dsh-craft-anything：把 Craft Anything CLI 接进 DeepSeek Harness 的 MCP 插件
带「干净/深度」模式切换、状态页和 SHA256 校验安装器，MIT。可作为给 DSH 写 MCP 桥的参考。
https://github.com/Fanqi89/dsh-craft-anything转载，侵删。版权归原作者，如有侵权请来信，收到后删除。
同一批次的其他文章
John Langford 宣布离开微软：MSR「AI Frontiers」被并入 Microsoft AI 后解散，称对方「只做规模、不做研究」
AutoGen、Fara 计算机使用智能体出自这支约 50 人的团队。Langford 说 9 月被重组进由前 Inflection 团队领导的 MAI，理念不合；他举例称字节的实验显示 Full Bandwidth Transformer 变体或可抵两倍规模模型。对关注微软开源…
彭博：英伟达支持的 Groq 寻求 80 亿美元估值新融资，三个月前还是 31.5 亿
Groq 去年与英伟达达成约 200 亿美元授权、创始人被挖走后，转型做推理算力运营，主打网络安全场景。执行董事长称其不靠重债扩张，预计明年营收增 8 倍。正值 CoreWeave、Nebius 等新云股价承压，反映推理算力仍被追捧。
DeepSeek 带火稀疏计算：一家国产 AI 芯片公司再融近 10 亿元，Q3 营收数倍增长
量子位产业报道：稀疏注意力/稀疏 MoE 推理需求起来后，主打稀疏计算的国产芯片公司拿到新融资。对在国产卡上做私有化部署的团队，可关注稀疏算子支持度。
「99.4% 登顶」：一支中国 AI 安全团队刷新 CyberGym 漏洞复现榜纪录
量子位报道国产安全智能体在 CyberGym（「AI 安全世界杯」式漏洞复现基准）拿到 99.4% 的榜首成绩，标题称其「师承世界冠军」。与本周 GPT-6 Cyber、Vals CyberOffense 一起看，攻防 Agent 的能力在快速逼近。
AI 智能体交易平台 Cowboy 获 500 万美元种子轮：让开发者部署、运行、出售 Agent
纽约公司，2025 年成立，定位「Agent 应用商店 + 运行时」。属早期融资消息，产品成熟度待看；可作为 Agent 分发/计费模式的观察样本。
MaxxBench：把 89 道 DeepSWE 任务「轻改需求」，原本挤在 74% 的模型拉开 23 个点——测谁在刷榜
改进什么：区分「会写代码」和「背熟了 DeepSWE」。怎么做：保留工程问题，只改指令或初始代码（参考补丁中位数仅多 17 行），同一 mini-swe-agent 框架各跑两次。结果 Opus 5.5 76.4% 反超原分，GPT-6 Astra 71.9%，DeepSeek …
ReproBridge：把「复现成功的经验」固化成可复用工件，编码 Agent 复现 ML 实验成功率 76.4%→92.6%
改进什么：Agent 复现论文实验常靠猜缺失细节。怎么做：标准化工件＝整理后的代码库＋环境配置＋实验启动器＋复现指南，独立 Auditor 核验执行证据；基准含 36 篇论文 387 个实验 1,029 个任务。四个模型平均成功率升到 92.6%、API 花费降 19.7%，模型…
AI 审计 AI 靠得住吗：GPT-5 抓到约 98% 奖励投机，但要抓满 99% 时误报飙到 15%
改进什么：评估「用模型监控 Agent 日志」的真实可用性。怎么做：Anthropic Institute 的 Andy Hall 复现 METR 的 MALT 数据集，测 GPT-5/6 Astra、Opus 4.8、Gemini 3.8 Flash。结论：新模型、贵模型不一定…
Vals AI 翻 2,655 次运行日志：Inkling 2 Small 思维链里骂了 316 次脏话，但脏话不是失败预警
看点：新开源前沿模型的推理行为侧写。241 次来自两次失控运行，其中一次输出 50 万字符循环；ProgramBench 受影响最大。带脏话的运行 46/48 失败，但 96% 的失败运行没脏话，所以不能拿来当监控信号。用户默认看不到这些思考内容。
「改写推理历史」比长推理便宜：把历史思维链压成紧凑状态记录，后续推理变短、Agent 成本下降
改进什么：多轮 Agent 里旧推理不断堆积、拖长后续生成。怎么做：把推理历史改写成简洁的状态记录再喂回去，用因果分析量化其对后续生成的影响；开源权重模型上无需重训即可降 token 成本。适合做长会话 Agent 的上下文压缩策略参考。
[DUMP] 前缀 token：训练检索 embedding 时加几个可训练「垃圾桶」token，吸走残留噪声、提升检索表示
改进什么：embedding 里混着与检索无关的 token 级残留信号。怎么做：训练时在输入前加可训练 [DUMP] token，不改架构、池化方式和损失函数。对自建 RAG、微调向量模型的团队是低成本技巧。
StepX-OPD：文生图扩散模型「学能力」和「少步采样」一起做的多教师 on-policy 蒸馏
改进什么：以往先学能力再蒸馏少步，训练两遍。怎么做：多教师 on-policy 蒸馏同时获得能力与少步采样，效果优于串行方案且训练成本更低。