OpenAI 员工透露团队撰写内部持久化 Agent 运行方法,企业部署争议浮现

Peter Steinberger 表示其团队撰文介绍了 OpenAI 内部如何运行持久化 Agent,这为外界了解 Agent 在真实生产环境中的部署方式提供了一个少见的窗口。

Peter Steinberger 表示其团队撰文介绍了 OpenAI 内部如何运行持久化 Agent,这为外界了解 Agent 在真实生产环境中的部署方式提供了一个少见的窗口。

浙江大学与联想团队联合提出事件中心的多模态长期记忆方案 EM²Mem,把“先检索再对齐”改为“先对齐再检索”,论文已在 EMNLP2026 亮相。它值得关注,是因为长期记忆一直是多模态智能体从演示走向可用的关键短板。

微软云运营与创新总裁 Noelle Walsh 在休斯敦 BloombergNEF 会议上表示,公司不会让其他电力用户为其 AI 扩张买单,也不寻求政府补贴,将自行消化相关电力成本;但与此同时,其位于得州西部的大型数据中心项目仍受当地审批暂停令影响。

据外媒报道,OpenAI 已解散独立机器人团队,成员并入常规模型训练体系,具身智能被重新定位为通用大模型的一类垂直任务。这一调整尚未获官方确认,但是 OpenAI 机器人路线又一次明显转向。

据彭博社报道,Anthropic 即将启动的 IPO 认购订单量已达可售股份的约六倍;招股文件显示,公司计划通过 IPO 募资至多 644 亿美元,并另做 260 亿美元私募配售,英伟达拟在其中认购约 100 亿美元。这家大模型公司的上市定价和资本结构,正成为观察 AI 商业化与算力绑定关系的重要样本。

一篇发表于 Hugging Face Papers 的论文提出 G-STAR 空间—分组协同缩放框架,在 1024×1024 分辨率下把离散自回归图像生成速度做到单张 H200 上 2.5 秒,较此前同类模型约快 20 倍。

据知情人士透露,Claude 开发商 Anthropic 的 IPO 认购订单已达可售股份约六倍,IPO 加私募合计最高拟募资 904 亿美元,规模可能超过 SpaceX 此前的上市交易,成为史上最大 IPO。

2026 年 11 月 12 日发布于 Hugging Face Papers 的一篇论文提出 Test-Time Baking(TTB)方法,尝试让仅解码器大视图合成模型(LVSMs)在保持生成质量的同时,获得最高 23 倍的渲染加速。该结果来自论文摘要所述基准测试,尚非已上线产品。

一篇 arXiv 新论文提出,只在教师模型概率最高的极小部分词表上做蒸馏,在 Qwen3 4B→1.7B 等模型对上,保留 0.01% 词表也未观察到 MMLU-Pro 退化。若结论成立,大模型推理蒸馏的训练成本与显存压力可能明显下降。

arXiv 上的一篇新论文提出 GenPFN,借助冻结权重的 TabPFN 分类器生成候选工程设计,再用约束和目标函数筛选,从而扩增稀缺的仿真与实验数据。摘要称,在指定对比条件下,数据增强使 AutoGluon 验证均方误差降低 62.1%,但相关实验尚未经全文核验。