

OpenCode 2.2.4 把桌面终端改为 session 级，服务器重启后仍保留名称与 scrollback，并在 TUI 与窗口间同步。可选 provider API 允许 agent 创建、更新并托管 HTML 或静态产物；schedule 在 opencode serve 下运行并协调单次触发。2.2.5 又加入按比例设置的压缩缓冲，并修复大型 MCP stdio 消息、LiteLLM 上下文错误和切换模型或恢复后的 reasoning 保留。

为什么读：OpenCode 2.2 的持久 PTY 与调度原语会改变长任务工作流，但首发回归提示先小范围试用。

建议等级：TRIAL

来源：OpenCode 2.2.4 · OpenCode 2.2.5

2.1.314 收紧托管策略、目录写入与恢复边界

Fri, 30 Oct 2026 16:01:56 GMT

2.1.314 收紧托管策略、目录写入与恢复边界。

原条目：Claude Code 2.1.316 继续收紧托管策略边界

为什么读：目录写入与恢复策略修复直接影响长任务的权限边界，适合回归后升级。

建议等级：ADOPT

来源：Claude Code 2.1.314

0.166.0 增加队列恢复并修复会话状态边界

Fri, 30 Oct 2026 16:01:56 GMT

0.166.0 增加队列恢复并修复会话状态边界。

原条目：Codex CLI 0.166 加入队列恢复与网络诊断

建议等级：TRIAL

来源：Codex CLI 0.166.0

CUA driver 0.27.0 提供三平台预编译产物并披露签名边界

Fri, 30 Oct 2026 16:01:56 GMT

CUA driver 0.27.0 提供三平台预编译产物并披露签名边界。

原条目：Qwen Code 0.26.5 加入受控修复交接与托管部署

建议等级：TRIAL

来源：Qwen CUA driver 0.27.0

Anthropic 披露 Claude 在六家药物研发伙伴中的早期结果

Fri, 30 Oct 2026 16:01:56 GMT

Anthropic 发布六家药物研发伙伴及自有临床前项目的早期案例，覆盖蛋白设计、hit 生成、先导优化、生产文档审核、公司筹建与临床规划。大部分工作仍处于临床前阶段，结果来自 Anthropic 与参与机构，不是独立对照研究。

建议等级：WATCH

来源：Early progress on accelerating drug development with Claude

FrontiersMind 开放 Lumma-Fev-v2 决策模型

Fri, 30 Oct 2026 16:01:56 GMT

FrontiersMind 开放 Lumma-Fev-v2 的 4B 与 27B 权重和推理代码，均为 Apache-2.0 许可且无需申请。它面向风险敏感决策，不是通用聊天模型。27B 版本要求 lumma-fev 0.3 以上和约 55 GB 空闲显存；预告的 0.1B 与 0.6B 版本尚未上线。

为什么读：Lumma 把决策模型权重与代码开放；校准和小型翻译集决定它只能先做有限试验。

建议等级：TRIAL

来源：Lumma-Fev-v2: decision models · Lumma-Fev-4B-v2 · Lumma-Fev-27B-v2

Google 向全球英语用户开放 SynthID Detector

Fri, 30 Oct 2026 16:01:56 GMT

Google 将 SynthID Detector 从限量开放改为面向全球英语用户。任何人都可上传受支持的图片、视频或音频，检查 Google 及 OpenAI、NVIDIA、Kakao、Apple 等合作方写入的 SynthID 水印。它只能识别参与方的水印，不能判断所有内容是否由 AI 生成。

建议等级：WATCH

来源：How Google SynthID helps identify AI-generated content

Cursor 通报扩展市场曾分发带后门的 Claude Code

Fri, 30 Oct 2026 16:01:56 GMT

Cursor 通报，其扩展市场在 10 月 29 日美西时间 2:27 至 13:35 分发了被恶意篡改的 Anthropic.claude-code 2.1.313。该包尝试写入 SSH key、建立持久化并打开反向隧道。Cursor 称最多 5,000 名用户受影响，攻击者服务器已下线，未发现其他版本被篡改。

为什么读：Cursor 官方确认恶意扩展曾触达最多 5,000 名用户；受影响主机必须按 IoC 修复并轮换凭据。

建议等级：WATCH

来源：Security notice: malicious Claude Code extension

Pika Labs 开放 Pika H3 Flex 视频模型权重

Fri, 30 Oct 2026 16:01:56 GMT

Pika Labs 开放 Pika H3 Flex 权重，它以 MiniMax H3 为基础 LoRA，可在本地做带同步音频的 image-to-video。模型卡称支持六步生成、最多 12 个参考输入及原生 480p/768p；更高分辨率功能由托管 API 提供。仓库使用自定义 MiniMax H3 community license，并非 Apache 或 MIT。

建议等级：TRIAL

来源：Pika H3 Flex · Pika H3 Flex code

DiffuSpace 开放 Clover-35B-A3B-Preview 权重与代码

Fri, 30 Oct 2026 16:01:56 GMT

DiffuSpace 开放 Clover-35B-A3B-Preview 的权重与代码，采用 Apache-2.0 许可且无需申请。它是总参数 35B、每次激活约 3B 的 MoE 扩散语言模型，面向 coding agent，并提供 SGLang 与 llama.cpp 路径。benchmark 与吞吐数据均为发布方自测，尚未独立复现。

为什么读：Clover 的公开权重让扩散 coding 模型可验证，但厂商 benchmark 尚未复现。

建议等级：TRIAL

来源：Clover-35B-A3B-Preview · Clover-35B-A3B-Preview weights · Clover-35B-A3B-Preview code

NVIDIA 开放 NemoClaw 受控 agent 栈蓝图

Fri, 30 Oct 2026 16:01:56 GMT

NVIDIA 以 MIT 许可开放 NemoClaw 蓝图，用现有 agent harness、模型、NeMo 服务与 OpenShell 策略运行时组合专用 agent 栈。首批列出的集成包括 OpenClaw、Hermes Agent 与 LangChain Deep Agents。它是组合层，不是新的 agent harness；部署路径覆盖云、数据中心、DGX Spark 与 RTX。

为什么读：NemoClaw 给出可自持 agent 栈的公开组合路径；隔离与成本仍需独立实测。

建议等级：TRIAL

来源：Build specialized agents on a stack you control with NVIDIA NemoClaw · NVIDIA NemoClaw

Qwen Code 0.26.4 加入有上限的 autofix、独立 worktree 与快照绑定验证

Thu, 29 Oct 2026 16:05:08 GMT

Qwen Code 0.26.4 加入有上限的 autofix、独立 worktree 与快照绑定验证。

原条目：Qwen Code 0.26.5 加入受控修复交接与托管部署

建议等级：TRIAL

来源：Qwen Code 0.26.4 release

Ollama 0.40.13 将 LFM3 音频与 omni 模型扩展到 Linux 和 Windows

Thu, 29 Oct 2026 16:05:08 GMT

Ollama 0.40.13 将 LFM3 音频与 omni 模型扩展到 Linux 和 Windows。

原条目：Ollama 为本地路由加入概率决策模型

建议等级：TRIAL

来源：Ollama 0.40.13 release

Mistral 发布 Large 4 权重与受限 MaaS 许可

Thu, 29 Oct 2026 16:05:08 GMT

Mistral 发布 Large 4 权重与受限 MaaS 许可。

原条目：Mistral 发布 Large 4 权重与开放权重许可

为什么读：Large 4 从 preview 变为权重可下载，直接改变自托管可行性；MaaS 许可与 1T 模型成本是关键限制。

建议等级：TRIAL

来源：Mistral Large 4 open-weight release

Granite Switch 4.1.1 用向后兼容适配器扩展十种语言 ASR

Thu, 29 Oct 2026 16:05:08 GMT

Granite Switch 4.1.1 用向后兼容适配器扩展十种语言 ASR。

原条目：IBM 在不改基础模型的情况下更新 Granite Switch 适配器

建议等级：TRIAL

来源：Granite Switch 4.1.1 update

Concordat 用类型化协议约束 LLM agent 动作

Thu, 29 Oct 2026 16:05:08 GMT

Concordat 是开源 Python 库，只向 agent 暴露当前协议状态允许的工具，并在副作用发生前拒绝非法调用。研究者在 tau-bench 航空任务中加入催促 agent 跳过确认的用户。标准 agent 在 GPT-4.1 的 50 个任务中违规 13 次，在 Claude Haiku 5.5 的 128 次运行中违规 29 次；Concordat 为 0，任务成功率没有统计显著差异。

为什么读：Concordat 用公开代码把确认规则从 prompt 移到运行时协议，结果有工程价值但仍局限于单一场景。

建议等级：TRIAL

来源：Concordat: Typed Sessions for LLM Agents · miladsikaroudi/concordat

Google 将 Gemini 4 Carbon 限于部分网络防御者

Thu, 29 Oct 2026 16:05:08 GMT

Google 发布面向网络安全的前沿模型 Gemini 4 Carbon，但当前只向部分防御者开放，并将通过可信合作伙伴计划分阶段扩大。普通开发者、企业和消费者目前不能使用。Google 公布多项自测成绩和未来上线时的首发 API 价格；这些结果来自厂商，公开上线时间尚未确定。

为什么读：Carbon 显示网络安全模型能力继续上升，但只有受限预发布，外部团队无法复现或集成。

建议等级：WATCH

来源：Gemini 4 Carbon: our next frontier model · Gemini 4 Carbon on Artificial Analysis Intelligence Index v5

GitHub 正式开放可跨端续接的 Copilot 云会话

Thu, 29 Oct 2026 16:05:08 GMT

GitHub 将跨端续接的 Copilot 云体验向付费方案正式开放，并从 10 月 28 日开始滚动上线。同一会话可在网页、移动端、CLI、VS Code、Slack 与 Teams 之间继续，并运行在可恢复的 GitHub 托管 sandbox 中。云 sandbox 从 2026 年 11 月开始计费，并与 Actions 共用按金额计算的算力额度。

为什么读：Copilot 云会话 GA 改变 coding agent 的状态、凭据与算力预算归属，11 月计费前需要实测。

建议等级：TRIAL

来源：Work from anywhere with a connected Copilot cloud experience

AnySpeechRecognizer 与 AnyDecisionModel 开源 Apple 原生 AI 组件

Thu, 29 Oct 2026 16:05:08 GMT

AnySpeechRecognizer 0.1.0 与 AnyDecisionModel 0.6.0 是面向 Apple 平台的开源 Swift 包，分别处理端侧语音和受约束的模型决策。语音后端覆盖 Parakeet、Sortformer 与 Apple SpeechAnalyzer；决策后端包括 MLX、Core AI、llama.cpp、Jev 与 Ollama。它们要求 Swift 6.2 和较新的 Apple 系统，文档还明确指出两者的 Core AI 依赖目前不能同时启用。

为什么读：两个小团队 Swift 包补足 Apple 端侧语音与类型化决策工具链，同时明确暴露依赖冲突。

建议等级：TRIAL

来源：Introducing AnySpeechRecognizer and AnyDecisionModel · mattt/AnySpeechRecognizer · mattt/AnyDecisionModel

Claude Code 2.1.312 加固后台任务与会话恢复

Wed, 28 Oct 2026 15:58:44 GMT

Claude Code 2.1.312 加固后台任务与会话恢复

原条目：Claude Code 2.1.316 继续收紧托管策略边界

建议等级：ADOPT

来源：Claude Code 2.1.312 release

Codex 0.165 接入 Vertex AI，扩展记忆迁移与实验性线程分叉

Wed, 28 Oct 2026 15:58:44 GMT

Codex 0.165 接入 Vertex AI，扩展记忆迁移与实验性线程分叉

原条目：Codex CLI 0.165 接入 Vertex AI 并扩展会话迁移

为什么读：Codex 0.165 接入 Vertex AI，并扩展记忆迁移与会话分叉，直接影响跨 provider 的 coding-agent 工作流。

建议等级：ADOPT

来源：Codex CLI 0.165.0 release

Gemini CLI 0.66 加入私网 MCP OAuth 与更安全的 Git 执行

Wed, 28 Oct 2026 15:58:44 GMT

Gemini CLI 0.66 加入私网 MCP OAuth 与更安全的 Git 执行

原条目：Gemini CLI 0.66 加固私有 MCP 与 Git 执行

建议等级：WATCH

来源：Gemini CLI 0.66.0 release

Qwen Code 0.26.3 扩展托管嵌入与恢复

Wed, 28 Oct 2026 15:58:44 GMT

Qwen Code 0.26.3 扩展托管嵌入与恢复

原条目：Qwen Code 0.26.5 加入受控修复交接与托管部署

建议等级：TRIAL

来源：Qwen Code 0.26.3 release

Run:ai 加入 CUDA 13.4 显存硬约束 GPU 切分

Wed, 28 Oct 2026 15:58:44 GMT

Run:ai 加入 CUDA 13.4 显存硬约束 GPU 切分

原条目：NVIDIA 扩展 Run:ai 的 GPU 控制与 Workload Map 复用

建议等级：TRIAL

来源：Memory-Enforced GPU Sharing in Kubernetes with NVIDIA CUDA 13.4 · KAI GPU Fractioning Operator

GitHub 为 Copilot SDK 加入工作负载身份

Wed, 28 Oct 2026 15:58:44 GMT

GitHub Copilot SDK 现在可以用安装在组织中的 GitHub App 认证，不再借用某个已登录用户的凭据。public preview 使用短期 installation token 和只读 Copilot Requests 权限。用量归属组织，并继续受模型策略、预算和消费控制约束。

为什么读：Copilot coding agent 的 workload identity 进入 public preview，直接影响 CI 与后台 agent 的凭据、撤销和审计设计。

建议等级：TRIAL

来源：GitHub Copilot supports server-to-server authentication

Google 向受信测试者开放 Genie 4

Wed, 28 Oct 2026 15:58:44 GMT

Google DeepMind 正把 Genie 4 作为 research preview 向受信测试者开放。这个 world model 能实时生成带原生音频的交互场景，并接受文字实时控制；Gemini 模型负责引导较长动作。它尚未广泛可用，Google AI Ultra、Gemini API 与 AI Studio 仍只是 coming soon 或 early access。

为什么读：Genie 4 展示交互式世界生成，但只有有限预览、没有开放权重或通用 API，适合了解能力边界而非投入集成。

建议等级：WATCH

来源：Genie 4: A new generation of world simulation · Google announces Genie 4

Novelty Bench 揭示 LLM 新颖性评审易受提示影响

Wed, 28 Oct 2026 15:58:44 GMT

Ai2 发布用于评测“研究想法是否新颖”的 LLM judge 代码、数据和 benchmark。六种 judge 中，轻微提示变化有时会让同一批 AI 生成想法超过一半的判定翻转。检索和更多推理没有稳定改善结果，专用评审系统在作者实验中还不如简单提示基线。

为什么读：Novelty Judge Bench 公开代码与数据，为研究 agent 的想法去重提供可复现起点，同时明确暴露弱标签限制。

建议等级：TRIAL

来源：Can we trust LLMs to judge whether a research idea is novel? · Ai2 novelty evaluation code · Ai2 Novelty Judge Bench dataset

NVIDIA 开放 Metatron 人形机器人控制器权重

Wed, 28 Oct 2026 15:58:44 GMT

NVIDIA 发布无需申请即可下载的 Metatron v1 Unitree G1 人形机器人控制器权重，以及两个浏览器 ONNX 导出。公开产物覆盖行走、场景交互和恢复动作。发布未包含训练数据或完整复现包，周边动作资产也受单独条款约束。

建议等级：TRIAL

来源：NVIDIA Metatron v1 model repository · NVIDIA Metatron research project

FeatureArc 发现 coding agent 会把早期缺陷带入后续阶段

Wed, 28 Oct 2026 15:58:44 GMT

FeatureArc 用同一持久 workspace 中连续两到十个相互依赖的阶段评测 coding agent。十种 agent 在 73 个经人工复核的任务上，首阶段 pooled success 为 62.7%，完整功能只有 28.5%。作者称后续失败中 72.9% 继承了早期缺陷，但没有公开可运行 harness 或代码。

建议等级：WATCH

来源：FeatureArc: Benchmarking Coding Agents on Evolving Features

OpenHands 1.34 为每个会话隔离运行时

Wed, 28 Oct 2026 15:58:44 GMT

OpenHands 1.34 增加逐会话 Docker runtime，并允许在现有 sandbox 中开启新会话。它把 session API key 从进程参数移到环境变量，让 automation KV secret 在 session key 轮换后仍可读取，并阻止不可信 Markdown 自定任意链接 target。这个 stable 版本位于 overlap，上一轮 manifest 未记录。

建议等级：TRIAL

来源：OpenHands 1.34.0 release

NVIDIA 开放 Nemotron 3.5 Transcribe 与 Granary v2

Wed, 28 Oct 2026 15:58:44 GMT

NVIDIA 发布开放权重 Nemotron 3.5 Transcribe，可做多语种转写、说话人归属、翻译和音频问答。这个 30B MoE 模型每次约激活 4B 参数，可处理最长一小时录音，不同任务支持的语言集合并不相同。Granary v2 公开可复用数据清洗流水线和覆盖 463,062 小时的 manifest；源音频仍受各语料原许可证约束。

为什么读：Nemotron 3.5 Transcribe 权重与 Granary v2 数据已开放，可直接验证多语种语音项目；厂商精度仍需目标音频复测。

建议等级：TRIAL

来源：NVIDIA Nemotron 3.5 Transcribe and Granary v2 · NVIDIA Nemotron 3.5 Transcribe model card and weights · NVIDIA Granary v2 dataset manifests

Claude Code 2.1.311 修复旧 memory 与重复恢复执行

Tue, 27 Oct 2026 15:59:15 GMT

Claude Code 2.1.311 修复旧 memory 与重复恢复执行

原条目：Claude Code 2.1.316 继续收紧托管策略边界

为什么读：Claude Code 修复压缩后旧 memory、重启后重复 skill 与后台 worktree 生命周期问题，都是会悄悄污染结果的故障。

建议等级：ADOPT

来源：Claude Code 2.1.311 release