预测编码智能体后训练潜力：三项指标锁定关键动作
alphaXiv 上的一篇论文提出，不需要让基座模型从零跑完整编码智能体任务，只需用它回放成功轨迹中的“决定性动作”，就能预测哪个基座检查点值得做昂贵的智能体后训练。
分类： AI 资讯
PhysEvo：冻结大模型下物理机器人自我进化，真实任务成功率84%
新论文提出 PhysEvo，在不更新模型权重的前提下，让一个任务 agent 与一个元 agent 通过轨迹诊断、工具修订和自我改进，把机器人操控成功率从直接调用 Astra 的 1.25% 提升到 55%，并在真实机器人上达到 84%。
500小时人类视触觉数据集TouchScale发布，机器人操作成功率从22.5%升至57.5%
alphaXiv 收录的论文提出 TouchScale，一个用统一可穿戴设备采集的 500 小时人类视触觉数据集，用于视觉-触觉学习。在机器人策略中做视觉-触觉中期训练后，四项真实接触密集任务平均成功率从 22.5% 提升到 57.5%。
UltraText Bench发布：432条中英双语提示词，专门评测图像生成密集文字能力
Hugging Face Papers 收录的论文提出 UltraText Bench，一个覆盖 24 类真实场景、432 条中英各半提示词的双语基准，用来检验图像生成模型在密集视觉文字场景下的持续表现，而不只是短文字渲染。
Peter Yang称AI已攻破图像音乐视频，游戏或是下一个目标
产品人Peter Yang在X发帖称，AI已经解决了图像、音乐和视频生成问题，接下来将解决游戏；但评论区普遍质疑游戏的可玩性、留存和连续性远比生成短视频难得多。
Box CEO 警告：个人智能体与安全智能体群将把算力需求推向数量级增长
Box CEO Aaron Levie 在 X 上表示，下一阶段 AI 需要个人智能体、企业安全智能体群、代码审查智能体和 24/7 后台智能体等形态共同运行，推理量与配套基础设施都将数量级增长；这为算力投资和开发者工具方向提供了新的观察坐标。
Perplexity发布pplx-embed-v2-late：0.6B与9B双版本嵌入模型
Perplexity于2026年10月发布pplx-embed-v2-late系列多模态嵌入模型，包含0.6B边缘版和9B高质量版，在智能体PDF问答基准MADQA上最高得分92.4%，采用MIT开源许可。
Claude Code v2.1.294 修复钩子误判，Agent 不再提前收工
Anthropic 于 2026 年 10 月 8 日发布 Claude Code v2.1.294，修复了以自然语言指令编写的 prompt 与 agent 钩子可能放行本应拦截操作的问题，并让 Stop 与 SubagentStop 事件上的指令型钩子更难导致 Claude 提前结束任务。
OpenAI 员工称 Codex Cloud 已静默重新发布，并接入 Tailscale
OpenAI 的 Thibault Sottiaux 在 X 上表示，Codex Cloud 已被“静默地重新发布”，并称其“现在相当不错”；同时 Tailscale 宣布 Codex Cloud 可安全连接用户 tailnet 中的资源。这释放出 Codex 云端能力正在重新推进的信号，但具体功能边界和可用…
OpenAI 悄然重发 Codex Cloud，集成 Tailscale 强化安全连接
OpenAI 的 Thibault Sottiaux 在 X 上透露，团队已悄然重新发布 Codex Cloud，并称其体验有明显提升；同时 Tailscale 宣布 Codex Cloud 可安全连接用户 tailnet 中的资源。这释放出 Codex 在云端开发场景加速落地的信号，值得开发者关注。