Blog

欧洲住宅房地产运营商 Heimstaden 正在采用 OpenAI 的工具，革新其房屋租赁和物业管理流程，将虚拟布置成本降低逾 99%，并力争每年节省大量成本。

NVIDIA 及其全球合作伙伴正在扩大面向城市服务的物理 AI 和智能体 AI 部署，涵盖居民服务智能体、视觉智能体及数字孪生，并在西班牙、美国、波兰和马来西亚使用 Cosmos、Nemotron、Omniverse 和 Metropolis。

OSINT 研究员 Colsto 演示了一种技术：从视频音频中提取几乎无法察觉的背景飞机噪音，计算多普勒曲线，并与 ADS-B 航班数据交叉比对，从而精确定位视频拍摄地点。

Simon Willison 宣布推出十月版赞助者专属月度通讯，内容涵盖氛围编程游戏开发、安全漏洞、大语言模型发布、API 额度以及他发布的软件。

一篇 LessWrong 文章，探讨如何教会 Qwen 模型对其输出背后的「为什么」进行推理，并在长文中考察对齐与推理行为。

埃隆·马斯克证实，由于运营成本相对于收入过高，已难以持续，Grok Bot 的使用额度被下调。

GitHub Next 推出了 enclaves，这是一种面向 GitHub Agentic Workflows 的实验性安全原语，它允许 Agent 跨仓库工作，同时以确定性方式约束它们回传的信息，从而缓解从私有到公开的数据泄露风险，例如 GitLost 攻击。

Sean Goedecke 认为，近期一篇论文声称前沿 LLM 能够读取和编辑神经网络权重，但其表现并非如宣称的那般超人，因为一位聪明的 ML 研究员就能通过基础分析复现这些任务。

NVIDIA 推出 Cosmos 框架，这是一个开放的模块化平台，用于训练、后训练、优化和部署面向物理 AI 的世界基础模型，涵盖 DPO、GRPO、PPO 等强化学习管线，并通过 Cosmos NIM 微服务进行模型服务化部署。

Framer 的 Harness 2 通过在 JavaScript 流式生成的同时执行代码，升级了智能体的代码执行能力，将成本降低高达 33%，执行速度提升 20%，同时显著减少工具调用步骤和缓存 token 用量。

一篇技术文章介绍了 GPU 加速的权重传送（Weight Teleportation），这是一套 Blackwell 原生的 delta 权重同步流水线，可将采样器暂停时间降至 0.23 秒以下，端到端权重同步耗时降至 4 秒以内，适用于大规模强化学习（RL），在大多数工作负载上超越了集群内 P2P RDMA 方案。

这篇文章探讨了如何利用多个规模较小、独立调度的“算力孤岛”来训练前沿模型，通过混合使用不同代际、不同厂商的加速器，扩大可用于训练的算力资源池。同时，文章指出，当单个遭入侵或发生故障的站点就可能在不知不觉中损害模型性能时，完整性和安全风险也会随之增加。

微软分享了构建 Copilot Cowork 的工程经验。这一 AI 智能体执行层在四个半月内实现全球上线，其间还完成了从 Python 到 Rust 的在线迁移。

GR.inc 发布了一篇详细的文章，介绍如何通过强化学习训练智能体群体，提出了 RLCR（基于集体奖励的强化学习）——一种采用平坦集体优势与延迟压力的共享策略策略梯度方法，旨在实现集体推理时扩展。

Anthropic 发布了 Claude Platform 的 Message Threads（消息线程）公测功能，通过仅发送增量消息而非重新发送完整对话历史，将长会话的首个词元生成时间（TTFT）中位数缩短了约 35%。

GPT-6.2 Astra 出现在部分 Codex 用户的使用分析数据中，表明 OpenAI 可能正在为下一代前沿模型的分阶段发布或 A/B 测试做准备，正式推出可能已不远。

Hugging Face 推出 transformers-mic，这是一套模型集成契约（Model Integration Contract，MIC）标准，将小型发布测试夹具、可运行的使用路径和人工审核的基线打包在一起，以便在廉价的 CPU 运行器上捕获模型回归问题，避免其进入 Transformers 主分支。

用于与大型语言模型交互的命令行工具 LLM 0.37 版本发布。

MIT Energy Initiative于9月22日至23日举办了年度研究会议，200多名与会者探讨了废碳利用、公众对人工智能与数据中心的信任、核能复兴以及量子工具包——这些是能源转型的关键前沿领域。

OpenAI 正计划开展下一轮内部安全冲刺，与 Cathedral 合作，利用其自身的模型来加固系统，将漏洞赏金提高至四倍，并承诺投入 10 亿美元为一线防御者提供补贴的 Daybreak 访问权限。