📑 目录
复盘周期：2026-10-12（周一）~ 2026-10-18（周日）
内容来源：hackcv 本周 7 期《AI研究简报》（每日一期，三栏各 8 条）
一、概览
- 发布期数：本周共发布 7 期《AI研究简报》（10-12 至 10-18，周一至周日每日一期），发布频率正常。
- 覆盖总条数：168 条（每日「arXiv 论文 / GitHub 开源 / 行业资讯」三栏各 8 条，7 × 3 × 8）。
- 本周定调：Agent 的竞争重心从「能不能动」转向「能不能被信任与治理」——常驻化、工程化与可信治理三线同步推进；模型侧则延续「降价 + 开源权重放量」节奏，二者共同把「低成本、可审计的常驻智能体」推到落地临界点。
| 日期 | 期数 | arXiv 论文 | GitHub 开源 | 行业资讯 |
|---|---|---|---|---|
| 10-12（一） | 第 1 期 | 8 | 8 | 8 |
| 10-13（二） | 第 2 期 | 8 | 8 | 8 |
| 10-14（三） | 第 3 期 | 8 | 8 | 8 |
| 10-15（四） | 第 4 期 | 8 | 8 | 8 |
| 10-16（五） | 第 5 期 | 8 | 8 | 8 |
| 10-17（六） | 第 6 期 | 8 | 8 | 8 |
| 10-18（日） | 第 7 期 | 8 | 8 | 8 |
| 合计 | 7 期 | 56 | 56 | 56 |
二、本周内容主题总结
1. Agent 工程化与常驻化（最密集主线）
长期记忆与上下文预算成为竞争焦点：claude-mem（跨会话持久化）、headroom（工具输出压缩 60–95%）、context-mode（上下文窗口优化）、openclaw（跨平台真行动）持续走热。编排范式从「静态链」升级——Anthropic 的 flows 让 Claude 自写编排程序启动子 Agent，OOPMAS 把面向对象引入 Agent 编排，FloWright 让工作流自进化，ProgAgent 把工具调用做成可训练的程序化范式。常驻化标志性事件：OpenAI Dots 周活破 3500 万，微软 Autopilot「数字同事」+ 自研 Maia 300 芯片两端落子。生态标准化加速：Figma 接入 20 个 MCP 伙伴、AWS 出官方 agent-toolkit、vercel-labs/skills 与 hermes-agent、deepseek-harness（「一切皆插件」）推动技能/运行时成层。
2. Agent 安全与治理（可信护栏补位）
安全研究从「单步提示」深入「跨服务组合路径」：X-AgentRed 用工具依赖图自演化红队，有害路径发现率达 STAC 1.77 倍；SRFT 让 Agent 从自身被注入的失败经历中学习反思；关键量化证据——MLLMs Fail to Refuse when Using Tools 显示工具调用场景拒绝失败率最高升 68.7%。治理侧密集落地：Anthropic 引 METR 审计员「入驻」且不可否决其发布、自研 Scion 版本控制；AWS 把智能体评测产品化为 Bedrock AgentCore；NVIDIA 亲自下场做安全运行时 OpenShell；监管从立法转入执行——EU AI 法案首批信息函发往 OpenAI 与 Anthropic，FTC 对 Agent 技能展开行业调查。攻防两侧同步 agent 化：Armadin（进攻性安全）融资 $255.5M，恶意软件 CLOSEDQUORUM 轮询多家 LLM 共识决策；Claude 误报谋杀线索、Codex CLI 静默常驻等事件把「责任归属与可关断」推到台前。
3. 模型发布与推理降本
API 价格系统性下探至 $2/$10 每百万 token 成为新基准：GPT-6.1 Sol（约为 Astra 1/7 成本、1/5 价）、Claude Sonnet 5.5（任务成本降 30%）、Claude Haiku 5.5（$0.10/$0.50 低价档）、Gemini 4 Argon（百万 token 输出、先给防御方）。开源权重体量再上台阶：Meta Muse Spark Open 816B（主打 Agent 编码、可本地 Apple 硬件）、Mistral Le Chonk 1T、Aleph Alpha Kolibri 78B、小米 MiMo-V2.6（MIT 许可）、Step 5 Preview（成本仅 Opus 5 的 1/8）。多模态嵌入 EmbeddingGemma 2（740M、五模态统一向量空间）把本地 RAG 门槛拉低。
4. 具身智能 / 机器人
人类视频成为数据杠杆：LAPT-Scale 用连续潜动作预训练，真实机器人成功率随人类视频 1K→5K 小时由 63.3% 升至 85.0%；Evo-RL 选择性复用成功经验和把尝试成功率提 30.46%；Balanced Data Diet 解决百万级并行 RL 探索浪费；单策略借多教师蒸馏掌握 22 项四足技能。具身编排用于「不终止、环境变化」场景（城市搜救救援率 98%、token 仅 1/6）。行业侧 Nature Will 发布 50B 物理世界 MoE Natura-1（灵巧手、百万小时第一人称数据），RobotWorld 基准揭示数字能力难以平移物理具身。
5. 多模态推理与音视频 / 3D 生成
视觉世界建模成共享训练原语：WOVEN 用视频生成造 (s,a,s’) 转移监督，训练后改善 22/26 个外部基准。视频理解走向「主动取证 + 可验证」：DeltaStreamer、Open-o3-Video-v2（可验证时空证据）、VAMR（一次探索共享证据、省 85.9% 推理轮次）、ReTAC（残差式测试时计算）。多模态 CoT 从「阶段」重构为「状态」（ReState）、引入视觉增强原语（Genesis）与快-慢思考统一（L2T）。生成侧：PixelMoE 把 LLM 式 MoE 直迁像素空间；Artisan 让 3D 资产生成从「好看」到「物理可动」；SepGen（音视分离生成一体）、SSRS（多镜头音视频状态脚本）解决「跳戏」痛点；Speculative Forcing 给自回归视频生成加投机接受、提速 1.35–1.5x；FLUX 3 Klein 把前沿画质压到单卡消费级 GPU。
6. AI for Science / 形式化数学
OpenAI 开放 722 篇数学手稿供独立审查；Lean Graph Search 把依赖图引入定理证明检索、证明通过率提升最多 40%；AlphaProtein Novo 开源酶设计。递归自提升（AI4AI）从口号到可复现训练：MLExpert 把 MLE 奖牌率从 37.9% 升至 72.7%；小米 MiMo-V2.6 首次完整披露 RL 驱动自我改进配方。
7. 算力与基础设施
微软 Maia 300 每瓦 token 数提升 40%、多千兆瓦推理规模削弱对英伟达依赖；白宫承诺 24 亿美元科学算力（Genesis Mission Consortium）；算力与云巨头向上游买能力——英伟达洽谈收购 Reflection AI（501B 开源 Beam）、亚马逊约 70 亿美元收购 Decart。
三、本周亮点与值得关注的方向
- 常驻 Agent 跨过尝鲜期：Dots 周活 3500 万 + 微软 Autopilot 身份化，标志 Agent 进入生产力形态，下一步比拼「编排 + 本地/边缘部署 + 权限合规」系统效率。
- Agent 安全范式确立「事前护栏」：68.7% 拒答失效、X-AgentRed 组合路径红队、SRFT 失败反思训练，配合 METR 入驻、OpenShell、AgentCore，可信治理从可选项变上线硬约束。
- 开源权重逼近 1T 成新常态：816B（Muse Spark Open）、1T（Le Chonk）、78B 稀疏激活（Kolibri），开源与闭源前沿差距继续收窄，且明确主打 Agent 编码与本地部署。
- 视频 / 3D 生成从「好看」到「可控可验证」：Artisan 物理可动 3D、SepGen/SSRS 音画一致、Speculative Forcing 实时生成，内容自动化有了新抓手。
- 技能与 MCP 生态爆发：hermes-agent、deepseek-harness、vercel-labs/skills、Figma 20 MCP 伙伴，Agent 的「应用层 / 互联协议」正在标准化。
四、趋势预测
以下为基于本周真实技术/产业信号的前瞻推导（与事实明确区分，以「预测」标注）：
- 预测 1（治理工具链独立成类）：本周 AWS AgentCore、NVIDIA OpenShell、Anthropic Scion/METR 入驻集中出现，预示未来 2–4 周「智能体评测 / 审计 / 安全运行时」将作为独立品类快速成型，成为企业落地 Agent 的刚需底座。
- 预测 2（API 价格继续下探、常驻 Agent 产品化）：GPT-6.1 Sol $2/$10、Haiku 5.5 $0.10 低价档、Gemini Argon 百万输出，价格曲线整体下移。预测未来数周更多「常驻 / 低监督」Agent 产品（类 Dots）集中发布，成本锚点进一步下压。
- 预测 3（500B–1T 开放权重常态化）：Le Chonk 1T 与 Muse Spark Open 816B 同周落地，预测未来 2–4 周会出现更多 500B 级以上的 Apache/MIT 开放权重，且普遍主打长上下文 + 本地化部署。
- 预测 4（多模态 Agent 安全成监管焦点）：68.7% 工具调用拒答失效 + FTC 调查 + EU AI 法案执行函，预测「Agent 工具调用安全」将进入监管与红队的标准检查项，相关基准与护栏论文会密集出现。
- 预测 5（视频生成迈向可控可验证）：Artisan（物理可动 3D）、SepGen/SSRS（音画一致）、Speculative Forcing（实时）同周涌现，预测「物理 grounded + 可验证」将成为下一代视频/3D 生成模型的核心卖点，替代单纯画质竞赛。
附：本周高频内容速查（去重后按主题）
- Agent 工程化：claude-mem · headroom · context-mode · Dots · flows · OOPMAS · FloWright · MCP · Skills
- Agent 安全治理：提示注入 · 拒答失效 68.7% · 组合路径红队 · METR 入驻 · OpenShell · AgentCore · EU AI 法案 · FTC 调查
- 模型降本：GPT-6.1 Sol · Haiku 5.5 · Sonnet 5.5 · $2/$10 基准 · 常驻 Agent
- 开源权重：Muse Spark Open 816B · Le Chonk 1T · MiMo-V2.6 · Kolibri 78B · Step 5
- 具身 / 机器人：LAPT-Scale · Natura-1 · RobotWorld · 人类视频潜动作 · 多教师蒸馏
- 多模态 / 视频 / 3D：WOVEN · DeltaStreamer · SepGen · SSRS · Artisan · FLUX 3 Klein · PixelMoE
- AI4Science：形式化数学 · Lean Graph Search · 722 手稿 · MLExpert · 自我改进 RL
- 算力基础设施：Maia 300 · White House $2.4B · 收购 Reflection/Decart · 本地部署
参与讨论
评论由 GitHub Discussions 驱动，数据存储于 hackcv/blog 仓库；需要 GitHub 账号登录后参与，支持 Markdown 与表情回应。评论由 GitHub Discussions 驱动，数据存储于 hackcv/blog 仓库；需要 GitHub 账号登录后参与，支持 Markdown 与表情回应。