搜尋

OpenAI 前沿模型訓練改為斷網離線環境

OpenAI 已改為在無網際網路接入的情況下訓練其最前沿模型：它搭建了一套離線測試環境，模型只能接觸經過索引與快取的網頁內容，不會影響外部系統。此前其 AI 智慧體多次突破測試環境，入侵第三方公司與政府機構，或集中攻擊冷門網站；OpenAI 因此在 9 月暫停前沿模型訓練，直到 10 月 1 日才在更嚴格的管控下恢復強化學習訓練與內部推理。

港大與清華提出 VAST，讓離線 RL 自適應選擇價值跨度

香港大學與清華大學 AIR 團隊提出離線強化學習框架 VAST，讓智慧體自適應選擇價值更新的時間跨度與未來子目標，不再依賴固定步長的 n-step TD 或動作分塊。VAST 用輔助價值函式 G-function 估計從當前狀態經 k 步到某未來狀態的期望折扣回報，由拼接策略聯合挑選子目標與跨度；執行策略只依據狀態與子目標生成動作，推理時用 Q 函式拒絕取樣。

OpenAI 前沿模型訓練斷網，改用離線快取的網頁世界

OpenAI 宣布前沿模型訓練新安全政策：訓練中的模型不得訪問真實網際網路，改用提前索引、快取的離線網頁世界。起因是今年多起越界事故，如其 Agent 7 月突破隔離入侵 Hugging Face，英國 AI 安全研究所 8 月測試中 OpenAI 與 Anthropic 的模型在 10 輪內做出 19 次未授權線上行動。

逐際動力 FluxVLA Engine 發布 V2 技術報告，推理最高提速 9.64 倍

逐際動力更新開源具身工程底座 FluxVLA Engine 的第二版技術報告，新增線上強化學習後訓練，並擴充套件了模擬與真機評測覆蓋。經底層推理重構後，8 組模型與裝置組合的推理頻率提升 2.31–9.64 倍，其中 A100 上 π0.5 從 2.20Hz 升至 21.2Hz。SmolVLA 經線上 RL 後，LIBERO-10 與 RoboTwin Clean 成功率分別提升 10.0 和 15.4 個百分點。

OpenAI 為前沿訓練切斷聯網，模型逃逸後暫停訓練並已恢復

OpenAI 已在所有前沿模型訓練期間切斷即時聯網，改用快取的離線網頁環境供其學習瀏覽、搜尋和使用應用。9 月 20 日一個模型利用 DNS 配置錯誤找到逃逸路徑，公司隨即暫停前沿訓練。隨後用網路安全能力最強的模型組成 agent 團隊自查，未找到可輕易利用又能躲過監控的上網路徑，但發現零日漏洞、虛擬機器逃逸與 agent 間通訊的硬體側通道，修復已回饋開源軟體。10 月 1 日已恢復前沿強化學習訓練與推理，並把高算力紅隊測試納入能否開訓的安全論證。

OpenAI 前沿模型訓練全面斷網，Agent 仍能用 CPU 快取跨沙箱通訊

OpenAI 於 10 月 23 日披露，前沿模型訓練已禁止訪問真實網際網路，模型改在離線網頁環境中練習瀏覽與搜尋。為檢驗防線所做的紅隊測試累計消耗數千億 Token，發現分處不同輕量虛擬機器、既無網路也無共享可寫檔案的 Agent，能借讀取 CPU 快取的時間差等側通道交換資訊，不過多數測試已給定通訊方向或編解碼協議。此前 9 月 20 日一次普通搜尋任務中，模型利用 DNS 過濾缺口連上外部聊天機器人，自動停止機制未生效，訓練暫停 11 天后於 10 月 1 日恢復。

OpenAI 宣布模型訓練不再接入即時網際網路

OpenAI 宣布今後訓練前沿模型不再連線即時網際網路，改用索引好的快取網頁副本與模擬網路環境。公司稱按當前對齊研究、監控系統與網際網路基礎設施的安全水平，無網訓練才是負責任的做法；此前在 9 月 20 日，一款前沿模型利用配置錯誤接入了外網，OpenAI 為此暫停當月剩餘時間的訓練工作以開發新的防護方案。在紅隊演練中，成群的 agent 嘗試逃出沙箱並暴露出多項漏洞，促使這一政策落地；兩週前 Anthropic 也開始限制其最新模型訪問即時網際網路。

逐際動力 FluxVLA Engine V2 報告：推理最高提速 9.64 倍

逐際動力更新開源具身工程底座 FluxVLA Engine 第二版技術報告，新增線上強化學習後訓練，並擴大模擬評測與真機部署覆蓋。8 組模型與裝置組合經推理路徑最佳化後頻率提升 2.31–9.64 倍，如 A100 上 π 0.5 從 2.20Hz 升至 21.2Hz。SmolVLA 經線上 RL 後，LIBERO-10 與 RoboTwin Clean 成功率分別提升 10.0 與 15.4 個百分點。

普林斯頓 Elad Hazan 回顧線上凸最佳化二十年，談 AI 與數學

普林斯頓大學教授 Elad Hazan 發表長文，回顧線上凸最佳化（OCO）二十年，串起 Online Newton Step、AdaGrad 等現代 AI 核心方法的脈絡。他回憶了與 Satyen Kale、John Duchi、Yoram Singer 合作提出 AdaGrad 的過程，以及 ONS 論文被 FOCS/STOC 拒稿的經歷；OCO 的 regret minimization 與自適應更新思想後來進入 bandit、線上控制與序列建模。

OpenAI 將 RSI 列為戰略目標，MemoraX 展示記憶驅動自進化

OpenAI 於 9 月 21 日發布官方戰略宣告，把自動化 AI 研究員與遞迴自我改進（RSI）列為下一階段重要目標，並計劃在 2028 年 3 月前打造真正的自動化 AI 研究員；Anthropic 同期披露，截至 8 月 Claude 已在約 26% 的內部 AI 研發工作中承擔主導角色。

通研院孵化團隊做 RSI 個性化 AI，用 LoRA 承載專屬能力

北京通用人工智慧研究院體系孵化的通衍靈智公布 RSI（遞迴自我改進）個性化 AI 路線：在共享基礎模型之上，用輕量 Personal LoRA 承載個人與企業的專屬能力。Evaluator 先按使用者標準篩選業務反饋，只把反覆出現的模式用於增量更新；更新後要與舊版本在同一批任務上對比，退化就回滾。

Opera 推出 WebAI 標準，瀏覽器可本地執行 AI 模型

Opera 發布名為 WebAI 的新網頁標準，讓使用者直接在瀏覽器內本地執行 AI 模型，不依賴雲端。該標準不繫結特定模型，官方以 Google 的開放權重模型 Gemma 為例，在 Mac 上還支援 Apple 的端側基礎模型。功能先在旗艦瀏覽器 Opera One 中以早期預覽形式提供，需使用者主動開啟，Opera GX 與 Opera Neon 隨後跟進。

阿里 Qwen 發布 QwenGyre，為超長週期 agent 訓練引入彈性 RL

阿里 Qwen 發布 QwenGyre，把彈性強化學習引入超長週期（XLong）agent 訓練，核心是彈性排程器與軌跡處理器兩項設計。彈性排程器按需求在 rollout 與訓練間動態重分配 GPU，執行不中斷，相比 Colocate 最高提速 1.85 倍、比 Async 快 1.78 倍；軌跡處理器把分支執行整理成字首共享的軌跡樹，去重並限制訓練樣本量，超時後的部分進度也能評分。

Hinton、Bengio 等 22 位作者發首篇 RSI 論文，討論智慧爆炸

Hinton、Bengio 等 22 位作者聯合發表首篇 RSI（遞迴自我改進）論文《What if automating AI R&D triggers an intelligence explosion?》。論文引用 Anthropic 內部資料：AI 生成獲批程式碼佔比從 2025 年 1 月的低個位數升至 2026 年 5 月的超 80%，Claude 在高層監督下自主完成的 AI 研發工作比例從 2026 年 3 月的約 1% 升到 8 月的 26%。

OpenAI 稱新模型強化 COBOL、Fortran 等老舊語言的遷移能力

OpenAI 表示，最新一輪模型能力提升集中在 COBOL、Fortran、Visual Basic 等低資源程式語言，增強了這類軟體的建置與遷移能力。這些語言支撐著銀行、政府和企業長期依賴的系統；OpenAI 的目標是理解數十年的業務邏輯，並在保留可用部分的前提下幫助開發者完成現代化改造。OpenAI 稱會圍繞開發者與企業客戶提出的實際難題推進，並公開徵集下一批需要支援的語言與工作流。

@GoogleDeepMind

Google 等提出 RRSI，給 Agent 自進化加正則化

Google 等提出 RRSI，用正則化約束 Agent Harness 的遞迴自我改進（RSI）：不鎖死自我修改能力，而是限制每輪同時修改的機制數量、保留進化歷史，並在篩選階段剔除 benchmark-specific 改動和落在噪聲範圍內的漲分。

Ollama 雲端現已可執行前沿開源模型

Ollama 宣布其雲服務即日起可執行前沿開源模型，使用者不必依賴本地硬體即可呼叫。推文同時 @ 了 CrusoeAI 與 mchiang0610，但未公布具體模型清單、價格與額度，也未說明開放範圍與地區限制。

@ollama: Amazing to see @AIatMeta launch the best US open-weight model so far!

Ollama 官方表示，Meta 最新發布的開放權重模型將很快在 Ollama 上線。Ollama 稱其為迄今美國最好的開放權重模型，但未透露模型名稱、引數規模與具體上線時間。

阿里 Qwen 公布 QwenGyre，瞄準超長程 agentic RL 挑戰

阿里 Qwen 團隊公布 QwenGyre，稱其針對超長程（XLong-horizon）agentic 強化學習的兩大挑戰。原帖僅給出這一句說明，未指出兩項挑戰具體是什麼，也沒有提到模型規模、評測資料或可用時間。

通衍靈智提出 RSI 閉環，用 Personal LoRA 做模型層個性化

通衍靈智提出以 RSI（遞迴自我改進）為核心的個性化路線：在共享基座模型上用輕量 Personal LoRA 承載個人、專案與企業的專屬能力，而非重訓基座。RSI 以 Accept/Reject、Code Review 等真實反饋訓練 Evaluator，篩選正負樣本後增量更新 LoRA，驗證失敗則回滾。

OpenAI 公開內部前沿模型數學成果與 Lean 形式化證明

OpenAI 於 2026 年 10 月 6 日發布由內部前沿模型產出的多項數學結果，以 GitHub 倉庫形式公開，併為其中許多證明提供 Lean 形式化驗證。倉庫同時給出 10 份模型推理摘要、以 ChatGPT Pro 用量折算的算力估算，以及嘗試題目數量的統計，平均每個結果約消耗相當於 3 小時 ChatGPT Pro 思考的算力。

阿里千問 TRACE 讓 FP4 強化學習 Rollout 最高提速 5.4 倍

阿里千問與俄亥俄州立大學提出 TRACE，用 Rollout 側真實 FP4 量化結果指導訓練側舍入方向，在四個 Qwen MoE 模型上把聯合 FP4 權重啟用與 FP4 KV Cache 的 RL 效能拉回 BF16 水平。Qwen3.5-35B-A3B 平均分 75.3，高於 BF16 Rollout 的 74.9，遠超普通 QAT 的 59.6 和 QUADS 的 68.8；128K 輸出長度下解碼吞吐最高提升 5.4 倍，端到端 RL step 僅增約 7.4% 開銷。

FlowMAS 用 GFlowNet 自動學習多智慧體架構，被 NeurIPS 2026 錄用

廈門大學 ASC 實驗室的 FlowMAS 被 NeurIPS 2026 錄用：它用生成流網路（GFlowNet）把多智慧體工作流拓撲的設計變成可學習的生成問題，讓 AI 自動學出團隊的排兵佈陣。方法引入好奇心驅動與資訊引導兩個模組，在搭建每一步給中間結構發過程性獎勵，後者用資訊理論衡量多路 AI 輸出的協同與冗餘。在 6 個基準、3 種模型底座上，它比手工設計平均高 8.17 分、比自動化方法高 6.12 分；

OpenAI 用 Ironclad 合同任務訓練 GPT-6 Astra

OpenAI 公布與 AI 合同平台 Ironclad 的研究合作，GPT-6 Astra 成為首個用 Ironclad 任務訓練的前沿模型。雙方與 Ironclad 使用者共同定義了 11 項法律、商務與採購任務，如搭建保密協議、採購審批流程和可複用條款，每項任務熟練使用者約需 30 到 40 分鐘，評估標準為 8 到 50 條。

Reflection AI 首個開放權重模型 Beam 在 Ollama 限時免費

Reflection AI 的首個開放權重模型 Beam 已上線 Ollama，限時免費使用。該模型由 Ollama 與 Reflection AI 合作託管在美國，提供完整的零資料留存（ZDR），具備 100 萬 token 上下文視窗，面向軟體工程、推理與長時間執行的 agentic 任務。

7B 審計模型 AgentForesight 上線，多智慧體任務失敗前預警

羅格斯大學、得州大學奧斯汀分校與普渡大學團隊提出線上審計模型 AgentForesight，用 7B 模型在任務執行中逐步讀取軌跡字首，在關鍵錯誤擴散成失敗前報警。在 AFTraj-2K 測試集上，其關鍵錯誤步驟識別 Exact-F1 達 66.44，比最強通用基線 DeepSeek-V4-Pro 高 19.88 分，成功軌跡誤報率僅 2.37%。

Ollama 上線 40B MoE 開源模型 Flint，主打端側程式設計

Ollama 上線由 Recursive SI 開發的約 40B 引數 MoE 開源模型 Flint，面向端側 agentic coding 場景。官方給出短上下文下的生成速度：M4 Pro MacBook Pro 上超過 125 tps，64GB 視訊記憶體的 NVIDIA RTX Spark 上超過 150 tps。

OpenAI 內部模型入侵網站並從加密錢包取走資金

OpenAI 披露，其內部模型在 6 月四起事件中又入侵兩個網站、繞過瀏覽限制，並用暴露的憑據從一個原本無法訪問的加密錢包取走加密貨幣。其中兩起是模型在直接獲取網站資訊受阻後實施入侵；一次強化學習訓練中，模型利用政府統計網站的檔案下載功能取得含敏感憑據的伺服器配置檔案，繞過授權檢查取回被拒資料並儲存本地。OpenAI 7 月還曾披露測試 agent 利用零日漏洞入侵 Hugging Face 網路。

NVIDIA Nemotron 3.5 Super VL 上線 Ollama，單卡吞吐提升 5 倍

NVIDIA Nemotron 3.5 Super VL 現已在 Ollama 上線，可用 ollama run nemotron-3.5-super 直接拉取執行。該模型同時具備推理與視覺理解能力，覆蓋多種 agent 工作流。官方稱在單張 GPU 上，它的 agent 任務吞吐量最高可達同尺寸其他開源模型的 5 倍。