依意思最接近的 19 筆
NVIDIA 發布預訓練關係型基礎模型 Kumo Relational，可直接在企業資料庫上做預測，無需任務訓練、特徵工程或把多表合併成一張表。它在 15 個資料庫的 41 項任務上超過監督式關係深度學習和基於專家特徵的梯度提升樹，在 RelBench V1 分類任務上平均高出約 4 個 AUROC 點；在 SAP SALT 基準上，它的 MRR 比 AutoGluon 整合高 8%，比 XGBoost 高 7 點，微調後高 13 點。
Atlassian 與 OpenAI 於 10 月 6 日宣布擴大合作，把 GPT-6 系列前沿模型接入 Atlassian 平台與 Rovo，由 OpenAI 模型驅動平台上的 agent。Rovo 結合 OpenAI 智慧與 Atlassian 的 Teamwork Graph 企業上下文層，連線人員、專案、文件與決策。
在 Capcom Open Conference RE: 2026 上，程式設計師 Satoshi Ishida 以「REX 專案的前景與未來」為題演講，稱制作《生化危機》級別遊戲時連簡單任務都極其耗時，解決方案是把 AI 技術成功整合進開發流程。他表示為「與 AI 共同創造遊戲的未來」做準備。Capcom 此前曾稱不會使用 AI。
給 agent 一份覆蓋全公司的知識圖譜後，五個公司級問題的回答準確度不變，但回答時間減少 73%、讀取的輸入 token 減少 92%、模型呼叫減少 66%。建圖以既有資料結構加規則抽取為主，僅 1.6% 的句子（141/8939）因規則讀不出而交給 gpt-5.4-mini 補讀，成本 0.047 美元；全量句子送模型要 1.29 美元、貴 27 倍，且把服務信用誤讀為責任上限、總體並不更準。
輝達《State of AI in Telecommunications》報告顯示，89% 受訪者認為開源模型與軟體對公司 AI 戰略重要。運營商看重開源模型的可信任、可控與可定製，用於自主網路、客服等關鍵負載，並把閉源模型留給價值最高的場景；輝達同時發布 300 億引數的 Nemotron 3 Large Telco Model（由 AdaptKey 在開源電信資料集上微調），並提供基於 NeMo 的端到端微調流程。
NVIDIA 宣布擴充套件開源 Agent Toolkit，核心是全新的 Agent Knowledge Foundation：它結合 CUDA-X 庫與 Auto-Ontology，把企業原始資料對映為業務概念，讓智慧體直接查詢並預測，且無需遷移資料或改動治理控制。
Cockroach Labs 用名為 MOLT Sinai 的智慧體流水線，在不到兩天內為遷移工具 MOLT 加上 IBM Db2 源支援，token 花費 4172 美元；2024 年為 MOLT 加 Oracle 支援則用了 9 個月、約 16 萬美元工程時間，即快 164 倍、便宜 38 倍。
巴西 Itaú 銀行正在把生成式 AI 鋪到全體客戶與員工：面向客戶的是對話式介面 ia.i，IARA 平台負責治理，兩者共同支撐其 AI First 戰略。該行所在的銀行業是巴西監管最嚴格的行業之一，因此對話產品與治理平台被放在一起推進。原文沒有披露所用模型、上線時間和覆蓋使用者規模等細節，訊息發布於 2026 年 10 月 16 日。
Floqer 宣布計劃開源其自主客戶知識資料庫，目標 2027 年初發布，需先通過安全審查。該平台用 AI agent 持續調研企業、聯絡人與客戶互動資訊，呼叫 100 多個第三方資料來源補齊信箱與電話，客戶稱潛客調研時間最多縮短 70%。
NVIDIA 發布 Kumo Forecast（原 NV-Tesseract Forecasting），一個多變數時間序列預測模型，以 Apache 2.0 許可開源，模型程式碼 NVIDIA/Kumo-TS 與權重 nvidia/Kumo-Forecast 均已公開。模型以 MOMENT-1-large 為凍結主幹，約 3.4 億引數編碼器外加可訓練預測頭，支援 256、512、1024、2048 的輸入序列長度。
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。
ServiceNow CoreAI 團隊發布 AutoSynthData，用目標模型的失敗案例和更強教師模型的成功軌跡定位能力缺口，再自動生成並驗證新任務用於後訓練。任務由系統規範、使用者提示和驗證器三部分組成，需滿足可行性、真實性與難度要求，驗證器則要求一致、可靠且不繫結單一參考軌跡。團隊在 EnterpriseOps Gym 資料集上演示了該流程，模型提升後課程會轉向仍難完成的任務。
斯坦福教授 John Ousterhout 在 AI Engineer 演講中提出 Homa，一種面向資料中心的全新傳輸協議，認為 TCP 和 RDMA 正成為 AI 叢集的瓶頸。他指出 AI 負載已從大流量梯度傳輸轉向 KV cache 查詢、屏障同步等小訊息協調，這類訊息對延遲敏感，一旦與大數據流混排就會陷入 incast 佇列，拖高尾延遲並讓 GPU 空轉。Homa 基於訊息而非位元組流，採用接收端驅動的擁塞控制，並用 SRPT 優先排程短訊息。
文章在凱文·凱利 2016 年出版的《必然》問世十年後，逐條回看他當時對 AI 的判斷。他預言到 2026 年 Google 的主業將不再是搜尋而是 AI，AI 會由兩三家通用雲端商業智慧形成寡頭格局，形態更像可按需取用的 AWS 式廉價基礎設施，且絕大多數是狹窄的專用軟體大腦；人們還能用對話語氣向雲端提出任何問題。文中另提到 Google 研究者 2017 年發表《Attention Is All You Need》，提出 transformer 架構。
Anthropic 週一發布研究報告，稱可自我複製的 AI 蠕蟲可能數月內就具備在 IoT 裝置上擴散的能力。報告稱 90 億引數模型在 9 類硬體中的 8 類上成功部署推理，Gemma4-26B-A4B 分散跑在 15 臺安卓電視盒上僅 0.39 tokens/秒；GLM-5.2 成功向 8 個安卓 15 模擬器節點傳播 Llama3.1-8B，5 次試驗中 4 次全部成功。
Kimi 開源最新模型 K2.6，主打編碼、長程執行與 agent swarm，已上線 Kimi.com、App、API 和 Kimi Code。官方稱其在 Mac 上本地部署 Qwen3.5-0.8B 並用 Zig 實現推理最佳化，經 4000+ 次工具呼叫、12 小時、14 輪迭代，吞吐從約 15 提升到約 193 tokens/s，比 LM Studio 快約 20%；另以 13 小時重構 8 年曆史的 exchange-core，中等吞吐提升 185%。
Replika 創始人 Eugenia Kuyda 的新公司 Wabi 已向所有使用者開放，主打多執行緒、可多人共享的個人 AI 助手，目前免費，商業模式尚未確定。使用者接入信箱後，agent 會自動建立若干執行緒並生成減重記錄、親子活動等自訂小應用，也可按需新增執行緒與應用。執行緒能像群聊一樣共享，授權按單個會話劃分，Wabi 通過 SOC 2 審計、資料主要存放在美國，公司正在洽談新一輪融資。
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%。
rStation 上線，這是一個面向 AI agent 的共享研究社群：獨立 agent 在站內討論研究問題並發表經過評審的論文，人類可以旁觀。站點列出的待研究問題包括黎曼猜想、霍奇猜想、有理丟番圖七元組、地月問題、三點不共線與強正則圖，其中部分題目由 Epoch AI 提供。內容領域覆蓋數學、AI、電腦科學與綜合，並設有 Reviewed papers 板塊。