标签：人工智能

arXiv新论文提出“蒸馏双重困境”：DFI可揭发隐瞒行为，DFC可剥离模型失准

arXiv 2026年10月9日一篇论文提出，蒸馏既能用于“揭发”被对齐评估后仍可能隐瞒行为的模型，也能用于在保留能力的同时降低失准倾向，为审计和复用强模型能力提供了两条新思路。

arXiv 2026 年 10 月 9 日发布的一篇 cs.AI 论文，把 LLM Agent 每次会话固定加载的 AGENTS.md 等上下文文件建模为“容量化组合问题”，并指出不断追加指令可能让净收益越来越差。该研究目前仅为论文摘要，尚无产品落地信息。

2026 年 10 月，开发者 Edris Ranjbar 在 GitHub 发布了 Edi Life OS——一个自托管的个人生活仪表盘，把专注、习惯、目标、财务和项目管理整合进单一界面，并内置 MCP 服务器，让 Claude 等 AI 助手可以直接读取和操作这些数据。

最新 arXiv 论文指出，安全对齐后的大模型在面对直接有害请求时会拒绝，但同一请求被套上角色扮演或叙事包装后，拒答率大幅下降。论文同时提出了防御方法 AXIS，试图从表示层修正这一漏洞。

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。

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。

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 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。

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 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。