标签：大模型

开发者实测质疑AI自主研发能力：模型判断力仍是短板

2026年11月6日，一篇在 LessWrong 发布的讨论指出，作者在实际项目与黑客松评审中观察到大模型在自主研发任务上的判断力依然薄弱，但在反馈周期短、可反复迭代的爬坡类任务上仍能带来明显提升。

纽约保险AI公司Kalepa获Updata领投的7500万美元B轮融资，估值达4.7亿美元，其平台覆盖承保、定价与组合管理，显示保险核心业务对AI工具的采购正在提速。

2026年11月5日，Thariq 在 X 上分享了他最常用的智能体提示词之一——基于位置的提醒：让 Instinct 这类智能体跟踪家务周期，并在用户工作日回家后30分钟触发提醒，直到用户确认或延后。它展示了 AI 智能体从对话工具转向日常事务代办的一种用法。

Anthropic 旗下 Claude 在美国推出个人财务功能 Beta，用户可连接自己选择的金融账户，让 Claude 基于真实余额和交易记录用日常语言回答资金问题。该功能采用只读权限，Claude 不能转账、管理或投资用户的资金。

Box 宣布与英伟达合作，在 Box 内结合词法与语义搜索提升 AI 智能体的上下文检索能力，并强调检索过程遵循企业安全、权限管控与数据治理。Box CEO Aaron Levie 同时提出，未来企业里与数据和系统打交道的智能体数量将是今天员工数量的 100 倍。

Hugging Face Papers 收录的论文提出 DPDM 架构，让语言模型只负责语义表征、冻结的条件预测器负责从历史经验中推断目标，从而把“从经验中学习”拆成可独立改进的模型能力。摘要显示，在 50 个基准上平均准确率由 78.80% 升至 84.92%。

淘宝 MNN 团队开源约 3 亿参数的端侧轻量模型 MNN-Pocket-0.3B，宣称在 iPhone 18 Pro 上完全离线解码可达约 350 token/s，峰值内存控制在 300MB 以内，指向手机本地跑大模型的可行路径。

月之暗面于 2026 年 11 月 5 日推出 Kimi Hosted Agents，把支撑 Agent 运行的 Harness（运行时框架）以托管云服务形式对外开放，企业无需自建和运维底层运行环境。这值得关注，因为它把 Agent 应用的竞争焦点从模型能力部分转向了运行时的工程与运维成本。

Perplexity 于 2026 年 11 月 4 日上线「Teammates」功能，让 AI 代理从完成单次任务转向持续管理跨工具、跨团队的长期项目，率先面向 Max 订阅用户在网页端开放。

alphaXiv 收录的论文提出 BabyTheorist 基准，用连续、无标签的前后网格观察流，考察机器能否从纯观察中习得可复用的“理论”；七种代表性基线均未通过 Level 2，说明现有程序学习方法尚未解决这一能力。