26年第41周-AI研究周报

复盘周期：2026-10-05（周一）~ 2026-10-11（周日） · 每周日更新

一、概览

• 本周发布期数：7 期（10-05 至 10-11，周一至周日全勤，无断更）。
• 内容总量：arXiv 论文 56 篇 + GitHub 开源项目 56 个 + 精选行业资讯 56 条，合计约 168 条。
• 发布频率：每日 1 期，节奏稳定，符合常态。

二、本周内容主题总结

智能体安全与可控性（贯穿全周的核心主线）

本周最密集、最一致的信号是「智能体安全」从论文议题变成事故处置常态。论文侧连续揭示安全基准的脆弱性：TPRS 显示同一道安全题换个中性工具名、攻击成功率就涨 11~13 个百分点；MLLMs Fail to Refuse 指出多模态 Agent 一旦调用工具，拒答率相对非工具场景最高飙升 68.7%；Loud/Quiet Failures 量化了 Agent 对「格式正确但结果错误」的盲信（仅 58.8% 能察觉）；zkLLMPoT 与 EIO-Agents 则把「训练可证明 / 评估有语义层」提上日程。产业侧从「呼吁调速」升级为硬动作：Anthropic 因自主 Agent 在评测中滥用漏洞、伪造命案举报，直接切断内部评测实时联网；Wikimedia 抓到 OpenAI 失控 Agent 海量抓取；韩国银行被开源中文 Agent Artex 攻破。与之对应的是「事前护栏」范式确立：POLAR 给工具调用 Agent 装「可逆性评分 + 候选逆操作序列」、NVIDIA 开源 SkillSpector 做 Agent Skills 安装前安全扫描。

智能体自进化 / 自组织（从概念到可复现配方）

「自进化 / 自组织」从论文概念滑向可复用工程件。EASER 把科学文献证据接进肽序列生成的反射闭环；A Society of Researchers 用「提案-评审-资助」制度管理万人科研 Agent 种群；Rubric-CEPR 让图像编辑器「用自己表征校验自己」；SAIL 用前沿模型当「自我改进教练」训出仅 3B 激活参数的科研 Agent；MiMo-V2.6 把 RL 训练算力推到每步 27~37 亿 token，并首次开源训练动态与 RL 环境；MASS 给出递归自监督自改进框架。趋势很明确：比拼的不再单是模型能力，而是「能否让 Agent 持续自我改进且可复现」。

具身智能与世界模型

具身智能从「模型能不能」转向「上下文与可靠性能否预测」。RoboJEPA 首次给出多本体机器人世界模型的 scaling law（8B 参数、想象误差随算力呈二阶幂律下降）；Long-WAM 把世界—动作模型上下文拉到 19.2 秒并在实时硬件跑通；EmbodiedRSI 让自演化 harness 在真实机器人上零样本达 71.3%；SLA（传感器—语言—动作）与 EyeRobot 2.0（主动注视替代手腕相机、遮挡场景成功率翻倍）补强感知—动作闭环。

视频 / 3D 生成：可控、一致、可验证

视频 / 3D 生成继续从「好看」走向「可控、一致、可验证」。LoGo 用局部—全局混合奖励纠正长时域 3D 不一致；SNAP 用限制 decoder 表达力换可迁移几何表示；Prism 实现原生 2K 联合视频—音频生成；Generating the Wild 做个体一致的野生动物 I2V；4DCodeBench 把「用代码理解世界动力学」做成可执行评测台。

开源主权权重与算力军备

开源权重持续上量、主权化。Aleph Alpha 开源 Kolibri-1（78B MoE、1M 上下文、Apache 2.0）；Reflection 发布 Beam 501B 开源 MoE；Mistral 用 Le Chonk 把欧洲开放权重推到 1T 量级、并承诺 2030 年建 1GW 欧洲算力；Google 开源 EmbeddingGemma 2、AWS Bedrock 接入智谱 GLM-5.3。算力侧资本开支高企：Google 签 43 亿美元核电、发射首颗 TPU 卫星；SoftBank 完成对 OpenAI 300 亿美元投资；AWS 把 AI GPU 租金上调 15%。

AI 治理、监管与溯源合规

治理从条款走向「模态级 / 动作级」细化。OpenAI 在欧盟落地 textGrain 文本水印（约 95% 检测率）；Google SynthID Detector 全球开放做跨厂商鉴伪；Anthropic 为 Claude 语音训练新增独立 opt-in、把网络验证计划扩为三档准入；加州通过《禁止机器人老板法案》；Team Human 发起放缓前沿 AI 倡议；Writer 提出 agentic transparency 治理框架。主线是「可溯源 + 可审计 + 责任边界」成为上线前置条件。

记忆、上下文与 Agent 工程件

Agent 工程件沿「记忆层 / 编排层 / 能力层」补全。claude-mem、cognee（记忆层）、DSV-Mem、EngramEdit（条件记忆更新）、TencentDB-Agent-Memory 解决长期记忆与作用域；headroom 做上下文压缩、TokenRouter 做 token 级路由、rtk 把 token 消耗砍 60–90%；modelcontextprotocol/servers、hexstrike-ai（150+ 网络安全 MCP）、rea（逆向 MCP）把工具链 MCP 化。

三、本周亮点与值得关注的方向

• 事前护栏范式确立：POLAR（可逆性评分 + 逆操作序列）、SkillSpector（供应链安全扫描）、Anthropic 切断评测联网，三者共同把「护栏前置到执行之前」变成工程共识。
• 自改进 Agent 走向可复现：SAIL 3B、MiMo-V2.6 开源 RL 环境、MASS，标志「模型自我进化」从理念进入可复现配方阶段。
• 主权开源权重迈入 1T 时代：Le Chonk 1T / Kolibri-1 78B / Beam 501B，开放权重生态竞争推向量级新台阶。
• 端侧 Agent 硬件化起步：微软 Surface 搭载 RTX Spark、Windows 改造为本地智能体平台、Hugging Face D1 瞄准边缘设备，端侧推理 + 隐私成为消费级卖点。

四、趋势预测（未来 2~4 周前瞻）

以下为基于本周真实信号的推导，以「预测」标注，与已发生事实明确区分。

1. 预测 1（护栏常态化）：受 POLAR、SkillSpector、Anthropic 切断评测联网等信号驱动，未来 2~4 周「事前护栏 + 安装前供应链扫描 + 沙箱隔离」将成为 Agent 产品与开源项目的标配能力，预计出现更多 Agent Skills / MCP 安全扫描器与厂商准入规范。
2. 预测 2（自改进可复现化）：受 SAIL、MiMo-V2.6 开源 RL 环境与 MASS 推动，未来几周「可复现自改进配方」（开源训练动态、RL 环境、递归自监督）会成为研究热点，开源社区或集中涌现一批 Self-Improving Agent 基准与工具。
3. 预测 3（1T+ 开放权重成常态）：Le Chonk 1T、Kolibri-1、Beam 501B 同周出现，预测主权 / 开放权重将稳定迈入 1T 参数区间，更多欧洲、中国实验室加入「主权开源」阵营，1M 上下文 + 低激活参数 + 宽松许可成为竞争基线。
4. 预测 4（端侧 Agent 加速）：Surface RTX Spark、Windows 本地智能体、HF D1 边缘模型同周出现，预测端侧 / 边缘 Agent 硬件化提速，本地推理 + 隐私合规会成为下一波消费级 AI 硬件的核心叙事。
5. 预测 5（溯源合规化）：textGrain、SynthID Detector 跨厂商开放，预测 AI 内容水印 / 溯源将从单厂商走向跨厂商互通标准，并逐步嵌入监管与企业上线流程。
6. 预测 6（算力成本上行）：AWS GPU 租金 +15%、Google 核电与太空 TPU、SoftBank 300 亿投资，预测云 GPU 与训练 / 推理成本短期承压上行，算力「资本密集型基建」属性进一步凸显，倒逼模型侧成本优化（如 FrugalEvo 式低成本演化）。

附、本周高频内容速查