NeurIPS 2026 論文 ReSFlow 讓離散資料一步生成
被 NeurIPS 2026 接收的 ReSFlow 把類別機率經平方根對映投到球面,在 Fisher–Rao 幾何下重新配對、整流生成軌跡,使字元、二值畫素和 DNA 鹼基等離散資料只需一次模型呼叫就能生成。在二值化 MNIST 上,它一步取樣的 FID 為 5.973,接近 SFM(Statistical Flow Matching)呼叫 34 次的 5.922;
依意思最接近的 30 筆
被 NeurIPS 2026 接收的 ReSFlow 把類別機率經平方根對映投到球面,在 Fisher–Rao 幾何下重新配對、整流生成軌跡,使字元、二值畫素和 DNA 鹼基等離散資料只需一次模型呼叫就能生成。在二值化 MNIST 上,它一步取樣的 FID 為 5.973,接近 SFM(Statistical Flow Matching)呼叫 34 次的 5.922;
Respan(YC W24)開源了用 Rust 編寫的 AI 閘道器:核心只負責分發事件,provider、協議(MCP、即時語音)、模態(影像、影片)以及回退、PII 脫敏、智慧路由等功能都做成外掛接入。團隊自 2024 年起在 LiteLLM 上做封裝,服務數千家組織,封裝程式碼一度超過 10 萬行;今年 1 月一次 LiteLLM 常規升級引發間歇性連線錯誤,只能回滾,因此團隊決定自行重寫。新增 provider 只需一個短檔案,Mistral 適配僅 22 行;
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;
Jev 發布 33 天后熱度迅速消退,這篇評論借它批評 AI 行業靠營銷話術製造期待。文章指出 Jev 本質是通用分類器,宣稱不會幻覺、更快更便宜,但輸出仍會出錯,且已有開放權重模型在部分任務上價效比更高,並可在本地執行。作者還稱其非自迴歸決策模型思路早於 Jev 一年半出現,並由此質疑行業四年來的創新增量。
Anthropic 開放新一期 Residency 研究專案申請,這是一個帶薪、固定期限的研究專案,面向學者、技術創始人和資深工程師,申請截止 11 月 22 日。官方明確表示不要求機器學習背景,專案目標是讓參與者投身 AI 安全與普惠方向的研究。
從瑞典 KTH 皇家理工學院分拆的 Flox Intelligence,用邊緣 AI 裝置在現場識別靠近鐵路、機場和公路的動物,再播放對應物種的聲音將其驅離,目前約 150 臺裝置已部署在北美、歐洲和澳大利亞。裝置一次性售賣,第一年後按年收取軟體與 AI 訂閱費,並已與列車製造商阿爾斯通等達成 OEM 合作,把軟體裝到車輛上。公司預計 2026 年底營收約 150 萬美元,此前累計融資約 500 萬美元,正啟動 1000 萬美元 A 輪,目標把裝置規模擴到數千臺。
輝達正在洽談收購美國「開放」模型初創公司 Reflection AI,交易目前尚未確認。訊息由《金融時報》報導,報導以帶引號的「open」描述這家公司的模型路線。除洽談本身外,交易金額、條款與時間表均未公開,也沒有雙方或監管層面的進一步資訊。
Faros 2026 年研究分析 22,000 名開發者、4,000 個團隊兩年遙測資料後發現,AI 採用度高的組織每位開發者 bug 增加 54%,PR 評審中位耗時約漲 5 倍,每 PR 事故數超 3 倍;其 Q3 報告稱部分效應有所緩解,但驗證與運維成本仍在累積。
研究團隊提出具身 RSI 系統 Recursia,通過內外雙層迴圈讓機器人從執行經驗中改進共享執行棧,在 LIBERO-Pro Long 零樣本長時操作的位置/任務擾動下成功率達 28.4%/53.4%,比輝達 ASPIRE 高 5.8/15.1 個百分點。共享棧分為工具、技能、交接、驗證四層,候選修改需經通用性檢查、機制測試及父子版本配對比較。
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。
10 月 13 日,APUS AI 開源 Personal Agent 產品 Reflex Agent,採用 MIT 協議,提供桌面端、Web 和 SDK。官方實測其在相關場景中回應速度最快可達 Claude Code、Codex 等主流 Agent 的 3 倍。與依賴程式碼和提示片語織 Harness 的方案不同,它由自研決策模型 Reflex 承擔模型路由、技能選擇與執行監督,按「決策—執行—反饋—再決策」迴圈推進任務;
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%。
Revolut 已將約 2000 名工程師的編碼工作遷到自託管 GLM,並把 Claude Code 與 Codex 列入例外名單。據負責 AI 運維的 David Abitbol 披露,這套叢集為 56 張 Nvidia B200,混合成本約每百萬 token 30 美分,約為付給 Anthropic 與 OpenAI 的十分之一,工程交付週期縮短 70%。他還指出,收益出現在 token 不再被限量之後:工程師不再把 AI 留給難題,而是對所有任務都用。
Runware 宣布要建工廠,像造車一樣在流水線上量產模組化 AI 資料中心,目標到 2028 年讓羅馬尼亞工廠日產能達到 30 兆瓦,約合每月近 1 吉瓦。其 Sonic 推理艙的建造時間將從三週縮短到一天,運抵後 48 小時內完成安裝上線;客戶可自備 GPU 並支付月費,也可直接向 Runware 租算力,電力與網路另計。
因果智慧公司 Aether AI 公布機器人系統 CRIS-0 的官方 Demo,靠提取物理因果變數而非端到端擬合驅動機械臂。在咖啡製作測試中遭遇人為移位與光照突變,系統平均 2 秒內完成重規劃,10 次隨機擾動有 9 次有效恢復;客廳長程整理可連續執行數十步,20 條模糊指令完成 18 次精準抓放,危險變數出現時 0.2 秒急停。
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%。
Cloudflare 宣布已選出首批 30 家非營利與公共利益組織,向其提供總額超過 750 萬美元的開發者服務額度,每家最高 25 萬美元。這些組織用 Cloudflare 的 Workers AI、AI Gateway 等服務建置自動化工具,涵蓋心理健康、地方新聞、人權等領域。Cloudflare 稱其無伺服器架構和 AI Gateway 可降低執行成本並控制模型呼叫費用。
Manifold AI 流形空間的 WorldScape R²SI 框架在機器人學習基準 RoboDojo 的 Agent Track 登頂,超過 GPT-6-Astra 與輝達 GR00T-N1.7。該框架由內外雙層 Agent 組成,內層執行任務,外層跨輪次復盤、修訂 Skill 並訓練 reactive model(WSP)。在 push_T 任務中,動作步數從首輪 723 步(超出 600 步預算)降至 596 步,再降至 389 步,降幅約 35%。
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。
Cloudflare 程式設計師、Zaraz 專案成員撰文認為,生成式 AI 不只衝擊開發者,產品經理同樣面臨被替代風險,兩個崗位最終會融合為一項職能。作者稱只會寫程式碼的開發者最危險,而架構師因需要私有資料、跨部門溝通以及安全、合規、預算等約束,短期內難以自動化。程式碼生成變便宜後,寫程式碼的人有更多時間理解客戶痛點和公司取捨,也能建立產品判斷,因此產品經理應補足架構等能力。
美國眾議院民主黨議員 10 月 29 日提出一項決議,明確反對在 AI 資產泡沫破裂時用納稅人的錢救助大型科技公司及其高管,並要求違規者承擔民事與刑事責任、退還非法所得。決議由國會進步派黨團主席 Casar 與金融服務委員會資深議員 Waters 共同牽頭,共 13 名議員參與。文中稱 AI 相關企業持有數萬億美元債務,且大量來自不透明的私募信貸市場,當前股市市盈率已接近 1990 年代科技泡沫頂峰。決議還呼籲聯邦擴大就業、失業救濟與養老金保護等面向普通民眾的支出。
美國經濟政策研究中心(CEPR)於 11 月 3 日發布題為《The AI Bubble Monitor》的文章,以持續監測的形式討論 AI 泡沫問題。資料中只提供了標題與連結,未披露具體指標、資料來源或更新頻率;該條目在 Hacker News 上獲得 29 分、15 條評論。
10 月 16 日,範式智慧聯合睿思智聯發布一站式生產級 AI 部署平台模域(ModelSphere),面向企業免費開源,以 Apache 2.0 協議在 GitHub 上線。平台把算力管理、模型部署與執行最佳化整合為統一流程,可統一混合排程華為昇騰、天數智芯、摩爾線程、海光 DCU 等國產晶片,無需為不同晶片重寫底層程式碼。
PhAI Labs 於 10 月 12 日發布 RSI-Anything 技術報告,提出用世界模型連線預測、行動與真實反饋的跨領域遞迴自我改進(RSI)框架。在 CodeContests 程式碼修復中,不更換程式碼模型、線上測試預算不變,修復成功率從 26.3% 提升到 31.2%;OSWorld 圖形介面任務成功率相對提升約 18.4%。一個 4B 策略模型經連續五代迭代,實驗室規劃分數從 21.80% 升到 46.01%,略超參考系統的 45.32%;
OpenAI Devs 表示,團隊用 Rust 重寫服務層,降低了代理開銷。對認證後設資料這類每個請求都必需的小型關鍵資料集,團隊保留了廣泛複製;設定和應用狀態等高頻訪問資料則由區域內快取提供。推文列出這三項基礎設施最佳化,但未給出延遲、吞吐等具體數字或生效範圍。
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。
Cloudflare 的 Web Search API 進入公測,讓 AI agent 與應用能聯網搜尋,用即時資訊替代猜測 URL 或依賴模型訓練截止日期。上線時可選 Ceramic.ai、Exa、Linkup 三家搜尋提供商,三家均支援通過 Cloudflare 發起的請求零資料保留,並承諾遵守 Cloudflare 的驗證爬蟲標準。
AI 3D 生成公司 Meshy 披露,其 ARR 從 100 萬美元增長至 1 億美元,用時不到兩年,比 HeyGen 的 29 個月更快。Meshy 7 在自建幾何對齊基準中造型比例、空間分佈、表面細節三項指標領先受測模型,7.1 將幾何生成解析度從 2048³ 提升至 4096³。三七互娛已將其接入生產流程,基礎模型階段雕刻工作量減少 30% 至 40%。
TypeSafe AI 以 75 億美元估值完成 8.7 億美元融資,由 Andreessen Horowitz 領投,紅杉與現有投資方 DCVC 參投。其模型 Jev 於 9 月 15 日發布,基於 transformer 架構但不是大語言模型,不輸出文字而是生成機率,公司稱之為「校準決策」,定位是自動化任務而非寫文字或程式碼。公司稱 Jev 速度明顯更快、消耗 token 遠少於 LLM,並稱已有三分之一財富 500 強企業在使用;
Cloudflare 推出開源權重決策模型 Clef-omni,能在一次 API 呼叫中同時接收音訊(wav/mp3)、影片(mp4/webm)、影像和文字輸入,模型基於 Qwen3-Omni-30B-A3B-Instruct 的 MoE 架構訓練 LoRA,權重已發布在 HuggingFace。官方稱純文字決策中位延遲約 130 毫秒、影像約 150 毫秒、音訊數百毫秒,含聲音的 21 秒影片約 1.5 秒。