Ben Affleck 创立的电影 AI 公司 InterPositive 于 2026 年 3 月被 Netflix 以 5.87 亿美元现金收购。Affleck 因不认同 AI 研究者"模型仅靠更多数据即可泛化"的观点，拒绝 AI 公司合作邀约，于 2022 年自建公司，其模型使用他耗时数月亲自拍摄采集的数据集训练。

Francois Chollet 提出假设：AI 的"锯齿状前沿"可能主要集中在数学与代码，可通过 RLVR 无限推进，而其他领域因受限于人类生成数据将趋于平台期。他指出非可验证领域的模型性能虽仍在稳步提升，但远慢于数学与代码，其提升究竟源于 RLVR 带来的更高 G，还是仅取决于持续注入的新人类数据，尚无定论。这一问题的答案将影响 AI 发展的诸多判断。

我也开始认为，美国需要将蒸馏合法化。禁令是不可能的，否则几年后战略竞争将变得难以维持。

🚢Marin 535B-A23B 训练已过半！以下是目前的一些观察和心得：

掌控你自己的智能栈，各位！ 先挖掘 Agent 轨迹中的丰富知识。 然后训练小型专用模型来修复生产问题。 @OvermindLab 是开源的，让这一切变得可行。它从你的 Agent 轨迹构建数据集，用你当前的模型进行评估，并训练一个你拥有的更小的专用模型。

DAIR.AI 的 Elvis Saravia 推荐一篇关于小语言模型 Agent 的 harness-aware distillation 论文（arxiv.org/abs/2610.02858）。

Google Research精选AI 评分6161

Google Earth AI 开放地球人口动力学基础模型用于全球公共卫生研究

Google Research 介绍以 Earth AI 的 Population Dynamics Foundation Model（PDFM）作为公共卫生领域的行星地理基础模型概念验证，将隐私保护的搜索趋势、人类流动、建成环境密度与环境因素压缩为月度刷新的位置嵌入，无需任务特定微调即可直接接入流行病学现有工作流。

The DecoderAI 评分6666

JEPA-Anything 把 LeCun 的 JEPA 扩展为跨领域通用世界模型

研究团队（由 PhAI Labs 牵头，与 Stanford、Oxford、Princeton 合作）提出 JEPA-Anything，把 JEPA 的预测状态拆成四个正交因子、各由独立预测模块处理后再重组，以避免简单模式淹没困难模式。

上海AI实验室新论文提出 SkillGym，把每个技能文件转成带代码检查器的沙箱任务，只用通过校验的运行数据微调模型，使模型在不加载技能文件的情况下也变得更强。

强化学习环境现已在 Hugging Face Hub 上线。此前每个 RL 框架各有寻找环境的方式，如自建 hub、运行时注册表或带自定义 loader 的 GitHub 列表，为一个框架发布的环境无法被其他框架加载。

Fold2Reason：蛋白质折叠训练提升广泛推理能力 在 FoldingCorpus 上进行后训练，将 10 个推理基准的宏平均准确率从 45.09% 提升至 48.33%，结构预测能力提升 2.7–3.5 倍。

Hugging Face 团队把 Claude Code、Codex、Hermes、Pi、OpenCode 等编码 harness 变成了 RL 训练环境，不改动 harness 和训练代码，全部开源。

LinkedIn 预估美国将新增逾 75 万个 AI 岗位，数据标注员这一 AI 领域薪资最低的岗位数量居首，其中位标价薪资为 $51K，低于非 AI 岗位中位数。数据标注岗位新增约 282K，超过约 117K 的数据中心岗位和 105K 的 AI 工程师，这三类合计贡献 504K；此外 AI 负责人新增约 29K，前线部署工程师新增约 15K。

Rohan Paul 转发微软 AI CEO Mustafa Suleyman 在《The Rest Is Politics: Leading》播客中的观点：千亿美元级训练即将到来，正在汇集的算力达数吉瓦，而参与竞争的实验室只有 5 到 6 家。他判断算力与测试时扩展（test time scaling）将构成显著优势，大型实验室的大规模投入会出现极端加速。完整视频发布在该播客的 YouTube 频道。

Hugging Face 研究人员提出多 harness 强化学习方法，让同一开源权重模型在 Claude Code、Codex、OpenCode 和 Mini-SWE-Agent 四种 harness 中训练，以解决模型只学会特定接口的工具名、输出格式和控制流的问题。

Satya Nadella 称租用 AI 模型"本质上为智能付两次费"：一次是 token 费用，另一次是为让模型有用而必须透露的专有知识。他指出这构成"学习循环"——每次提示词和纠正都在捕获企业 know-how，闭源模型提供商会将这些信息蒸馏留存。OpenAI 已有先例：推出选择加入计划，某些模型每天最多给账号 100 万免费 token，换取该流量的训练权。

作者提出把智能体记忆当作 Git 仓库管理，用提交和分支保存版本，让智能体丢弃过期需求、保留仍有效的工作。GitHarness 将每条需求与其对应工作一起存储并从最近有效版本分支，在全部 30 个测试场景中胜过普通续跑，其中 1 个场景在编码任务上少用 73.6% token 且得分更高。

作者指出个人智能体的记忆并非越多越好，相关笔记超过一定长度后反而会让智能体漏掉规则，建议凡是需要计数或追踪的事项改用代码实现，记忆保持简短。文中给出数据：对于持续累加的消费总额，仅用文字规则时失败率达 44%，改用代码维护则失败 0%；在 Claude Haiku 4.5 上，无记忆时违规率 77%，10 行记忆降到 20%，记忆更长后又升至约 25%。

The DecoderAI 评分6262

Google 研究者提出 RRSI，防止自我改进智能体记住测试任务

Google 研究者提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），通过随时间收缩的编辑预算和严格评审机制，阻止智能体在自我优化中记住测试任务。

The DecoderAI 评分3434

NASA 与 IBM 发布开源月球基础模型，基于 17 年轨道器数据

NASA 与 IBM Research 联合多家学术机构发布 NASA-IBM Lunar Foundation Model，称其为最早的开源月球科学基础模型之一。

DAIR.AI 推荐 Meta 关于可靠自动科研智能体的论文 RankEvolve：它用编译后的协议约束每个研究阶段与关卡，让 Claude Code 和 Codex 作为独立节点互相评审并修复改动。

DAIR.AI 转发 CMU 关于 harness learning 的论文，作者用 RL 训练一个 proposer 模型，读取任务、当前 harness 和执行报告后直接写出 harness 代码修改，奖励是修改后 harness 的得分，solver 模型保持不变。

🎵 蒸馏浪潮 🎵 美国实验室称中国实验室蒸馏他们的模型。而欧洲新的"主权模型"是在由……GLM 和 Qwen 生成的数据上微调的。

TechCrunch · AIAI 评分3838

AWS CEO 回应数据中心抵制：Amazon 称已不再使用 NDA

AWS CEO Matt Garman 在博客中表示，Amazon 在与政府机构就数据中心项目合作时已不再使用保密协议（NDA）。他同时反驳数据中心耗水过多、推高电价、污染严重、无益社区四大说法，称数据中心直接用水仅占美国工业用水 0.5%，发电机 99.9% 时间闲置，并称过去三年 Amazon 已向有数据中心布局的美国社区投入超 10 亿美元。

The Verge · AIAI 评分3838

Capcom 计划打造“与 AI 共同创作游戏”的未来

Capcom 在 Capcom Open Conference RE: 2026 上表示，计划将 RE Engine 逐步改造成“AI 生成游戏引擎”，迈向“与 AI 共同创作游戏”的未来。程序员 Satoshi Ishida 称，将把 AI 技术整合进开发流程以提升效率；Capcom 此前表示不会在游戏中使用 AI 生成素材。

Meta Superintelligence Labs 的论文发现，在采样量充足时，配轻量框架的基座模型往往比 RL 后训练版本解决更多智能体任务：后训练模型在 pass@1 上占优，但在 BFCL v4 multi-turn、ACEBench 和 WebShop 上，大 K 时基座模型常能解决后训练模型始终解决不了的任务。

Hugging Face 团队发布多 harness 强化学习完整指南，指出同一模型同一权重在不同 agent harness 下得分可差至 62% 与 33%。

Yann LeCun 在 ETH Zürich 演讲称 Scaling LLM 无法实现 AGI

Yann LeCun 在 ETH Zürich 的最新演讲中表示，靠扩大 LLM 规模实现 AGI 是“不可能的”。他指出，大语言模型训练约 30 万亿 token，约合 10^14 字节文本，一个人读完需要约 40 万年；而一个 4 岁儿童仅通过视觉在约 1 年 10 个月内就接收到同等量级的数据。

作者发布 multi-harness RL 指南，提供一种开放方式，可在 Claude Code、Codex、OpenCode 等实际使用的 agent harness 内部用 RL 训练任意模型于任意任务集，无需改动 harness 或训练代码的任何一行。在四个 harness 上训练后，LFM2.5-2.6B 从 42% 提升到 54%，同时 tool calls 减少 31%。

Elon Musk：Terafab 目标年产 1 TW 算力，约为当前全球 AI 算力产出的 50 倍

Elon Musk 称 Terafab 目标是每年生产 1 TW 算力，约为当前全球 AI 算力产出的 50 倍，并称台积电对 Terafab 的贡献基本只是补充。他表示 Terafab 本身规模将极其庞大，是按半导体行业现有任何已知规模都无法运作的量级建造的，并非又一座普通晶圆厂。

The DecoderAI 评分6262

开源工具 BootLoops 让 Claude 完成精确科学计算，三个月产出 36 篇手稿

哈佛大学物理学家 Matthew Schwartz 在 Anthropic 客座文章中介绍开源工具 BootLoops，它让 Claude 完成精确科学计算，源码已在 GitHub 发布。

Meta 提出 Context Language Models，让模型原生管理自身上下文

Meta 与合著者提出 Context Language Models（CLM），把上下文作为模型可用 Bash 编辑的文件，由模型决定保留、改写或删除哪些内容。

SemiAnalysis：定制 HBM 可将 Nvidia Rubin 计算芯片的 HBM4 控制器与 PHY 占用面积减少约 60%

SemiAnalysis 估算 HBM4 控制器和 PHY 约占 Nvidia Rubin 计算芯片 16% 面积。定制 HBM 用紧凑 D2D 链路替代标准 PHY，Samsung 数据显示其标准 HBM4 PHY 占 8mm x 4mm，定制 D2D 接口仅需 8.5mm x 1.5mm，面积减少约 60%，同时内存控制器从计算芯片移至 HBM base die。

SemiAnalysis：定制 HBM 可将 HBM4 控制器与 PHY 占用面积减少约 60%

SemiAnalysis 估算 HBM4 控制器和 PHY 约占 Nvidia Rubin 计算芯片 16% 面积，定制 HBM 可将这部分空间还给计算或缓存。

SemiAnalysis：HBM4 控制器与 PHY 约占 Nvidia Rubin 计算die 16%

SemiAnalysis 估算，HBM4 控制器和 PHY 约占 Nvidia Rubin 计算 die 的 16%，大量先进制程面积被用于与内存通信而非计算。

Johnson Matthey 预测 2026 年钌需求 119.3 万盎司，超过 97.7 万盎司的一次供应

Johnson Matthey 预计 2026 年钌需求达 119.3 万盎司，而一次供应仅 97.7 万盎司，需求已超过供应。化学品需求预计下降 16%，主因中国尼龙产能过剩，这也解释了价格为何未进一步上涨。电子需求从 2023 年的 30 万盎司增至 2025 年的 41.3 万盎司，2026 年预计达 43.5 万盎司，数据中心扩张将推动硬盘用钌需求创五年新高。

Meta 等提出 Context Language Models：让模型用 Bash 编辑自身上下文

Meta 与同事的论文提出 Context Language Models（CLM），把上下文作为模型可用 Bash 编辑的文件，由模型决定保留、改写或删除哪些内容。

Volantis 用光学技术破解 AI 内存瓶颈，目标单用户 10000 tokens/秒推理速度

Volantis 完成 8800 万美元 A 轮融资，通过光学技术为每颗芯片提供更大容量和更高带宽的内存，目标在超过 10T 参数的模型上实现每用户最高 10000 tokens/秒的推理速度。该方案旨在解决 AI 内存瓶颈，初期可让原本耗时数小时的编程智能体在几分钟甚至几秒内完成。团队曾参与首款 CoWoS 产品、早期 HBM 及首款硅光 CPO 系统等半导体技术研发，下一代产品已完成流片。

ProVer：用 LLM 裁判定位关键步骤，改进智能体 RL 的信用分配

ProVer 提出一种智能体强化学习信用分配方法：由 LLM 裁判对比成功与失败的 rollout，指出造成差异的关键片段，再通过该片段前后采样续写、以成功率变化作为该片段的优势值。在 ALFWorld、WebShop 和 SearchQA 上，相对 GRPO 分别带来 Qwen3.5-2B 9.91%、Qwen3.5-4B 7.12% 的相对提升，裁判换成更小模型时仍有效。

Kled V3 发布：72 小时内向 50 万+ 贡献者网络派发数据采集任务

Kled V3 允许实验室指定所需数据，并在 72 小时内将采集任务部署到其 50 万+ 自愿贡献者网络，覆盖图像、视频、音频、文本和标注的 108 个可配置模板。贡献者用手机按说明和合格示例完成采集，形成"定位模型失败点—转为采集任务—获取真实世界新样本—再训练评估"的更紧反馈闭环。