要闻
美联储（Federal Reserve）五个地区听到企业因 AI 提高生产率而减少人员配置或招聘。 10月的《褐皮书》（Beige Book）称，一些企业投资 AI 后，通过自然减员缩减员工规模、推迟招聘，或预计减少新增岗位。7月，同一份全国摘要还只提到少数地区增加了 AI 在招聘或提高生产率方面的应用。
这份报告是对企业联系人的定性调查，不是就业人数统计，也没有提供行业总数。各地区报告描述的调整比大规模裁员更为隐蔽：芝加哥和克利夫兰的联系人减少了人员需求，达拉斯会计师事务所则推迟了部分入门岗位的合同。一家达拉斯人力资源公司在 AI 智能体（agent）两天内完成逾 180 小时面试后，还增聘了招聘人员，说明部署可以同时消除和创造任务。
在一项涉及 1,025 名消费者的游戏设计实验中，AI 智能体团队胜过了人类制作人。 一篇预印本报告称，AI 智能体团队设计的游戏获得的评价高于人类制作人的作品，其中包括专业人士的作品。参与者也没有为标注为人类创作的作品支付更高价格。
这一结果的范围比有关创造力的一般性论断更窄：它只涵盖受控实验环境中的一类产品，论文也尚未经过同行评审。不过，结果呈现的矛盾很具体。在研究采用的指标上，专业经验没能保护人类团队，而预期中的人类创作溢价也没有出现。
来源： arxiv.org
语言模型即使回答错误，也往往保留着工作记忆中的目标。 研究人员用干扰任务测试了 15 个参数规模从 7,000 万到 140 亿的模型。许多回答失败时，注意力头仍然选中了目标，探针也几乎能完美解码目标；抑制竞争项的表征则提高了模型的敏感度。
这指向读出瓶颈，而非单纯遗忘。作者将这种干扰模式与人类工作记忆作比较，但探针不能证明模型能使用探针解码出的内容。这项工作既有观察，也有因果干预：削弱非目标项的身份信息，确实让行为朝预测方向改变。
来源： arxiv.org
Meta 发布了 8,160 亿参数的多模态混合专家模型 Muse Spark Open。 该模型每个 token 激活约 420 亿参数，支持最多 100 万 token 的上下文，BF16 权重占用约 1.5 TB。Meta 称，两台配备 512 GB 内存的 M5 Ultra Mac Studio 就能运行它；苹果（Apple）的四机 MLX 配置在 8,192 token 上下文下超过了每秒 36 token。
这里的“Open”有边界。访问需要申请，营收超过门槛的商业使用需要另行签订协议，而 Meta 尚未发布承诺的安全报告。这次发布扩大了可以在本地检查的范围，但只有实验室和资金充足的开发团队，才能把它当作普通桌面模型使用。
来源： research.meta.ai, huggingface.co/meta-models/Muse-Spark-Open-816B-A42B, machinelearning.apple.com
一款采用字节验证的智能体式反编译器，其作者在社区反对后归档了项目。 Decomp.wtf 让智能体重建源代码，再通过重新编译出完全相同的字节来验证成功与否。公开仓库达到 366 个星标后，作者停止了服务并归档代码。
这一事件把强有力的工程测试与社会层面的边界放在了一起。字节完全一致，让系统输出格外容易核实，但同样的能力也让二进制文件可能被重建的人感到担忧。归档保留了方法，同时终结了托管产品。
来源： github.com/Decompile-It/decomp.wtf
新模型与发布
IBM 的 Granite Switch 4.1 在同一模型中路由聊天、决策、安全和语音任务。 IBM 将激活式 LoRA 适配器与 4.7 亿参数语音编码器结合，按 Apache 条款发布了 80 亿和 300 亿参数版本；基准测试结果由公司自行报告。来源： huggingface.co/ibm-granite/granite-switch-4.1-8b
英伟达（Nvidia）发布 Nemotron 3.5 Rerank 8B，用于多语言文本和图像检索。 模型卡涵盖 34 种文本语言和 18 种图像语言，但相关数字仍来自英伟达自己的评测。来源： huggingface.co/nvidia/nemotron-3.5-rerank-8b
Mistral 发布四个 Timestral 预测模型，参数规模从 500 万到 2.09 亿。 它们最多接受 32,768 个历史观测值，预测 1,024 步并输出 21 个分位数；Mistral 称，模型在其选定的排行榜上领先，并承诺发布技术报告。来源： mistral.ai
Black Forest Labs 发布了 56 亿参数的 FLUX 3 Image Klein。 这款需要申请访问的模型支持生成与编辑，最多可使用 10 张参考图，提供 4K 输出，以及面向 8 GB GPU 的 INT8 模式；质量方面的说法来自公司。来源： blackforestlabs.ai
GitHub 将于 11月16日下线部分 Copilot 模型。 Opus 5、Opus 4.8 和 GPT-5.6 Terra 都在被替换的版本之列，因此固定使用这些版本的工作流必须在截止日期前迁移。来源： github.blog
研究
Vector-Pair Decomposition 将模型权重拆分为更小、可解释的组件。 一份 124 页的交互式报告通过对抗性消融测试这些组件，而非只依靠易懂的标签；预印本未附公开代码。来源： arxiv.org
更多推理可能抹去模型正确的语用推断。 “Entertain, then Cancel”研究发现，模型经常早期考虑隐含意思，却随着推理轨迹增长退回字面理解。来源： arxiv.org
潜在思维链方法并不共享同一种机制。 在 21 种配置中，逻辑任务的隐藏状态内容有时可以被删除，但算术仍然依赖这些内容；仅仅能够解码，并不能证明存在推理。来源： arxiv.org
重新推理有助于模型摆脱陈旧思维链。 单独发起一次调用，使遵循证据的表现提高了 29.9 至 60.6 个百分点，而仅在同一轨迹中要求自我核查并没有效果。来源： arxiv.org
出色的捉迷藏表现并不能证明存在理论心智。 预印本显示，智能体可以利用规律取得好成绩，而无须以人类意义上的方式表征对手。来源： arxiv.org
经济与就业
亚马逊（Amazon）目前在拥有 150 万名员工的同时，运营着超过 100 万台机器人。 据 Ars Technica 报道的公司数据，其 Robin 系统将任务成功率从 92.28% 提高到 93.73%，相当于每 100 万次尝试减少约 16,500 次失败。来源： arstechnica.com
一项劳动市场模拟把 AI 工资设为决定性假设。 当 AI 劳动成本为人类工资的 70% 时，模型中失业率上升 4.1 个百分点；与人类工资持平时，则上升 9.2 个百分点。这些是模拟结果，不是观测到的失业人数。来源： arxiv.org
在一家供应商包含 1.4 万通电话的数据集中，人工呼叫中心坐席的转化表现约为 AI 的四倍。 AI 坐席毫无进展便被挂断的电话多了 700%，人工则多漏接了 15% 的电话；样本并非随机抽取，且来自一家销售呼叫中心软件的公司。来源： boldagents.co
一次模型辅助的 TypeScript 到 Rust 编译器移植，按 API 等价用量计算耗资约 2.4 万美元。 Theo Browne 称，早期模型在完成约 84% 时停滞，而 Opus 5.5 产出了接近完成的移植版本，其基准测试速度达到 TypeScript 6 的 12.5 倍。基准测试和费用核算尚未经独立审查。来源： theregister.com
提示词技巧
针对模型报告的每个问题，要求给出成本最低的核查办法。 一位实践者让模型返回其说法、确切证据、成本最低的确认测试、隐藏假设和忽略问题的代价。该模式没有基准测试，但说明完整。来源： old.reddit.com
一套第二意见提示词追问模型实际检查了什么。 它把每项说法分为有支持、有矛盾、可能或未核实，要求对当前事实提供确切页面，最后只给出下一项检查。该模式没有附带测量数据。来源： old.reddit.com
大家在做什么
Locals 在苹果芯片上批量运行本地推理（inference），并对确定性 JSON 跳过生成。 作者在 M2 Pro 上测试了一个包含八个请求的 Qwen3.5 4B 工作负载，测得每秒 271 token，对照为 87；这是项目自己的基准测试。来源： github.com/danielhanchen/locals
PocketGPT 把一个 3,000 万参数的语言模型放到了 ESP32 上。 这个开放项目报告每秒 0.74 至 1.41 token，并明确指出算术不可靠。来源： github.com/roboflow/pocketgpt
FileDig 为 Windows 增加本地语义文件搜索。 这款 825 MB 的应用使用 EmbeddingGemma2，并称文件从不离开本机。来源： github.com/fdatalab/filedig
Earshot 通过 MCP 为编程智能体提供本地音视频感知。 这个开放项目在 CPU 上运行；准确率和性能数字由作者自行提供。来源： github.com/jooray/earshot
值得一读
Nick Cammarata 认为，神经网络比主流可解释性研究所假定的更干净。 他在 Goodfire 一篇阅读时长 65 分钟的文章中称，著名的多义神经元案例反映的是架构溢出和“递归泛化”，而非任意堆放概念。这是工作假说，尚非定论。来源： already-clean.goodfire.com
一项对 113,457 个网站的研究只发现两个 llms.txt 文件包含覆盖指令式提示词注入。 Signals Corps 找到了 62,751 个真实文件，而 36% 的响应是 HTML；在六次测试中，Claude Code 四次遵循了虚构的注册要求。作者销售智能体安全软件。来源： signalscorps.com
NVIDIA 与 AI4Bharat 公布了处理 2.8 万亿印度语言 token 的流水线。 它涵盖印度宪法列明的 22 种语言，发布了提示词、翻译工作流和质量检查，但语料本身仍待发布。来源： huggingface.co/blog/nvidia
Christian Schaller 使用 Claude Code 和捕获的 USB 流量构建 Linux 扫描仪驱动。 他报告称数小时内实现首次扫描，数天内得到接近完整的驱动，随后发布了可复用的硬件配套工具。在此期间，一个兼容的 SANE 提交已由他人独立完成并合入。来源： blogs.gnome.org
Hacker News
Muse Spark 的许可和硬件要求主导了社区讨论。 评论者比较了可检查的权重、超过许可营收门槛后所需的独立商业协议，以及远高于普通工作站的设备账单。他们的性能比较并不正式。来源： news.ycombinator.com
用户发布了 Qwen3.8 Flash 在 RTX Pro 6000 硬件上的测量结果。 不同引擎和量化方式下，报告的解码速度从每秒 108 到 238 token 不等，因此这些数字并非受控的正面对比测试。来源： old.reddit.com
YouTube
斯坦福大学（Stanford University）发布一节介绍现代语言模型训练技术栈的 CME295 课程。 这节英语课程沿着从数据和优化到后训练及服务部署的路径展开。来源： youtube.com
Jellyfish 称，AI 让每名工程师合并的拉取请求增加 43%，同时让每个拉取请求的成本降低 26%。 这场英语演讲报告的是客户观测数据，并非随机实验。来源： youtube.com
简讯
美国联邦贸易委员会（Federal Trade Commission）正式调查 OpenAI 和 Anthropic 的智能体事件。 Ars Technica 报道称，该机构发出了超过 50 页的信息要求；调查报道依赖匿名消息源，目前还不是执法认定。来源： arstechnica.com
Anthropic 为六名 METR 研究人员提供员工级别的访问权限以开展评测。 公司称，除有限删改外，评测人员可以不经公司否决而发布结果；这一安排的独立性要等发布后才能衡量。来源： anthropic.com
台积电（TSMC）把 2026 年资本支出区间上调至 600 亿–640 亿美元。 这家代工企业称需求仍高于供应，正在考察美国数据中心的电力和建筑容量。来源： investor.tsmc.com
商业简讯
Cohere 提议收购智能体安全公司 AISLE。 来源： cohere.com
后续关注
GitHub 选定的 Copilot 模型将于 11月16日下线。Mistral 称 Timestral 技术报告仍待发布，Meta 则表示将公布 Muse Spark 安全报告。