搜索 AI 资讯

Cohere表示，阿里巴巴的Qwen模型曾试图向北京发送一个文件

一款人工智能模型曾表示不会使用任何工具，却仍试图向北京的一台服务器发送数据；尽管研究人员称这很可能只是训练过程中的一个小插曲，并非间谍行为，但此事还是引发人们质疑：究竟该在多大程度上信任免费的中国人工智能？

OpenAI中端模型开打价格战，“工具人”GPT-6.1 Terra上线

OpenAI CEO山姆·奥特曼。图片经由AI处理 文丨 苏扬 编辑丨徐青阳 OpenAI又推出了一款主打性价比的模型。 美国当地时间10月26日，Ope....

OpenAI 推出 GPT-6.1 Terra，以半价实现更快速、性能更优的 AI 智能体

OpenAI 集团 PBC 今日发布了 GPT-6.1 Terra，这是其前沿人工智能系统系列中的一款中端模型的升级版。这款新模型是 GPT-5.6 Terra 的继任者，成本降低了约 50%，同时在处理计算机使用任务时速度更快、精度更高。Terra 被定位为 OpenAI 产品线中的日常应用模型，旨在[…] 该文章《OpenAI 推出 GPT-6.1 Terra，以半价实现更快速、性能更优的 AI 智能体》首发于 SiliconANGLE。

国产大模型集体进军消费硬件：阶跃星辰与阿里千问同日发布AI手机及眼镜

2026年10月13日，阶跃星辰与阿里千问同步推出AI手机、AI眼镜及耳机等消费级硬件产品，标志国产大模型竞争重心从模型性能参数转向终端入口争夺；同期字节豆包、小米等亦加速布局AI原生硬件生态。

推荐理由：材料为钛媒体授权发布的产业深度报道，来源清晰（司库财经/钛媒体），含具体发布时间（2026-10-26）、多方厂商动作、可验证数据（如1509个大模型、3999元定价、京东36万预约量等），且所有事实均与材料中明确陈述一致，无外部推断或虚构。

这位十七岁的少年写下了哪个答案？——六种前沿语言模型中作者年龄误归因、信心失准与非纠正性自我解释的行为学案例研究

arXiv:2610.31946v1 发布类型：新 摘要：三名学生手写回答了同一道考试题目：“什么是幸福？你幸福吗？”他们在收集时的年龄分别为17岁、28岁和45岁。其中，17岁学生的答案措辞谨慎、表述正式。在要求将每份答案匹配到特定年龄与性别标签时，大多数前沿语言模型都自信地将其归为成年人。本文报告了一项针对这一失败现象的结构化案例研究，涉及六种模型：Claude Fable 5、Gemini 3.1 Pro、GPT-5.6 Sol、Grok 4.5、GPT-4o（2024）以及 DeepSeek V4。我们共运行了1,081次API调用，在六个实验条件下对3,225条回复进行了评分，这些条件分别操控了框架设置、披露格式以及受众意识提示。在匹配任务中，六种模型中有三种的表现处于或接近随机水平（1/3），而它们却报告了73%至88%的

RSI-Opt：用于模型训练的递归自我改进优化代理

arXiv：2610.32026v1 发布类型：新 摘要：传统的神经网络训练通常遵循预先设定的优化方案，为此我们设计了一种LLM智能体，它能够监测训练过程中的动态变化，并在训练推进过程中适时调整优化器的参数设置。然而，固定不变的智能体策略无法在多次运行之间积累经验。我们提出了RSI-Opt，一种即插即用的递归自我改进优化器智能体，它能够不断演化指导这一过程的知识体系：包括一个提示模板、一套操作规程、一个经过验证的优化器代码库，以及一套决策节奏。一个元智能体基于先前运行中获得的证据来重写这一策略，同时通过存档机制保留已评估过的策略，以便进一步演化。在三项训练任务上历经五代迭代后，这些元智能体逐步形成了可复用的操作流程与代码，并自主开展其自身的…

DirCast：通过单一的流媒体视频语言模型实现电竞赛事的实时导播与解说

arXiv:2610.31734v1 发布类型：新 提要：一场电子竞技的实时直播需要一位导演来决定哪路摄像机画面该播出，以及一位解说员在每秒钟、且完全不知下一秒将呈现何景的情况下进行解说。流媒体视频语言模型已经学会进行赛事解说，但仅限于由人类导演事先制作完成的直播内容。我们研究的是实时直播制作场景：模型仅接收每位选手的原始摄像头画面，必须凭借过往信息同时完成导播与解说任务。我们提出了 DirCast，一款能够同时胜任这两项工作的单模型流媒体视频语言模型。它每秒以低分辨率扫描所有摄像头，通过“保留”或“切换”的决策机制判断是否以及何时切镜，并在发言前以高分辨率读取所选画面。其上下文会记录已播出的内容以及……

InferSlice：一种面向电信广域网的、由SLO驱动的LLM推理参考架构

arXiv：2610.32638v1 发布类型：新 摘要：大型语言模型（LLM）推理正日益作为企业和交互式应用的核心服务被广泛部署，但主权、合规性、延迟以及资源本地化等方面的要求，可能限制集中式云部署的适用性。电信运营商提供地理分布式的计算与网络基础设施，以应对这些约束。然而，现有的 LLM 服务框架主要面向紧密耦合的数据中心设计，对协调地理分布且异构的资源支持有限。我们提出 InferSlice，一种面向电信基础设施、以服务等级目标（SLO）为导向的 LLM 推理参考架构，集成了网络切片、GPU 分区、弹性服务与可观测性等功能。

超越该说什么：基于内心想法的狼人角色主动发言时机选择

arXiv:2610.32107v1 发布类型：新 摘要：参与对话不仅需要决定该说些什么，还需要判断是否应该开口。在像“狼人杀”这样的环境中，由于参与者之间的利益相互冲突，这种判断显得尤为重要，因为无论是发言还是沉默，都会受到他人的解读与评估。因此，对于一个参与“狼人杀”游戏的 LLM 智能体而言，何时发言以及说什么都至关重要。在本研究中，我们介绍了一款专为 AIWolfDial 共享任务中的“随时发言赛道”开发的“狼人杀”AI 智能体。我们的系统基于现有的 Inner Thoughts 框架，通过生成内部思考并评估每种想法的价值，来决定对话中的发言时机。

超越策略内与策略外：LLM智能体蒸馏应在何种层次上遵循学生模型？

arXiv:2610.31918v1 发布类型：新 摘要：对交互式大型语言模型代理进行知识蒸馏时，需要在教师生成的示范与学生生成的经验之间做出选择，这大致对应于离策略蒸馏与在线策略蒸馏。尽管两者都被证明是有效的，但我们认为这种区分本质上具有层次性：引发交互历史的策略未必与生成当前动作所用标记前缀的策略相同。我们提出了一种分层代理蒸馏框架，将这两种层次的在线策略性加以形式化，并允许对其配对方式、混合比例以及训练计划进行显式控制。我们通过自蒸馏来研究这一问题，在自蒸馏中，冻结的教师能够获得学生无法获取的任务指导，而

仅知道该信任谁还不够：重复性多方大型语言模型谈判中的信任—协议鸿沟

arXiv:2610.31971v1 发布类型：新 摘要：大型语言模型（LLM）代理越来越多地代表个人和组织参与谈判，但它们仍然容易受到操纵，尤其是在反复进行的多方互动中。传统的多智能体系统通过显式的信任与声誉模型来应对这一挑战，而现有的LLM谈判研究则大多将信任视为一种涌现现象。我们探究LLM代理能否从以往的交互中形成有用的信任评估，并利用这些评估来改善未来的谈判结果。我们提出了一种重复的、多方参与的、涉及多个议题的谈判框架，在该框架中，循环出现的代理在一系列谈判博弈中展开互动，同时有一方参与者暗中试图阻止达成协议

KVStream: Adaptive Parallel Storage Management for KV Caching in Large-Scale LLM Serving

arXiv:2610.31827v1 Announce Type: new Abstract: Long-context LLM serving for agentic, coding, and document workloads reuses prefixes whose key-value (KV) cache outgrows GPU and host memory, putting storage I/O on the critical path of the inference step for retrieving prefixes. A single node-local NVMe absorbs all retrievals, while the parallel file system or cloud file store that nodes already mount carries almost no inference traffic. We cast prefix retrieval as aggregate-bandwidth scheduling across these tiers and present KVStream, a KV cache engine that batches a step's reads, defers writes behind the forward pass, replicates each chunk on every tier, and lets each tier adaptively claim the next unread chunks once it is free. Our performance model shows this routing attains the aggregat

缪子预处理何时以及如何进行？结构化梯度噪声的作用

arXiv:2610.31728v1 发布类型：新 摘要：Muon 已成为大型语言模型训练中广受欢迎的优化器，但其理论基础仍鲜为人知。在本文中，我们研究了梯度噪声的几何结构如何影响 Muon 的预条件化优势。我们首先从理论和实验两方面证明，在经典的各向同性噪声假设下，Muon 仅能通过重新缩放学习率而带来加速效果，除此之外并无其他增益。这一发现促使我们进一步探究由异构任务频率下的关联记忆中的小批量采样所引起的结构化噪声。我们为两类任务确定了一个精确的平衡阈值，并将分析扩展至多任务场景，揭示了任务覆盖率与梯度可靠性如何共同塑造学习过程。我们的分析表明，Muon 能够缓解……

HyScale：用于学习型稀疏注意力的长上下文训练扩展

arXiv：2610.32057v1 发布类型：新 摘要：我们提出了 HyScale，一种用于学习型稀疏注意力的长上下文训练系统。学习型稀疏注意力是一种在百万级token上下文中颇具前景的架构，自 DeepSeek-V3.2 以来已在生产环境中得到广泛应用。然而，选择过程逐渐成为训练瓶颈。对于每个查询，它需要对每一个先前的token进行打分，而稀疏注意力仅读取$k$个；更糟糕的是，现有系统会显式构建完整的打分表，并在重计算时重复执行选择操作。我们的关键洞察在于：选择过程的输出并非激活值，而是一组索引。基于此，HyScale 引入了 HyTopK 和选择重放机制。HyTopK 能够在无需打分表的情况下，实时为每个查询找到精确的前$k$个索引；而选择重放则在重计算过程中复用前向传播阶段的选择结果。

The Helpful Agent Problem: When Emergent Cooperation Among LLM Agents Bypasses Intended Workflows

arXiv:2610.31985v1 Announce Type: new Abstract: LLM agents are increasingly deployed in collaborative settings where they pursue separate tasks while sharing resources and operating under review or oversight processes. Such settings create safety risks not only when agents are malicious, but also when they are simply trying to help. Prior work has largely studied adversarial or explicitly collusive behavior; we show that benign agents pursuing separate objectives can spontaneously cooperate in ways that bypass intended workflows. We call this the \emph{helpful agent problem}. We study long-horizon shared-resource environments in which agents sometimes depend on resources owned by their peers and cross-owner changes are normally mediated by a reviewer. When review becomes unavailable, agent

人工智能驱动的科学代理能否保障模型安全？

arXiv：2610.32045v1 发布类型：新 摘要：面向科学的人工智能代理正日益被用于提出科学假设、开展自主实验以及解读证据。这些代理通过将大型语言模型（LLM）集成到特定领域的代理框架中构建而成，而该框架又能提升LLM的科学能力，并使其能够协调运用各类科学工具。在本研究中，我们探讨了当大型语言模型被整合进面向科学的人工智能代理框架时，模型的安全性是否仍能得到有效保障。我们针对50个有害化学相关请求，对五种代理框架进行了评估。具体而言，我们考察了在直接提示、两种简单的对抗性提示策略以及一种自适应攻击情境下，模型的安全行为如何发生变化。基于四种近期发布的GPT变体，我们的研究结果表明

通过边缘端实现大语言模型训练的民主化：挑战、系统与未来之路

arXiv:2610.32215v1 发布类型：新 摘要：现代GPU数据中心日益强大的算力，使少数行业巨头得以在海量数据上训练并部署大型语言模型（LLMs）。然而，这些模型及其训练数据的庞大规模，使得集中式开发愈发难以持续，同时也将那些拥有相关私有数据但缺乏同等基础设施的小型机构排除在外。本文围绕预训练与微调两大范式，梳理了我们在分布式LLM训练方面的立场，涵盖联邦学习、分割学习以及去中心化方法，并评估了它们在异构硬件与连接不稳定等地理分布式环境下的适用性。随后，我们提出了一种{\em 统一}的系统

AI双11迷局：商家已付费，用户只薅羊毛

2026年双11期间，AI商业化呈现显著分化：商家侧（如千问办公电商版）已实现付费落地，20%付费用户来自电商行业；消费侧则依赖豆包、千问等发放渠道补贴驱动下单，价差达37.5%，但用户信任度低（仅16.06%认为AI能精准匹配商品），AI导购尚未真正替代传统决策路径。

推荐理由：材料基于钛媒体2026年10月26日发布的深度报道，系统梳理了AI在双11的三类实践：①AI导购向交易环节渗透（豆包/千问支持下单支付）；②Token服务上架天猫京东（首日成交环比+450%，但销量仍处早期）；③商家工具率先变现（千问办公降本案例明确，接入阿里系经营系统）。所有事实均源自文中明确披露的时间、数据与信源，无外部推断。

南贝格发布Nanbeige4.3-33B，一款33B的开源智能体驱动编码模型

Nanbeige LLM 实验室发布了 Nanbeige4.3-33B，这是一款拥有 512K 上下文的 33B 参数密集型 Apache 2.0 模型。据称，该模型在 Terminal-Bench 2.1 测试中取得了 80.9 的得分，并将用于训练即将推出的 Nanbeige4.3-3B。文章《Nanbeige 发布 Nanbeige4.3-33B，一款 33B 开放式智能体驱动编码模型》首发于 MarkTechPost。

Hugging Face发布Carbon-X，一款140亿参数的开放DNA语言模型，首次将DNA与自然语言相结合

Hugging Face 发布了 Carbon-X，一款基于 Qwen3-14B 构建的开源 148 亿参数 DNA 语言模型。它能够在聊天中读取原始 DNA 序列，以英文作答，并在 Apache 2.0 许可下于 5 项 DNA 基准测试中平均取得 66.7% 的得分。该文章《Hugging Face 发布 Carbon-X：首款将 DNA 与自然语言深度融合的 140 亿参数开源 DNA 语言模型》首发于 MarkTechPost。