水木分子入选央视“中国AI创业十骏”，是榜单中唯一一家AI制药公司，并以对话式平台、模型、技能包和自研管线推进药物研发。ChatDD 分为 Insight、Discovery 和 Trial，覆盖立项、分子设计与临床支持；首批 OpenBioMed 技能包包含 45 项专业技能，并将专家方法转为可复用工作流。
推荐理由：文章拆解水木分子以模型、智能体平台、技能包和自研管线协同的路径，并呈现首条管线七个月推进至临床前候选分子确认的案例。
美国资本正按全球平台潜力给具身智能机器人大脑高估值，中国资本则更看重产线、订单和交付，两套定价逻辑正在分化。Physical Intelligence 正洽谈至少 10 亿美元融资，目标估值约 200 亿美元；国内 10 月具身智能融资事件从 9 月的 60 起降至 33 起，金额从 110.28 亿元降至 101.05 亿元。
推荐理由：文章通过融资数据、平台案例与落地成本，对照中美资本给机器人大脑定价的偏好及其对产品路线的影响。
中国电子信息产业发展研究院在2026新域新质创新大赛期间发布《新域新质创新发展十大趋势》称，中国人工智能推理数据量首次超过训练数据量。截至2026年6月，日均词元调用量超过175万亿，相比2024年年初增长1000多倍；顶尖大模型迭代周期从几个月压缩到几周甚至几天。报告将这一变化视为人工智能从模型训练研发阶段迈入规模化产业应用阶段的标志。
推荐理由：报告以推理数据量、日均词元调用量和模型迭代周期呈现训练研发向产业应用阶段的变化，为行业观察提供量化参照。
在2026香港金融科技周开幕式上，度小满、香港科技大学与HKGAI联合发布轩辕4.5金融增强大模型，包含大语言模型和多模态模型。轩辕4.5将自进化RSI技术用于模型训练及智能体场景目标适配，在获客、风控、客户经营等核心金融场景实现效果提升30%，成本仅为通用模型的10%。基于轩辕，度小满已构建上千个智能体、5000余项技能，日均Token使用量超过1000亿。
推荐理由：轩辕4.5将自进化RSI用于模型训练与智能体适配，并给出获客、风控等场景效果提升30%、成本仅为通用模型10%的对比。
美团发布新一代原生多模态大模型 LongCat-2.5，面向长程智能体任务，总参数量为 1.6 万亿。该模型全程在国产算力上训练，36氪称其是目前国产算力上完成的最大训练任务。评测结果显示，其在多项主流基准中的成绩介于 Claude-Opus-4.8 与 Claude-Opus-5 之间，部分评测超过 Claude-Opus-5。
推荐理由：材料集中给出模型定位、参数量、训练算力来源和基准对标，读者可据此比较其技术定位与相对表现。
韩国总统李在明表示，政府将投入21.3万亿韩元，推进半导体制造集群、数据中心、实体人工智能研发和AI产业布局。其中4.6万亿韩元将用于研发全球顶尖水平的自主大模型，13.8万亿韩元投向十大战略技术领域。他称，2027年总支出将达820.9万亿韩元，同比增长12.8%，用于提振潜在增长并落实“全民共享增长”目标。
推荐理由：韩国把财政投入同时投向芯片、数据中心、战略技术与自主大模型，呈现其AI产业扶持的预算结构。
西湖大学于10月31日成立西湖世界模型研究中心，聚焦世界模型与物理智能研究。中心由于开丞教授担任主任、金耀初院士担任首席科学家，是面向物理智能的校级交叉科研平台。AutoLab三年前已开展世界模型研究，2024年底转向概念世界模型路线，并孵化西湖数智Awomo，聚焦物理世界的基础大模型。
推荐理由：文章梳理了AutoLab从生成极端场景转向概念世界模型的技术路线，并交代研究中心与孵化公司之间的研发衔接。
Randall Balestriero 提交的 arXiv 论文将柏拉图式表征假说证明为定理：正样本对为同一场景的两个良好视图且错位受限时，不同模态上分开训练的 JEPAs 会学到至多相差一次旋转的表征。
Google 牵头的研究团队提出 StreamVibe 视频智能体，可通过视频理解明确、未言明及执行中变化的意图，并判断何时主动开口。团队以超过183小时的日常与软件录制构建约4,100个样本的基准，由Gemini 2.5 Flash提出帮助时机和内容，再由4名人工评估者一致认可。
推荐理由：研究用约4,100个样本检验视频智能体的主动帮助能力，并以长视频连续交互揭示回应时机、任务记忆和意图变化的累积误差。
张朝阳在采访中表示，关注流是搜狐战略级产品，目前正投入更多资源进行产品打磨、用户拓展和线下运营。该产品依赖用户关注关系与真人转发，不依赖算法推荐，用户发布的内容不参与大模型收录。
推荐理由：张朝阳说明了关注流的战略定位与分发逻辑，内容不参与大模型收录，为理解搜狐的内容生态取舍提供了具体视角。
作者在 Hugging Face 提供 Demoscener-7B，以 Dwitter 语料和人工偏好后训练，为 Dweet 动画生成续写。
推荐理由：文章拆解了从语料构建、课程训练到人工偏好 RLHF 的后训练流程，并给出各阶段困惑度变化，为小样本代码模型后训练提供了具体路径。
OpenAI 计划自 11 月 29 日起使用 Daybreak Blue 网络安全会话数据训练模型，结束这些数据此前被排除在训练之外的状态。邮件确认，用户即使关闭“improve the model for everyone”设置，数据仍会用于训练；引发反弹后，OpenAI 承诺提供单独的退出选项。被安全审查标记的交互仍可用于安全目的。
推荐理由：OpenAI 调整 Daybreak Blue 会话数据的训练用途并承诺提供单独退出选项，呈现数据使用边界变化引发的争议。
Meta 前研究员 Stephen Roller 在庭询中承认，任职期间曾通过 BitTorrent 下载并有意分发包含近 200,000 本书的 Books3 数据集。
推荐理由：这份材料拆分了图书训练的合理使用问题与盗版数据来源问题，证词、命令日志和内部文件是后续争点的主要材料。
Google DeepMind 与世界资源研究所利用卫星数据和 AI 构建 ForTy，将 2020 年全球地表以 10 米分辨率划分为 6 类。这 6 类涵盖原始林、天然更新林、种植林、人工林、树木作物和其他土地；2 名专家复核 8,190 个随机站点，整体准确率为 90.2%，但树木作物和种植林仅约一半正确。
推荐理由：ForTy以2020年森林类型为EUDR供应链筛查提供全球参考，在同类测试中超过欧盟委员会地图，但种植林和树木作物精度仍偏低。
Hacker News 从 2008 至 2026 年的 63,300 条帖子和评论中筛出 12,441 条真实软件请求，并归并出用户至今仍反复提出的 100 个工具想法。
推荐理由：这份清单把多年零散讨论归并为可比较的产品方向，并用持续被请求的比例揭示已构建方案与完整需求之间的落差。
OpenAI 分享了创作者、学者、无障碍倡导者和法律专家等提交的法庭文书摘录，呈现公平使用支持 AI 训练与创新的观点。原文链接：https://openai.com/index/fair-use-benefits-everyone
推荐理由：集中呈现创作者、学者、无障碍倡导者和法律专家对公平使用支持 AI 训练与创新的论证，为理解相关法律争议提供多方视角。
OpenAI、Google、Microsoft 和 Anthropic 宣布支持共享“policy token”标准，网站可在 robots.txt 中设置信号，阻止这些公司的 AI 爬虫访问。
推荐理由：共享 policy token 把分散在多家公司的抓取退出设置集中到 robots.txt，发布者可一次表达 AI 训练偏好并对照各家落地时间。
Fujifilm 宣布投资约 10 billion yen（约 $63 million），将 LTO 磁带产能较 2025 财年水平提升至 5 倍。投资将在 2026—2028 财年用于神奈川工厂和小田原场地的制造扩建与人员增加，主要生产 FUJIFILM LTO Ultrium10。
推荐理由：Fujifilm 以 5 倍扩产回应生成式 AI 带动的数据归档需求，呈现大型云服务商扩大低成本离线备份投入的动向。
OpenAI 将遵循共享的 robots.txt 信号，帮助网站运营者向参与的提供商表达 AI 训练偏好。参与的提供商可通过这一共享信号获知相关网站表达的偏好。
推荐理由：网站运营者可用共享 robots.txt 信号向参与的提供商传达 AI 训练偏好，读者可据此了解站点表达训练偏好的共享路径。
Youtu-Parsing-Omni 提出并开源统一多模态解析器，以一个共享权重编码器和一套统一输出结构，将文档、图像、音频与视频转换为带时空信息的结构化记录。
推荐理由：论文同时给出统一解析架构、训练方法、基准成绩和 vLLM 部署配套，便于对照模型效果与实际使用方式。
ReLift 提出一种无需基于图像训练的前馈框架，将密集 3D 跟踪转化为几何轨迹修复与补全。轨迹校正器利用沿轨迹与跨轨迹交替注意力，可在不重训时跨跟踪器和几何模型复用。WorldTrack 上平均准确率达 SOTA，较最强基线全点和动态点分别提升 2.1 APD、3.0 APD，较快配置快于 4RC。
Microsoft 构建了 Industry Evaluation Data Generation Platform，用完全合成的企业环境评测 Microsoft Copilot，并将其确立为标准化评测基线。
推荐理由：给出了兼顾企业场景真实度、数据隐私和可复现性的合成评测方法，并具体说明自动生成查询、质量验证与成本收益，便于迁移到企业 AI 评测。
临界点发布 OmniGlove Pro 数采手套并开启量产交付，以采集触觉数据，并按真机Ready标准判断机器人能否复现完整任务。手套采用EMF磁场定位与IMU抗干扰融合方案，在全手布置高密度触觉感知点位，并与OmniHand的触觉点位和外形尽量对齐。在绍兴卧龙产线POC中，OmniHand连续完成72道工序，单轮耗时8.5分钟，任务成功率达98%，可连续作业8小时。
智元联合清华大学、无问芯穹发布群体经验学习范式 CEL，以机器人同伴的真实作业轨迹作为经验来源，并配套 FERT 失败引导经验检索微调算法与 FATS 容错异步训练系统。
同一件事，精选收录的是《清华大学联合无问芯穹、智元提出 CEL 群体经验学习范式并在96台真实机器人上验证》
Wikimedia Foundation 就 OpenAI、Microsoft 与出版商之间的 AI 版权诉讼提交法庭之友意见，主张区分 LLM 预训练与向用户复制受版权保护内容。其折中立场是，预训练应提供全新且不同的内容，而取代原作、减少读者接触的行为需要遵守许可条款。Wikimedia 警告，未谨慎适用公平使用原则可能损害自由知识的可持续性并抑制开源技术发展。
推荐理由：Wikimedia 在 AI 版权诉讼中区分模型训练与输出复制，呈现开放知识、授权要求与生成式 AI 之间的具体权衡。
36氪结合投资人访谈指出，2026年AI初创企业的竞争焦点正由模型参数转向应用落地、付费需求和现金流管理。文章援引Crunchbase数据称，2026年上半年全球初创企业融资额约5100亿美元，第一季度约80%的风险投资流向AI公司；OpenAI单轮融资1220亿美元、估值8520亿美元，Anthropic估值9650亿美元。
国产开源文档解析模型 OXR 以 1.3B 参数量登顶三项文档解析榜单。在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 上得分分别为 97.18、87.84 和 87.76；后训练采用递归自我改进（RSI），让系统自行找错、归因并生成下一轮训练数据。
IDM提出不依赖外部特征编码器的图像生成分布匹配方法，在2 NFE下取得LongText-CN 94.25%和LongText-EN 90.20%的最高对比分。
推荐理由：IDM呈现了无需外部编码器的分布匹配设计，并提供2 NFE下的对比数据和消融结果，便于评估新增矩约束的设计取舍。
清华大学、无问芯穹与智元近日联合提出群体经验学习（CEL）范式，并在96台真实机器人组成的集群中完成规模化验证。在插花、叠衣服、手机充电、凳子组装和手机包装五项任务中，两台未参加训练的机器人完成600次测试，仅失败15次，总体成功率97.5%，五项任务成功率均超过6名人类操作员平均水平。
推荐理由：材料通过600次真实机器人测试，以及训练规模从16台增至96台时的成功率变化，呈现群体经验复用对任务表现和规模化部署的影响。
文章指出，企业正把 AI 当作身份标签和采购项目，但多数试点尚未转化为财务回报、规模化价值或组织转型。文章引述德勤中国 2026 年 10 月调研称，92% 的企业已开展 AI 应用试点，8% 获得财务和战略收益，4% 完成组织级转型；日照钢铁、友达光电等案例则显示，AI 嵌入具体流程、数据和岗位后更容易形成结果。
推荐理由：文章以多项企业案例和调研数字作对照，拆解流程、数据与组织准备对 AI 规模化落地的具体制约。
OpenAI健康板块负责人Karan Singhal提出，AI医疗应成为贯穿诊前、诊中、诊后的健康助手和临床安全网，而非取代医生。他表示，每周已有超过3亿人使用ChatGPT询问健康问题，OpenAI正结合通用模型迭代与医疗专业训练，探索主动式个人健康助手，并与Epic等系统合作接入工作流。
推荐理由：文章从患者端、医生端和研发端切入，梳理医疗AI的能力设想、工作流接入方式，以及信任、安全与规模化落地约束。
Amazon Quick 英国用户组通过举办三次季度聚会扩大社区，累计吸引 150 多名参与者，并从演示转向动手实践。参与者使用 Amazon Quick Flows、Amazon Quick Automate、Amazon Quick Research、Amazon Quick Apps 和聊天智能体开展实践；三场活动均在伦敦 Amazon UK Corporate Office 举行。
tinyworldformer 使用两个小型神经网络，在 Raspberry Pi Pico 2 W 上同时生成并游玩 Breakout、Doom-lite、Flappy Bird、Pong 和 Pac-Man lite。
推荐理由：项目公开了世界模型、智能体、int8 量化与片上学习的实现和复现流程，读者可结合逐帧准确率与资源占用评估端侧可行性。
Reddit 宣布将平台转向以登录用户体验为主，以应对搜索流量下滑、减少数据被 AI 抓取并拓展模型授权收入。Q3 全球日活环比持平于 130.3 million，美国日活从 Q2 的 53.2 million 降至 50.7 million，10 月搜索引荐量每周平均减少超过 1 million。
推荐理由：Reddit 的登录态转型把搜索流量下滑、AI 数据授权与广告变现放在同一框架中，适合对照开放互联网平台的应对路径。
AWS Batch 新增配额管理调度能力，面向 SageMaker Training 任务按团队、项目或工作负载划分 GPU 配额，并支持资源借出、借用与抢占回收。
推荐理由：文章通过三个配额共享策略和两类抢占场景，完整展示多团队 GPU 资源的借用、回收与优先级调度配置。
SkyPilot 为 Grace Blackwell NVL72 集群采用16节点切片和机架感知调度，NVIDIA 模型显示16节点切片可用容量比18节点切片高 27%。
推荐理由：文章把通信瓶颈、故障恢复与集群碎片化放在同一框架下，给出16节点切片相较整架分配的容量与成本权衡。
前 Palantir 高管创办的 Dream 走出隐身状态，获 a16z 领投的 $17M 种子轮融资，开发面向建筑设计与工程自动化的 AI 世界模型。该模型以美国各地建筑许可档案中超过 100 million square feet 的建筑数据训练，并依据真实物理规律和建筑标准生成结构精确、涵盖管道与 HVAC 的设计。
推荐理由：文章对比了标准 LLM 生成建筑图像与 Dream 按物理规律和施工标准生成结构精确设计的方法，呈现建筑世界模型的技术差异。
这项研究发现，REPA 等扩散 Transformer 训练加速方法会显著重组 AdaLN-Zero 残差门 α，加速模型对 α 的扰动也更敏感。研究提出归一化参与率 nPR 来刻画门在通道维度上的组织方式，并据此设计无需教师模型、基于特征范数正则化的径向目标。
推荐理由：论文将扩散训练加速与可测量的残差门重组织联系起来，并给出无需教师模型的径向目标，便于对照现有加速方法分析机制差异。
据 The Information 报道，DeepSeek 和 Moonshot AI 大量依赖 OpenAI GPT-6 Astra 的输出进行模型蒸馏，用于训练包括 Kimi K3.1 Pro 和 V4.1-Flash 1017 在内的最新模型。
阿里云自今年5月提出转向 Agentic Cloud，正把云平台从承载模型调用改造为支撑智能体持续运行的环境。其体系归纳为全域认知引擎、自主运行与持续进化、可信协作与治理、智能实时决策四项能力，AgentCore、Agent Sandbox、Agent Identity 分别支撑运行、隔离和权限。
推荐理由：文章通过对比云原生与 Agentic Cloud 的任务形态，并结合三家企业的工程问题，呈现阿里云承接智能体业务的技术路径。