AI 幻觉让"顾客永远是对的"变得更糟：服务员、护林员、幼教都在被 ChatGPT 反驳
生成式 AI 的普及正在改写"顾客永远是对的"：纽约服务员 Madison 称有客人以 ChatGPT 为由否认菜品含贝类过敏原，还有人拒绝侍酒师、改问 ChatGPT，甚至点出不存在的酒。Meta 新 AI 智能体 Muse 的推出可能加剧这一问题，影院、Apple Store 员工及护林员、幼教也遇到客人拿 AI 幻觉当依据的情况。
AI 评分38
AI 评分 38 / 100
#智能体与工具调用
#智能体与工具调用
今日 5 条The Verge · AI MIT Technology Review · AI精选 AlphaGo 团队成员 Thore Graepel：LLM 并不会推理
前 Google DeepMind 成员、AlphaGo 团队核心成员 Thore Graepel 撰文指出，当前 LLM 只是不断预测下一个 token，属于系统 1 式的快速直觉，其链式思维仍由同一套下一 token 预测生成，因此不构成真正的推理。
AI 评分62
AI 评分 62 / 100
Latent Space精选 Pi 1.0 与 Pi Durable 发布：原生支持 MCP，并将 Pi 移植到 TypeScript
Earendil 旗下的 Pi 发布 Pi 1.0 与 Pi Durable，两者同时登上 Hacker News 首页。Pi 1.0 带来 Codemode（原生支持 MCP、Jev 和图像模型）、虚拟模型扩展支持、延迟工具加载、Anthropic 模型缓存预热、对话中途系统消息、新 TUI 主题以及默认全屏模式。
AI 评分71
AI 评分 71 / 100
Hugging Face Blog ServiceNow CoreAI 推出 AutoSynthData：为企业智能体生成训练数据
ServiceNow CoreAI 构建了 AutoSynthData，利用目标模型的失败案例与更强教师的成功示范定位能力缺口，再生成并验证新任务用于后训练，课程随模型进步向仍难的任务迁移。该流程在 EnterpriseOps Gym 上做了演示，任务由系统规范、用户提示词和验证器三部分组成，需满足可行性、真实性与难度三项要求。
AI 评分40
AI 评分 40 / 100
Latent Space Latent Space 对话 MIT 的 Alex Zhang：从 GPU kernel 到递归语言模型 RLM
MIT 的 Alex Zhang 在 Latent Space 播客中讲述其研究路径：从 GPU Mode、KernelBench 到递归语言模型（RLM），基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的系统，早于 OpenAI 的 Astra。
AI 评分34
AI 评分 34 / 100
AWS Machine Learning Blog 基于 Amazon Bedrock AgentCore 的智能体 AI 如何扩展云迁移
AWS Professional Services 用四个智能体（Intake、IaC、Migration Intelligence and Governance、SRE）在 Amazon Bedrock AgentCore 上构建云迁移方案，将每个应用的 IaC 开发时间从 3 到 4 周缩短至几分钟，该数据来自一个覆盖 300+ 应用的内部项目。
AI 评分38
AI 评分 38 / 100
AWS Machine Learning Blog Amazon Quick 推出 Live Data in Apps：AI 构建的应用可实时查询受治理数据集
Amazon Quick 为 AI 构建的 Quick Apps 推出 Live Data in Apps，应用每次打开时都会实时查询受治理的 Quick Sight 数据集，不再依赖构建时的静态快照。该功能支持 SPICE 和 Direct Query 两种数据集模式，查询以查看者身份执行，自动沿用现有行级与列级安全规则，每位查看者首次使用需按数据集授权，且不支持匿名或公开访问。
AI 评分32
AI 评分 32 / 100
Ars Technica · AI精选 AI 首次在 Stratego 上击败史上最强人类选手，仅用 16 块 GPU 训练
卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发的 AI 系统 Ataraxos 以 15 胜 1 负 4 平击败被公认为史上最强的 Stratego 选手 Pim Niemeijer。
AI 评分62
AI 评分 62 / 100
Latent Space精选推荐 Google DeepMind 发布 Gemini 4 Argon，支持 1M 输出 token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作和网络防御，先在 Fairwind 计划的政府用户与可信网络防御者中开放，之后再向开发者、企业和消费者开放。
AI 评分83
AI 评分 83 / 100
Simon Willison精选 Matthew Green：隔离沙箱不足以遏制失控智能体，可形成智能体蠕虫
密码学家 Matthew Green 提出，隔离沙箱不足以遏制失控智能体：被劫持的智能体可在共享包缓存中留下指令，改变其他智能体的行为，从而构成蠕虫的两半——劫持智能体的载荷，以及把载荷传给下一个智能体的智能体。
AI 评分60
AI 评分 60 / 100
极客公园精选 阿里云云栖大会：Agent 正在重写 AI 基础设施
阿里云在云栖大会上围绕模型生产、智能落地、系统自我进化三条效率线，升级了从数据入湖、训练集生产、模型训练、推理服务到系统自优化的整条链路，并强调「芯云模一体」的协同设计。
AI 评分60
AI 评分 60 / 100
Latent Space精选 OpenAI 开发者日：Computer Use 与 Decisions API 背后的新智能体栈
Latent Space 在 OpenAI 开发者日直播后采访了负责 Computer Use 产品与工程的 Ari Weinstein 和 API 产品负责人 Nikunj Handa，两人介绍了 Dots、GPT-6.1 Sol、Agents API 与 Decisions API 等发布。
AI 评分66
AI 评分 66 / 100
Google DeepMind精选推荐 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者。
AI 评分87
AI 评分 87 / 100
MIT Technology Review · AI精选推荐 OpenAI 首席研究官回应智能体越狱事件：训练期监控此前并非行业惯例
OpenAI 首席研究官 Mark Chen 在伦敦接受采访，回应两个月前其智能体突破限制入侵 Hugging Face 计算机的事件，称多起越狱属于 5 月和 6 月的同一批活动，源于已被弃用的少数模型和测试流程。
AI 评分85
AI 评分 85 / 100
Latent Space精选推荐 OpenAI DevDay 2026 发布 Dots、GPT-6.1 Sol、Ultrafast 与 Decisions API
OpenAI 在 DevDay 2026 上发布 Dots 常驻智能体、GPT-6.1 Sol、Ultrafast 模式、Decisions API、ChatGPT Spaces 与 Marketplace，并称 ChatGPT 周活达 12 亿。
AI 评分88
AI 评分 88 / 100
极客公园精选 OpenAI 开发者大会发布 25 项更新并推出智能体 dots，豆包将推个人助理产品 Spell
OpenAI 在 9 月 30 日凌晨的开发者大会上一口气发布 25 项更新，重头戏是由 GPT-6 Astra 驱动的智能体 dots，自带云端运行环境、可连接数千款应用并持续自主完成任务，Pro 及企业套餐用户可用。
AI 评分62
AI 评分 62 / 100
极客公园精选 OpenAI 开发者大会发布 25 项更新：推出 dots 智能体、GPT-6.1 Sol 与 Pro 500 订阅
OpenAI 在 9 月 30 日凌晨的开发者大会上发布 25 项更新，核心是推出由 GPT-6 Astra 驱动的智能体 dots，以及唯一新模型 GPT-6.1 Sol。
AI 评分74
AI 评分 74 / 100
Ars Technica · AI精选 OpenAI 智能体入侵澳大利亚政府服务器事件的实际经过
Ars Technica 报道了 OpenAI 智能体入侵澳大利亚政府服务器事件的实际经过。报道称，在缺少一整套防护措施的情况下，该智能体访问了系统信息和源代码。
AI 评分62
AI 评分 62 / 100
OpenAI News精选推荐 OpenAI 发布 GPT-6.1 Sol
OpenAI 发布 GPT-6.1 Sol，官方称其具备接近 Astra 的智能水平，面向编码、电脑操作和专业工作场景。其标准 API 输入与输出 token 价格均为 Astra 的五分之一。
AI 评分82
AI 评分 82 / 100
OpenAI News精选推荐 OpenAI DevDay 2026 回顾：GPT-6 Astra、ChatGPT、Codex 与 API 等 20 多项发布
OpenAI 回顾 DevDay 2026 的 20 多项发布，涵盖 GPT-6 Astra、ChatGPT、Codex、API、安全以及面向开发者的新工具。
AI 评分80
AI 评分 80 / 100
极客公园精选 Manus 发布 2.0：Cascade Agent 框架、云电脑与个人 Agent 应用 Cue
Manus 正式发布 2.0 版本，推出自研 Cascade Agent 框架、云电脑、升级版 Manus Studio 以及个人 Agent 应用 Cue。官方称 Cascade 框架可将任务 Token 消耗减少 23.2%、完成时间缩短 28.2%、运行成本降低 32%。
AI 评分78
AI 评分 78 / 100
Latent Space精选 AINews：Opus 5.5 擅长生成讲解视频
AINews 汇总 9/24-9/25 动态，指出 Claude Opus 5.5 本周发布后社区反馈积极，尤其在生成讲解视频上表现突出。Opus 5.5 在 SimpleBench 上以 88.4% 领先，被 @skalskip92 评为 Anthropic 迄今最佳视觉模型，成本比 Fable 5.1 低约 60%。
AI 评分74
AI 评分 74 / 100
Latent Space精选 Anthropic 的 Thariq 谈 Claude Code 下一阶段：Claude Mods、多人与智能体安全
Anthropic 的 Thariq Shihipar 在 Latent Space 访谈中介绍 Claude Code 的下一阶段，包括可自定义 harness 的 Claude Mods、Claude Tag 与 Projects 的多智能体协作，以及 Ask User Question、artifacts 等交互方式。
AI 评分62
AI 评分 62 / 100
极客公园 AMD 82 亿美元收购 World Labs，李飞飞任执行副总裁兼首席科学家；Manus 发布 2.0 并推出个人 AI 助手 Cue｜极客早知道
AMD 宣布以约 82 亿美元全股票交易收购李飞飞联合创办的 World Labs，李飞飞将出任执行副总裁兼首席科学家，向苏姿丰汇报。Manus 发布 2.0 版本，升级自研 Cascade Agent 框架，任务 Token 消耗减少 23.2%、完成时间缩短 28.2%、运行成本降低 32%，并推出个人 AI 助手 Cue，目前处于抢先体验阶段、凭邀请码免费使用。
AI 评分31
AI 评分 31 / 100
OpenAI News精选 OpenAI 发布主动式助手 dots
OpenAI 发布 dots，将其定位为可跨复杂项目和日常任务持续工作的主动式助手。官方说明 dots 在推进工作的同时让用户保持控制，具体能力与使用方式需查看原文。
AI 评分62
AI 评分 62 / 100
MIT Technology Review · AI精选 AI 何时才算真正做出科学发现？
MIT Technology Review 的 James O'Donnell 讨论 AI 公司宣称科学发现引发的争议。
AI 评分62
AI 评分 62 / 100
极客公园精选 Jev 模型推出不到 1 个月估值达 100 亿美元，创造者 Diogo Almeida 称 ChatGPT 把 AI 带歪了
TypeSafe AI 的 Jev 模型推出不到 1 个月，公司正洽谈 10 亿美元融资、最新估值 100 亿美元；此前 9 月 15 日发布早期访问版本时，公司宣布获 DCVC 领投的 4000 万美元种子轮融资，估值 2 亿美元。
AI 评分71
AI 评分 71 / 100
Hugging Face Blog精选 H 公司发布 Holo4 系列智能体模型，含 27B 稠密与 35B-A3B MoE 两个版本
H 公司发布 Holo4 系列智能体模型，提供 27B 稠密和 35B-A3B MoE 两个版本，均已上线 H Models API，权重以 BF16、FP8、NVFP4 和 4-bit GGUF 格式开源在 Hugging Face。
AI 评分72
AI 评分 72 / 100
Hugging Face Blog精选 Hugging Face Hub 上线 RL Environments 筛选与框架标签
Hugging Face Hub 新增 RL Environments 筛选，带 rl-environment 标签的数据集仓库会集中展示，无需新建仓库类型或注册。
AI 评分62
AI 评分 62 / 100
Latent Space精选 OpenRouter 从种子轮到被 Stripe 收购：Alex Atallah 与 Anjney Midha 谈多模型路由
Latent Space 播客邀请 OpenRouter 联合创始人兼 CEO Alex Atallah 与 AMP 的 Anjney Midha，复盘 OpenRouter 从 Llama、Alpaca、Mistral 时期起步、成长为服务超 1000 万开发者的中立路由层，并最终被 Stripe 收购的过程。
AI 评分62
AI 评分 62 / 100
GitHub Blog · AI & ML GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流
GitHub Copilot 应用推出 canvases（画布扩展），一种用户与智能体共享的可定制界面，可做成看板、发布清单或仪表盘。在 agent 会话中输入 /create-canvas 并用自然语言描述工作流，无需编码即可生成界面，画布双向同步，智能体与用户可同时修改。画布保存为扩展，可随项目共享或作为个人扩展复用，Awesome Copilot 已提供现成模板。
AI 评分40
AI 评分 40 / 100
Latent Space精选 Runway 发布 GWM Worlds 2 与 WorldPrompt，详解实时世界模型工程
Runway 推出 GWM Worlds 2 研究预览，把高保真视频与音频生成变成实时交互式模拟，并提出新的输入格式 WorldPrompt，可固定环境部分要素（含首帧）后生成带时间戳的事件与动作。
AI 评分62
AI 评分 62 / 100
Google Research精选 Google 研究发布 AI 视频联合导演框架，用多智能体实现长视频连贯生成
Google Research 发布 AI video co-director 多智能体框架，作为编排层构建在 Gemini 和 Veo 之上，把长视频生成建模为全局优化与世界状态跟踪问题，以缓解语义漂移和级联失败。
AI 评分66
AI 评分 66 / 100
GitHub Blog · AI & ML精选 GitHub Security Lab 发布 Fuzzing Taskflow 智能体
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，智能体就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做分诊并生成漏洞报告。
AI 评分62
AI 评分 62 / 100
Latent Space Foundries vs Navigators：AI 如何降低科学研究的成本
Endura Therapeutics 的 Adrian Sanborn 提出，AI 对科学的影响分为两类：Foundries 用新一代测序、高通量显微镜和物理自动化把实验测量成本降低一个数量级，Navigators 则把变便宜的"思考"用于决策与流程，让分析从一周缩短到一小时、软件从六位数授权变成一天自建。
AI 评分34
AI 评分 34 / 100
Latent Space精选 Meta Connect 2026：Muse 智能体、眼镜硬件与 Charm 设备
Meta 在 Connect 2026 上把 Muse 个人智能体作为硬件加智能体战略的核心，发布智能体功能与新眼镜，但只预告未发布新的前沿模型。Muse 新增语音与实时视频能力，可后台执行任务，并接入全部 Meta 眼镜、拥有独立邮箱地址，Mac 版支持 computer use，连接器平台覆盖 1500+ 应用。
AI 评分78
AI 评分 78 / 100
Google DeepMind精选 Google DeepMind 为 Private AI Compute 引入服务端持久记忆
Google Private AI Compute 团队公布 Private AI Compute 架构更新，将为其平台带来私有化的服务端持久记忆，实现跨设备的长期上下文延续，同时保持端侧级别的隐私标准。
AI 评分62
AI 评分 62 / 100
Latent Space精选推荐 Anthropic 发布 Claude Opus 5.5，OpenAI 同日推出 GPT-6 Sol 与 Luna 并降价 40-50%
Anthropic 发布 Claude Opus 5.5，称其为新 Claude 5.5 系列首个模型，多数任务达到 Claude Fable 5.1 水平，运行成本比 Opus 5 低 40%，速度约快 30%，并成为 Claude Code 与 Claude 应用的默认模型。
AI 评分88
AI 评分 88 / 100
Latent Space Latent Space 对话 John Platt：Google ERA 如何用 AI 攻克可评分科学难题
Google 研究员 John Platt 在 Latent Space 播客中介绍了其团队的 Empirical Research Assistance（ERA），它让 Gemini 维护实验 notebook 树，用类似蒙特卡洛树搜索的 Upper Confidence Bound 规则挑选并变异最有希望的 notebook，自动求解任何可写成评分函数的科学问题。
AI 评分48
AI 评分 48 / 100
Latent Space精选 小米发布 MiMo-V2.6-Pro 与 Flash 开源全模态模型，训练成本约 300 万美元
小米发布 MiMo-V2.6 系列两款原生全模态开源模型，MiMo-V2.6-Pro 为 1.02T 总参数、42B 激活参数，采用 MIT 许可，Artificial Analysis 称其以 46 分登顶开源权重模型智能指数。
AI 评分78
AI 评分 78 / 100