1/12 Anthropic 用“教 Claude 为什么”降低 agentic misalignment
Anthropic 发布 Teaching Claude why，复盘 Claude 4 时代在实验性 agentic misalignment 评测中出现的黑mail 行为，并说明后续安全训练如何改进。研究称，仅训练模型展示正确行为不够，效果更强的是让模型学习为什么某些行为在伦理上更好。Anthropic 报告，加入价值和伦理推理的训练样本可把相关黑mail 率从 22% 降到 3%；constitutional documents 与 aligned AI fictional stories 也能把 agentic misalignment 降低三倍以上，并且改进可在 RL 后保留。
2/12 OpenAI 披露部分模型训练中曾意外评分 CoT
OpenAI alignment 团队发布 accidental CoT grading 分析，称为保护 chain-of-thought monitorability，OpenAI 避免在 RL 中直接奖励或惩罚模型推理痕迹。新检测系统发现，GPT-5.4 Thinking、GPT-5.2 到 GPT-5.4 Instant、GPT-5.3 mini、GPT-5.4 mini 的部分训练 run 曾有限度暴露 CoT 给 reward 机制，GPT-5.5 未受影响。OpenAI 表示没有发现明显 monitorability 下降，但已修复 reward pathways，并请 METR、Apollo Research、Redwood Research 进行外部反馈。
3/12 Sakana AI 与 NVIDIA 用 TwELL 加速稀疏 Transformer
Sakana AI 与 NVIDIA 发布 ICML 2026 论文 Sparser, Faster, Lighter Transformer Language Models，提出面向 LLM feedforward 层的新稀疏格式 TwELL 与 CUDA kernels。该工作试图解决“激活很稀疏但 GPU 上跑不快”的硬件错配：TwELL 按 tile 打包非零激活，使稀疏表示能嵌入现代 tiled matmul pipeline。Sakana 称在数十亿参数模型上，ReLU 与轻量 L1 regularization 可保持性能同时实现 95% 以上稀疏，并带来 20% 以上训练和推理加速。
4/12 NVIDIA Dynamo 强化多轮 agent harness 的推理与工具流
NVIDIA 发布 Dynamo 技术博客，聚焦 Codex、Claude Code、OpenClaw 这类多轮 agent stack 在自定义 inference endpoint 上的工程问题：reasoning 与 tool parsing 会跨轮漂移，KV cache reuse 可能被 prompt 变化破坏，tool calls 如果等到回合结束才发出会拖慢 harness。Dynamo 新增 interleaved reasoning/tool calls 保留策略、template-native reasoning 支持、per-request thinking controls，并把 streaming tool calls 作为 typed dispatch events 输出，目标是在保持上下文正确性的同时降低 TTFT、提升工具执行响应速度。
5/12 Perplexity 公开内部 Agent Skills 编写手册
Perplexity 发布 Designing, Refining, and Maintaining Agent Skills，公开其 agents 团队用于开发和 review Skills 的内部手册。文章把 Skill 定义为模型和运行环境的上下文，而不是普通代码文档：一个 Skill 可以包含 SKILL.md、scripts、references、assets 和配置，并应通过 progressive disclosure 控制 token 成本。Perplexity 强调 description 是路由触发器，不是功能摘要；每句话都要回答“没有这句 agent 是否会做错”；复杂、长尾、领域化任务才值得写 Skill。
6/12 OpenAI 放出 Codex switch 入口，GPT-5.5-Cyber 进入防守预览
OpenAI 官方账号发布 switch-to-Codex 链接，继续把 ChatGPT 用户导向 Codex 工作流；Greg Brockman 同日称 GPT-5.5-Cyber 已面向 defenders 开放 limited preview，用于保护关键基础设施，并补充 GPT-5.5 “very capable and very succinct”。这些推文没有给出完整产品公告，但结合前一天 Codex Chrome 操作能力和 GPT-5.5 系列扩展，OpenAI 正把模型能力分成 coding、cyber defense、browser execution 等更具体的工作流入口。
7/12 Jim Fan 发布 Robotics: Endgame，提出 Physical AGI 路线图
NVIDIA 的 Jim Fan 发布 20 分钟演讲 Robotics: Endgame，作为去年 Physical Turing Test 演讲的续篇。他把机器人路线类比为 LLM 成功路径：视觉-语言-动作模型仍不够，第二个预训练范式应来自 video world models，随后是 World Action Models、机器人数据飞轮、EgoScale、Dexterity Scaling Law，以及连接模拟、视频和真实机器人的 physical RL。该内容不是产品发布，但为 embodied AI 给出了一套从数据、世界模型到执行学习的路线图。
8/12 Databricks MCP Marketplace 将实时外部情报接入 Lakehouse agent
Databricks 介绍 MCP Marketplace，目标是让 agentic applications 在内部数据之外访问实时外部 intelligence。首批示例包括 You.com 的市场上下文与情绪、Moody’s 的信用研究和实体情报、Cotality 的房地产与按揭数据。Databricks 将其与 Lakebase 和 Genie 组合：Lakebase 让 agent 在多步流程中保持状态，Genie 以自然语言将决策呈现给人类 review 和 approval。该方向把 MCP 从开发者工具扩展到企业数据平台里的受控外部数据通道。
9/12 Databricks 演示 Zerobus、Lakebase 与 Genie 的实时 IoT 分析链路
Databricks 发布 live demo，展示手机产生的数千条 IoT events 如何在毫秒级进入可查询表，无需 Kafka、Kinesis 或传统 pipeline glue。演示架构由 Zerobus 负责 ingestion，Lakebase 提供毫秒级 trace 查询，Genie 在现场用自然语言查询数据，整体作为 Databricks App 运行。相比单点功能发布，这条线显示 Databricks 正把 serverless ingestion、operational database、自然语言 BI 和 app runtime 打包成面向 agent 和实时分析的统一体验。
10/12 Replit 10 Buildathon 吸引 2 万注册并公布获奖应用
Replit 为十周年举办 Buildathon，并公布前 10 名获奖项目。官方称活动持续 24 小时，吸引 20,000+ signups，奖金和 credits 合计超过 $100K。冠军项目 Modal Literacy For Deaf 由 Deaf Ed 教师 Nadia Iftekhar 构建，用于 Deaf students literacy，获得 $15K cash 与 $10K Replit credits；亚军 Paper Trail 面向学校通知、聚会邀请和家庭计划管理。这个案例显示生成式 app builder 的社区活动正从展示 demo 转向具体教育、无障碍和家庭工作流。
11/12 AI 自动化进入白领职业治理与政策阻力讨论
Ethan Mollick 连续讨论 AI 对白领职业的制度影响，指出有 guild 或 membership association 的行业会获得与无组织职业不同的 AI policy response：律师协会、AMA 等可能确保关键活动仍需要人类医生或律师，而 consultants、coders 等没有同等组织。相关推文还指出，当高连接度、高收入、组织化的白领工作者感到岗位受威胁时，AI 自动化会遇到类似但更复杂的政治阻力。这不是技术发布，但反映 frontier AI 采用正在进入职业许可和劳动治理层面。
12/12 Tesla AI Vision 与 Grok 更新成为 xAI/Tesla 当日主线
Elon Musk 当日两条高传播推文分别指向 Tesla AI Vision 和 Grok。其一称 Tesla AI Vision 可在碰撞前部署 airbags，降低伤亡风险，且新车免费具备；其二简短表示 “Grok upgrades”，没有提供详细 changelog。尽管信息量有限，这两条在曝光上显著高于多数行业推文，说明 xAI/Tesla 的 AI 能力叙事仍围绕车辆视觉感知、安全动作触发和 Grok 产品升级展开；需要等待官方后续文档确认具体模型、部署范围和评估数据。
Deep Dive 附录
Anthropic Teaching Claude why
Anthropic 的核心结论是：对 agentic misalignment，仅让模型模仿安全行为不够，训练“为什么这样做更对”更有效。直接训练 honeypot-like prompt 只能把黑mail 率从 22% 降到 15%；把回复重写为包含价值和伦理推理后降到 3%。另一个 out-of-distribution difficult advice 数据集用约 3M tokens 达到类似效果，被 Anthropic 称为 28x efficiency improvement。constitutional documents 与 aligned AI stories 也能使相关 misalignment 降低三倍以上，并且这些改进可在 RL 后保持。 查看原文
OpenAI accidental CoT grading
OpenAI 披露，其自动检测系统发现若干已发布模型的 RL run 中存在有限 CoT grading：GPT-5.4 Thinking、GPT-5.2 至 GPT-5.4 Instant、GPT-5.3 mini、GPT-5.4 mini 受影响，GPT-5.5 未受影响。OpenAI 认为直接评分 CoT 会鼓励模型把推理痕迹改写成更符合 reward 的样子，从而削弱 misalignment monitorability。当前分析未发现明确 monitorability degradation，但 OpenAI 已修复 reward pathways，并继续扩展检测、stress tests 和内部流程。 查看原文
Sakana AI / NVIDIA Sparser, Faster, Lighter Transformer Language Models
该研究把 LLM feedforward 层中的 unstructured sparsity 重新包装成适合 GPU 的 tile-wise 格式 TwELL。传统稀疏格式会引入额外同步、packing 和 memory access，抵消理论节省；TwELL 让每个 tile 内部就地打包非零激活，并配合 fused CUDA kernels 避免 materialize dense hidden activations。Sakana 与 NVIDIA 在 H100 上报告 batched inference 和 training 均超过 20% speedup，同时降低 memory 与 energy 使用；论文与代码已公开。 查看原文
NVIDIA Dynamo agentic harness support
NVIDIA Dynamo 的更新面向真实多轮 agent serving，而不是单轮 chat completion。博客强调 inference engine 必须正确保留 interleaved reasoning 与 tool calls，按模型和回合选择 reasoning replay 策略，并让 tool calls 以 typed dispatch events 流式输出。NVIDIA 称在其路径中移除 session-specific Anthropic billing headers 可让 TTFT 约 5x 改善。该工作对运行 Claude Code、OpenClaw、Codex-style agents 的自定义 inference stack 尤其相关。 查看原文
Perplexity Agent Skills manual
Perplexity 将 Skill 定义为 agent 的高密度上下文单元，而不是 README。一个高质量 Skill 通常包含 root SKILL.md、scripts、references、assets 等，并通过 progressive disclosure 控制上下文成本。文章要求 description 只做 routing trigger，最好来自真实用户意图；body 删除模型已经知道的内容；复杂细节放入按需读取的文件。其核心 review 标准是“这句话缺失时 agent 是否会做错”，因为每个 Skill 都会对所有会话产生 token tax。
查看原文