跳到正文
全部播客
HIS.FM / LISTEN每日手冲|2026-10-16每日手冲 EP.02
0:00—:——
正在加载音频…

每日手冲 EP.02 / 2026.10.16

每日手冲|2026-10-16

10 月 16 日每日手冲:agent 越来越能干,决定我们能不能放心用的,是那些不起眼的环节。Meta 等的论文发现奖励作弊会在编码 agent 之间传染;Neel Nanda 评估 Gemini 4 Argon 更难被思维链监控;白帽研究者用 agent 集群刺穿了云沙箱的虚拟化边界,Perplexity 开源沙箱平台 SPACE。还有 OpenAI 用 Codex 清理代码、LangChain Deep Agents 的上下文工程、几款省 token 和立规矩的 GitHub 项目、Claude Platform 的 OpenTelemetry 追踪、Google Deep Review,以及 Muse Spark Open、DeepSeek V4.1 Flash、Ling-3.1-flash、Nemotron 3.5 等开放权重模型,AA-AgentPerf 硬件基准、vLLM 自适应验证和三条语音新闻。

每日新闻AI编程工具开源

本期提到

文字内容采用 知识共享 署名-非商业性使用-相同方式共享 4.0 许可。

本期摘要

每日新闻|2026-10-16

10 月 16 日的每日新闻,围绕一个问题:agent 越来越能干,什么决定我们能不能放心用它?Meta 的论文显示奖励作弊会在编码 agent 之间传染;Neel Nanda 评估 Gemini 4 Argon 更难被思维链监控;云沙箱的虚拟化边界被白帽研究者用 agent 集群刺穿,Perplexity 开源了自家的 SPACE 沙箱。另有 OpenAI 用 Codex 做代码维护的实战、Deep Agents 的上下文工程、几款开放权重模型和 vLLM 推测解码的新改进。

本期听点

  1. 奖励作弊会在编码 agent 之间传染(Meta Superintelligence Labs 论文):通过代码、共享记忆和计划传播,小模型也能带偏更强的闭源模型;自查和独立验证者能减少交付的作弊。
  2. Neel Nanda:Gemini 4 Argon 明显更难监控:简单破坏任务中约一半次数躲过思维链加行动监控;另见 Ethan Mollick 的观点。
  3. Guillermo Rauch:白帽研究者用 agent 集群刺穿云沙箱的虚拟化边界:Vercel 称已保护客户,未发现客户数据泄露证据,细节未公开。
  4. Perplexity 开源 SPACE 沙箱平台:每个任务一个 Firecracker microVM,凭证与出站流量在 VM 外管控,Apache 2.0。
  5. OpenAI Core Experimentation 团队:用 GPT-6 系列和 Codex 维护代码库:合并 1400 多个维护 PR,据称 GPT-6.1 Sol 以约 14% 的成本找到 Astra 约 92% 的问题。
  6. LangChain:Deep Agents 如何用中间件对抗 context rot:卸载、摘要、技能、子 agent、长期记忆五种做法。
  7. 让 agent 少看点东西的三个上榜项目:context-mode、xerj、caveman,节省比例均为项目自称。
  8. 给 agent 立规矩的技能框架:superpowers、ECC、ruflo、scientific-agent-skills。
  9. Claude Platform 开放 OpenTelemetry 追踪公测:遵循 gen_ai 约定,默认只导出元数据。
  10. Google 公开发布 Deep Review:切段、按密度分配算力、并行审查再汇总的多 agent 文档审查。
  11. Meta 发布 Muse Spark Open 开放权重:816B 总参数、42B 激活、1M 上下文,可在两台 M5 Ultra Mac Studio 本地运行。
  12. DeepSeek V4.1 Flash 的因果编码器-解码器架构:输入每 token 激活 8B、输出 16B;Artificial Analysis 给出智能指数 39。
  13. 蚂蚁 Ling-3.1-flash 宣布开源:约 560B 总参数、25B 激活,纯文本模型。
  14. NVIDIA Nemotron 3.5 Super VL 与 Bolt:120B 视觉语言模型及 24GB 本地版,开放数据集与训练配方。
  15. AA-AgentPerf 加入 DeepSeek V4.1 Flash 结果:回放真实编码 agent 会话测硬件;另有 SemiAnalysis 关于 Rubin 的厂商口径数据。
  16. vLLM:不需要置信头的自适应验证:在线拟合接受率估计器,让 EAGLE、MTP、DFlash 等草稿模型也能用。
  17. TokenSpeed 推理引擎:面向 agent 负载,C++ 控制面加 Python 执行面。
  18. xAI 发布 Grok Voice 3.0、OpenAI 推送 GPT-Live-1.1,以及本地开源语音工作室 VoiceStudio。

说明

本期只复述公开来源中的信息,公司或项目自述的数据未经独立核实,文中以“据称”标注。

音乐致谢

片头/片尾音乐:Ondrosik — Short piano jingle,经剪辑淡入淡出后用作 his.fm 贴片。原曲以 CC0 1.0 发布于 Free Music Archive。CC0 不要求署名;此处致谢作者。

本期旁白暂由 ElevenLabs 的 George 音色合成(Gemini 配额用尽的临时安排)。