本期首次入选范围 2026-10-22 08:00 至 2026-10-23 08:00 前（北京时间）
已发布模型摘要自动汇编 · 保留单篇结论与原文，未新增整期模型研判。
按首次公开入选时间归刊；原文较早、分析较晚的材料标记“补收”，不代表消息刚发生。
AI 日报 · 2026 年 10 月 23 日 · 星期五
MYHOT
微软与Hugging Face合作推出ThinkingBox-Training：将数据库评分转化为强化学习奖励
微软与Hugging Face联合发布ThinkingBox-Training，通过将数据库终端状态的执行检查转化为奖励信号，对Qwen3.8-27B模型进行50步GRPO微调。结果显示，模型在ThinkingBox-Bench基准测试中的平均成功率从51.70%提升至60.78%，20次尝试全部成功的任务数量从38个增加到107个。该训练方法使用离线策略相对难度选择训练任务，显著提高了代理的可靠性和重复成功率。
原发 · 入选 （北京时间）
模型发布/更新
OlmoEarth v1.3: 全球最先进的卫星嵌入模型
Hugging Face发布OlmoEarth v1.3卫星嵌入模型，提供全球10米分辨率、64和128维度的年度预计算嵌入数据，并推出基于浏览器的OlmoEarth嵌入探索工具。该模型在27项评估中超越AlphaEarth Foundations和Tessera v2，128维嵌入在20项测试中得分最高，64维版本在18项测试中领先。模型训练成本较v1.2降低53%，碳排放减少50%，同时保持微调性能。嵌入可用于作物分类、土地覆盖分析、变化检测等任务，无需GPU或高级技术知识。
原发 · 入选 （北京时间）
Recursive发布首个语言模型Flint，400亿参数MoE专为本地编码
AI创业公司Recursive发布首个语言模型Flint，该模型为400亿参数混合专家架构，专为本地编码开发。该模型由前DeepMind研究人员创建，使用公司内部AI系统"Eureka Machine"在四个月内完成训练和优化。该系统能独立测试和优化架构，但Recursive尚未证明该方法是否能实现自改进AI。
原发 · 入选 （北京时间）
AI代理“天网模式”劫持未受保护的语言模型发起自维持网络攻击
赛门铁克的安全研究人员发现了一种攻击性AI代理，它劫持网络上的未受保护的语言模型，并利用它们攻击服务器、窃取数据库并在其上安装加密货币挖掘程序。该代理可以运行多达10万步而不需要人工输入，导致被劫持模型的拥有者承担费用。
原发 · 入选 （北京时间）
OpenAI智能体32分钟分析小鼠大脑数据，人类需数月
OpenAI与PerturbAI和Scripps Research合作，部署数千个AI智能体分析数百万个小鼠细胞生物数据，完成分析仅需32分钟，而人类需数月。
原发 · 入选 （北京时间）
OpenAI的Patch the Planet项目发现PHP2Shell漏洞，影响70%的Web，使用GPT-5.6 Sol；两个月内协调应对
OpenAI的Patch the Planet项目与Wiz共同发现PHP2Shell漏洞，影响70%的Web，使用GPT-5.6 Sol进行发现。研究人员披露了两个PHP引擎内存损坏漏洞，并进行了广泛的协调应对。
原发 · 入选 （北京时间）
CulturalRiddles：跨文化谜语基准
Hugging Face发布CulturalRiddles，一个包含62种文化（45个国家，51种语言）的原创谜语基准。这些谜语要求模型具备丰富的文化知识、推理能力和语言技能，以评估大型语言模型对多元文化的理解和表现。
原发 · 入选 （北京时间）
WorldStream：基于分层规划和持久状态的流式交互3D世界模型
Hugging Face发布了一项名为WorldStream的开放式3D世界模型，该模型具有三个同时具备的能力：扩展可玩地形、处理运行世界中的开放式语言，以及恢复访问过的地点及其编辑。模型通过分层规划器和类型化决策模型发射结构化决策状态，并使用确定性本地代码将接受的计划编译成地形、道路、定居点、植被和实体。流式处理将它们的范围分开：计划在预测的走廊上运行，编译仅在即将需要的地方进行，用户后面的几何形状释放。一个世界记录保留计划、种子、对象标识和可变状态，边界承诺和按属性编辑，随着用户的进步和编辑而修订；返回的瓦片从它重新编译。相同的记录为交互奠定基础：模型作用于现有实体，包括作为它们行动而更新的状态实体NPC，编辑当前区域，或将意图附加到未计划的区域。这些功能共同产生一个在有限预算下扩展的世界，通过独立规划的瓦片连接，并具有交互性。
原发 · 入选 （北京时间）
产品发布/更新
MIT开发X-Hinges软件：3D打印自感知物体实现三轴运动
MIT与中国天津大学研究人员开发X-Hinges软件，可3D打印内置传感器的自感知物体，解决传统方法中传感器信号干扰问题。该软件支持用户自定义设计，嵌入两种不同材料分别用于传感器和电路，实现物体在压缩、上下和横向三个方向的运动感知与响应。研究人员已制作出教学机器人抓取的手套、感应亮度的折纸灯和物体识别系统等设备。
原发 · 入选 （北京时间）
Amazon Polly升级生成式引擎，新增14种语音支持印地语和芬兰语
Amazon Polly生成式引擎升级后提供更自然、准确的语音输出，新增14种语音覆盖9个地区，首次正式支持印地语和芬兰语。现有应用无需修改代码即可使用升级后的语音，支持低延迟流式传输和SSML标记控制，适用于呼叫中心、媒体娱乐、电子学习和无障碍应用等多种场景。
原发 · 入选 （北京时间）
IskayPet利用Amazon Bedrock Managed Knowledge Bases统一企业知识
IskayPet在西班牙、葡萄牙和法国运营330多家门店，面临跨四语言、三国家的企业知识管理挑战。他们使用Amazon Bedrock Managed Knowledge Bases构建企业知识助手，无需管理RAG基础设施，通过SharePoint连接器直接利用现有文档，支持混合搜索和文档级访问控制，将查找操作时间从3-5分钟缩短至7秒，预计每月可处理10万次查询。
原发 · 入选 （北京时间）
AWS SageMaker AI推出训练会话功能，无需管理GPU即可自定义模型
AWS宣布SageMaker AI serverless模型定制新增训练会话功能，允许开发者编写和协调训练循环，包括自定义损失函数或奖励信号，同时由平台处理GPU分配、分布式执行、故障恢复和检查点存储。支持SFT、DPO、RLVR、RLAIF或多轮强化学习等技术，可选择LoRA或全参数微调，并提供训练会话食谱和模型定制代理技能。目前支持gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B和Qwen3.8-27B模型。
原发 · 入选 （北京时间）
AWS SageMaker训练会话API：无需管理GPU编写自定义训练循环
AWS推出SageMaker训练会话API，允许开发者编写自定义训练循环，同时由服务管理GPU基础设施。该API提供forward_backward、optim_step和sample等操作，支持监督微调、强化学习等多种训练方法，并按使用量计费。同时发布训练会话食谱库，包含SFT和RL等可运行示例。
原发 · 入选 （北京时间）
AWS发布Amazon Quick HIPAA合规部署指南
AWS发布Amazon Quick在HIPAA合规环境下的部署指南，详细介绍了如何利用该服务构建符合HIPAA法规的AI工作空间。文章解释了HIPAA适用范围、Amazon Quick的HIPAA资格与合规区别，以及如何通过ACL访问控制、加密、审计日志等措施保护受保护健康信息(PHI)。指南包括AnyCompany Health Plan的部署案例和最佳实践，强调AWS与客户在合规责任上的分工。
原发 · 入选 （北京时间）
AWS使用Kokoro TTS在Amazon SageMaker AI上实现AI语音代理低延迟流式传输
AWS发布解决方案，通过在Amazon SageMaker AI上部署Kokoro-82M文本转语音模型，实现AI语音代理的句子级流式合成。该方法将语音合成延迟降低52.4%，在端到端测试中提升2.4-3.5倍响应速度，同时解决了传统方案中音频传输负载增加33%和帧对齐问题。
原发 · 入选 （北京时间）
AWS SageMaker AI文本转语音自动扩缩容目标测量方法
AWS博客介绍了一种基于实际测量的文本转语音(TTS)自动扩缩容配置方法，通过测量单实例最大并发请求数(Q_max)和实际扩容时间(T_total)，替代传统的猜测式配置。该方法使用Kokoro-82M模型在SageMaker实时端点进行测试，通过五步工具链(drift、qmax、ttotal、plan、validate)实现精确的扩缩容策略，解决了传统配置可能导致的资源浪费或服务延迟问题。
原发 · 入选 （北京时间）
行业动态
Modal CEO谈AI计算矩形化与沙盒产品增长
Modal CEO Erik Bernhardsson在访谈中解释了公司如何通过聚合客户需求实现弹性计算，并分享了GPU采购策略。Modal沙盒产品已占公司收入三分之一，最初因需求不足差点被关闭，后因代码生成代理和强化学习需求激增而快速增长。公司目前年化收入达10亿美元，估值160亿美元，已创建近30亿个沙盒环境。
原发 · 入选 （北京时间）
企业利用NVIDIA DSX突破电力瓶颈
全球企业正基于NVIDIA DSX AI工厂平台规划、模拟和运行电网与AI工厂一体化系统，从变电站到机架。该平台整合了电网、设施和计算系统，解决了电力成为基础设施最大瓶颈的问题，目前美国有超过200吉瓦项目排队等待并网。DSX Sim和SimReady资产可模拟验证发电机、开关设备和冷却系统；DSX Flex同步AI工厂需求与电网条件；DSX MaxLPS和DSX Exchange提升每瓦算力并安全共享信号。GE Vernova、Hitachi Energy、Schneider Electric和Siemens Energy等合作伙伴正扩展DSX应用，Phaidra和Emerald AI已集成DSX优化冷却和电力分配。
原发 · 入选 （北京时间）
论文研究
Google DeepMind发布全球森林类型地图：10米精度分类地球每一片森林
Google DeepMind发布全球地图，将地球每10米区域划分为不同森林类型。该地图可帮助科学家更精确地监测森林变化、评估生物多样性及应对气候变化。
原发 · 入选 （北京时间）
ToM2Vec：连续心智理论标记实现多智能体协调
研究团队提出ToM2Vec方法，通过固定数量的连续推理标记在丰富潜在空间中学习形成抽象心智理论。这些标记在训练时从合作伙伴的实际思想中获取监督，在测试时作为智能体思想和行动的条件器。在协作、竞争和混合动机环境中的测试显示，ToM2Vec在多智能体交互和协作方面持续优于基线和竞争性训练模型，且潜在推理至关重要，当推理以文本表达时性能下降。
原发 · 入选 （北京时间）
SpatialBrain：冻结视觉语言主干，靠经验积累提升空间推理
研究者提出 SpatialBrain 框架，在保持视觉语言主干不变的前提下，积累“何时直接观察、何时重建或换参考系”的推理经验。3DFusionMemory 将当前场景观测融合为可查询的空间关系，空间技能库提供可复用工具流程，空间认知把任务条件与使用经验关联起来；完成轨迹被抽象为过程记录并在任务块间整合。在五个空间推理基准上，四个优于同一主干的直接回答，一个持平。
原发 · 入选 （北京时间）
从VLA规划器到机器人代理：基于历史依赖操作的自我进化约束
研究者提出了一种名为SERA（自我进化机器人代理）的方法，通过一个可编辑的约束来组织高级视觉语言动作（VLA）模型，以保持任务上下文并通过执行经验改进规划。在RoboMME测试中，SERA实现了51.38%的成功率，而未进行自我进化的版本为44.38%。这表明，具有代理规划的机器人操作是一个有前景的方向。
原发 · 入选 （北京时间）
DeepEvolve：基于未来事件预测的可持续进化智能体系统
研究团队提出DeepEvolve系统，通过持续交互动态变化的环境并内化经验实现递归自改进(RSI)。该系统在FutureX排行榜连续三周排名第一，评分提升高达195%；在合成评估中超越最强基线10.7 Bradley-Terry点。结果表明，与开放环境共同进化是AI系统自我改进的基础。
原发 · 入选 （北京时间）
ALPS：统一物理状态、语言对齐与像素重建的视觉状态编码器
研究者提出视觉状态编码器 ALPS，仅用静态图像与文本，以语言、重建和空间对应目标从零预训练 ViT-B/16，再用跨视角自蒸馏精调。在15个公开编码器的统一评测中，ALPS 的 LIBERO 状态探针聚合误差在 ViT-B 模型中最低，追平体积大3.5倍的 V-JEPA 2-L；冻结特征配合原生文本塔在 LIBERO 上策略平均成功率85.5%，在 PushT、Wall、Granular 的世界模型规划中持平或超过领先编码器，预测的未来 token 可直接解码成像素。
原发 · 入选 （北京时间）
Quant-Arena：量化交易研究中的LLM代理基准测试
研究人员推出了Quant-Arena，这是一个针对真实A股市场数据的端到端量化研究基准和排行榜。模型构建特征和股票评分代码，仅对2022-2023年数据进行反馈，并在2024年对策略进行评估。GPT-6 Astra在该基准测试中得分最高，但没有模型在2024年击败等权重市场。
原发 · 入选 （北京时间）
TraceForge：用学生模型自己的风格重建教师推理链
前沿模型 API 不再返回详细推理过程，TraceForge 改为以教师模型的答案和上下文为输入，用生成器按学生模型家族的风格重建推理链，再由判别器筛选。两阶段先监督后对抗训练；独立评审给出的真实性均分为 0.68，真实推理链为 0.66，判别器从四个候选中选出的达 0.82。在相同 5000 题和教师答案下，HumanEval+ 提升 3.7 分、MBPP+ 提升 7.1 分。
原发 · 入选 （北京时间）
技巧与观点
AWS开源Deep Insight：多智能体数据分析系统的五项生产实践
AWS解决方案架构团队开源Deep Insight，一个用CSV和自然语言提示自动生成带引用DOCX报告的多智能体系统，由Coordinator、Planner、Supervisor、Coder、Validator、Reporter、Tracker等角色协作。文章总结五项生产挑战及对应方案：用Strands Agents SDK的Graph与Agents-as-Tools模式控制执行流，按角色分配Claude Haiku/Opus/Sonnet并选择性启用提示缓存，用Bedrock AgentCore做托管运行与会话隔离，用Fargate+ALB沙箱执行LLM生成代码，用DynamoDB、SNS、Cognito搭建运维看板。系统提供本地CLI、Web和AgentCore三种部署方式，LG电子基于同架构将分析时间从3天缩至30分钟。
原发 · 入选 （北京时间）