一个国产AI小透明，连续两次刷新NanoGPT Speedrun世界纪录
一个国产AI小透明，连续两次刷新NanoGPT Speedrun世界纪录家人们，我最近在GitHub上看到一个爽文。
来自主题: AI技术研报
8875 点击 2026-09-02 15:03
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
家人们，我最近在GitHub上看到一个爽文。
这两年Agent领域冒出来的Engineering越来越多。
模型竞争的下一站，是让智能体在真实世界里可执行、可验证、可进化。
如果你觉得 AI agent 离帮你订机票、填报销单、投简历只有一步之遥，那 MMLU-Pro 的作者联合滑铁卢大学 TIGER Lab，UBC NAIL Group 和 UniPat AI，CMU 等机构刚刚放出的这项研究，可能会让你冷静下来。
视觉 - 语言 - 动作模型（Vision-Language-Action Model，VLA）正在成为机器人操作的重要基础模型。经过少量示范微调后，VLA 已经能够完成抓取、放置、堆叠等多种任务。然而，一旦任务涉及精密接触、狭小容差或分布外位置，模型的成功率仍会明显下降。
「全球首个」多模态世界模型，来了！
RSI，可能是 AI 世界里最像科幻的一个词。
给一个大模型漏洞描述和代码仓库，它能否像安全研究人员一样，读代码、找入口、调用工具、构造输入，并反复验证自己的判断？
图片不只被编码，还直接参与 Attention、MoE 与 Agent 推理。
虚拟细胞，已经成为AI与生物交叉领域最火热的方向之一。
导读：随着智能体系统（Agentic AI System）处理任务能力的持续提升，AI 正在逐渐从传统意义上的工具，演变为能够自主决策、独立执行任务，并与人类及社会群体进行持续交互的智能主体。但是一个越来越值得关注的问题是：当 AI 的认知能力不断扩展，其潜在风险不再局限于单一任务中的幻觉、偏见或决策错误，而是进一步影响人类用户的能动性、自主性，乃至人类对 AI 系统的控制权。
模型不更新，能力却持续增长。
Full Attention 层尚未开始计算，它前一层的激活值已提前「冲上峰值」—— 这就像演唱会主角尚未登台，观众席已提前沸腾。来自 StartLux、清华大学等机构的研究者以 Massive Activations 为探针，首次系统刻画了少数 Full Attention 层在混合线性注意力大模型中留下的「跨层痕迹」，并识别出「注意力前尖峰」（PAS）与「尖峰间平台」（ISP）两种核心形态。
一个 Agent 到底凭什么越来越强？有人靠更大的模型，有人靠更多数据。就在前天，Google Research 最新发布的 WikiSkill 给出了另一条答案：给 Agent 搭一套三层知识架构，让技能自己进化。
今年发了这么多期短剧Agent创作平台，我发现市面上专门针对TVC制作的，超级少。
Google DeepMind与杜克大学联合发布了AI科研系统Co-Scientist的重大升级版本，Co-Scientist是Google基于Gemini构建的多智能体科研系统。
模型是中国做的，为什么后面的数千次创新发生在海外开发者平台？从模型分发、开发者工具到算力路由，中国缺的不是技术，是默认路径。如果只看结论，读完下面五条摘要即可；后文是证据、机制和行动方案。
Salesforce AI与UIUC研究人员提出Strong-to-Weak Scaffolding方法，让强模型（Builder AI）为弱模型GPT-5.4-mini自动设计外部Harness工作框架，无需修改参数即可将其在心智理论任务上的平均准确率从0.488提升至最佳0.912，揭示AI4AI的核心机制是将认知结构而非知识从强模型迁移至弱模型。
相信很多人现在见到「不是……而是」，已经会下意识 PTSD 了：这是不是 AI 写的？还有各种破折号，冒号，以及经典版本「稳稳地接住你」「我用最直白的话，不绕弯子地告诉你」…… 当然，这些不断被总结出
这可能是 Agent 时代迄今最值得警惕的安全事故之一。
最近 MIT 出了一篇研究，我看完有点不知道说什么好。
VAST，香港大学和PICO开源了一个双目世界模型——StereoWorld。
S²-VLA 引入信念状态和自适应动态门控，仅用2B参数、7GB显存，长程操控超越7B模型。
在此背景下，新加坡国立大学、普林斯顿大学与斯坦福、牛津等研究团队合作提出了 Recuris（Recursive Experiential–Working Memory Evolution），作为首个将递归自我改进应用在记忆控制层内的智能体架构，Recuris 通过三项核心技术突破，无需训练即成功实现了从 3B 小模型到 Claude Opus 5 的全面提升。
Qwen4还没出，架构先开源了。
随着开源模型能力不断提升，它们已经能够以极低的成本生成多个高质量候选方案，并进一步利用模型自身对这些结果进行验证、打分和筛选。斯坦福团队最新实验发现，使用 DeepSeek V4 Flash + LLM-as-a-Verifier 进行「自验证」，可以在 Terminal-Bench 2.1 上超越 Claude Fable 5，同时整体成本低约 11 倍。
截至 2026 年 8 月 19 日，Specula 已经在 67 个开源系统中找出 382 个 bug，并被多个公司和开源社区的开发者使用。
我们理想中的具身智能模型，是什么样的？
最近 DeepSeek Harness（DSH）真是太火了！之前我发过 《首发实测 + 入门教程》 教大家如何安装使用，还盘点过 《16 个超火的 DSH 插件》。
867 亿元，Hugging Face 被英伟达纳入麾下，就在这桩巨额收购的前一晚，OpenAI 发布超长安全调查报告里，Hugging Face 还是一个巨大的「事故现场」——看来并没有影响它的价值。