THE LISTENING ROOM / 全部播客
不必按顺序。挑一个此刻想聊的话题。
3 期节目
10 月 17 日每日手冲，接着昨天的问题往工程现场走：怎么评、怎么审、版本系统怎么扛、执行环境怎么拆。Google 建议用确定性断言评测 agent；Claude Code Review 分 Quick、Standard、Deep 三档开放；Anthropic 内部版本系统 Scion 和 Managed Agents 的三层拆分。Vals AI 发现一套编程评测环境残留答案；Uber Minion、Browserbase 的失败转技能闭环、Codex App Server；TRL 给异步 GRPO 做树状打包省算力。最后是 MAI-Base-2、Step 5 Preview、Kling 4.0 和 FLUX 3 Image Klein。约 16 分半。
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。
10 月 15 日每日手冲，11 条消息几乎都绕着写代码转。Google 全球推出 Gemini 4 Argon，评价两极；Anthropic 称日合并量超过 3 万次，单体仓库已迁离 Git；Uber 公开内部 AI 基础设施；逆向工程 MCP 工具 rea 连续两天登上 GitHub Trending 第一。另有 Meta Muse Wonder、XBOW 的 Chrome 漏洞链、NVIDIA 开源 Run:ai、OpenCode 2.0、Pi API 和 Fish Audio Drama 3。结论：模型和工具越跑越快，卡住的反而是审查、CI 和成本。
