ReSPO 提出重整形序列策略优化，缓解离线强化学习梯度饥饿
Hugging Face Papers 收录的 ReSPO 论文提出用平滑双分支序列核替代 PPO 式裁剪，缓解可验证奖励强化学习中正样本梯度被抑制的问题，并在 Qwen3 稠密和 MoE 模型上报告了训练早期加速与最终分数提升。
celebrityanime
Anthropic最早投资人之一Menlo Ventures：下一站投哪里
Anthropic 最早投资方之一、Menlo Ventures 合伙人 Matt Murphy 在 Anthropic 上市前接受 Business Insider 专访，谈及大额资金涌入头部 AI 公司如何改变整体融资环境，以及他眼下在寻找的下一波机会。
AI学会用索引式策略规划：空间从指数级降到多项式
arXiv 上新论文提出用大模型学习"索引式策略"控制搜索，让规划所需空间从最坏指数级降到对对象数的多项式，并在 IPC 2023 学习赛道等基准上取得优于 LAMA 等经典规划器的成绩。
Google数据中心设计负责人跳槽Anthropic，算力扩张要加速？
Google 全球数据中心设计与建设前负责人 John M. Wilson 加入 Anthropic，负责 EMEA 地区算力交付；Anthropic 已从 Google 挖来多位基础设施高管，明显在为更大规模的训练和推理设施储备能力。
StoreBench 发布：用真实电商后端评测 LLM 长周期经营能力
arXiv 新论文提出 StoreBench，一个让 AI 代理像人类店员一样经营中型服装网店的实时商业环境，用于评测和训练大模型的长周期规划与经济决策能力。初步评测显示，当前前沿模型仍普遍落后于脚本化策略和人类专家。
arXiv论文提出LLM规范能力评测：智能体只学会模仿，不会读懂规则
arXiv 上一项新研究提出用多智能体社区辩论来评测大模型的“规范能力”，即仅靠互动推断群体真正执行的社会规则。结果显示，基线 LLM 智能体学不会这些规范，还会把无关的个人习惯当成规则一起模仿。
Gemini 4 Argon发布：输出上限100万token，对Android开发者意味着什么
Google 发布 Gemini 4 Argon，将单次输出上限从 6.4 万 token 提升至 100 万，推广期定价仅为 GPT-6 Astra 的 1/5。对 Android 开发者而言，它不会立刻可用，但会通过 Android Studio、ADK、Gemini Nano 和 Android Ben…
新论文提出关键帧记忆法，让行为克隆在超长周期下不退化
arXiv 上出现一篇新论文，提出用自监督方式从过去观测中“挑出”关键帧，让行为克隆策略在超长决策周期下仍能保持记忆，而不必依赖循环网络或超长注意力窗口。
MCP安全不能只靠网关：InfoQ提出四层纵深防御架构
InfoQ 发文指出，2026 年前两个月针对 MCP 部署的 CVE 已超过 30 个，仅靠网关无法覆盖语义滥用、管理平面暴露和出站凭据泄露，需要执行、管理、出站与语义四层纵深防御。
Kimi 开源治理智能体 Mira 将亮相 QCon 上海，解决 AI 敢不敢动手
月之暗面将在 2026 年 QCon 上海站分享 Kimi 开源治理智能体 Mira 的工程实践，核心解决 AI Coding 提速后开源治理环节仍靠人工的瓶颈，展示 Agent 如何从发现问题走向自动解决问题。