上海 AI Lab 等「权重空间编程」：让 GPT-6 Astra 不用梯度、直接改小模型的权重，改 1023 个参数 MATH-500 涨 29 分
改进了什么：通常提升模型要靠训练和梯度。这篇论文试的是另一条路：让强模型像写程序一样，直接读写 Qwen3.5-0.8B 和 9B 的权重。效果：改动 1,023 个参数让 MATH-500 提升 29.45 分，IFEval 提升 36.72，SciBench 提升 17.11。局限也写得很清楚：16 条尝试轨迹里有 6 条最后保留了原始权重，在 9B 上增益很小。适合关注「模型编辑」和「AI 改造 AI」方向的读者，代码和项目页已公开。
https://huggingface.co/papers/2611.09382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
英伟达「间谍」风波削弱黄仁勋游说：明年 1 月民主党接管国会委员会，AI 芯片出口管制大概率收紧
The Decoder 汇总彭博报道：黄仁勋承认与被美国情报机构列为疑似中国线人的 Megaspeed 前高管有婚外情，董事会已启动独立调查。Megaspeed 的马来西亚姊妹公司被曝在 2024 年 6 月到 2026 年 2 月间买入至少 48 亿美元含英伟达芯片的硬件；英伟…
Ben Thompson 评黄仁勋风波：希望他挺过去，但他的影响力再也回不到从前
Stratechery 11 月 9 日的付费更新，讨论黄仁勋婚外情、做空机构 Culper 的报告，以及黄仁勋一贯的「自认正确」作风。公开摘要里 Thompson 的结论是：他希望黄仁勋能保住位置，但其影响力不会再和过去一样。正文为付费内容，这里只收录摘要。
苹果把部分工程师每天的 AI 用量预算从 300 美元降到 200 美元
Stork AI 11 月 8 日简报转述彭博：苹果对内部工程师使用 AI 编程工具设了每日花费上限，部分人从 300 美元下调到 200 美元。对企业来说，这是「按人头给 AI 预算、再按产出调整」的一个大厂实例，也说明顶级公司同样在认真算 token 账。同期简报还提到 Pa…
韩国 AI 实验室 Motif 宣布新一轮融资，英伟达计划参投，下一步全力做 Motif 4
Motif Technologies 官方发帖称完成新一轮融资，投资方包括计划参投的英伟达，接下来会集中资源开发 Motif 4。韩国正推动本土主权模型，英伟达参投本土实验室是它在各国「主权 AI」布局的延续。融资金额以官方帖为准。
字节 Seedream 5.5 发布：连续 100 轮编辑不走样、原生输出透明背景 PNG，小字渲染大幅改善
改进了什么：多轮修图时，没改的区域会慢慢漂移失真，这是生图模型落地设计流程的老问题。Seedream 5.5 宣称能稳定编辑 100 轮，并对未编辑区域做像素级保留；原生支持 RGBA 透明和半透明输出，可以直接出贴纸、图标、海报素材；光照、材质和皮肤更自然，小字号文字渲染明显变…
INSAIT 提出精确又快的相对位置注意力内核：8K 长度下反向最快 21 倍、显存最多省 128 倍
改进了什么：Shaw、Transformer-XL、DeBERTa、T5 这类相对位置注意力效果好，但没法直接套 FlashAttention，长序列时又慢又吃显存。靠什么：作者利用相对位置矩阵的结构，做了「偏移感知分块」、复用关系投影，以及无需原子操作的梯度累加，在 Trito…
Frontier3DBench：在 Blender 和虚幻引擎里考编程智能体做 3D，GPT-6.1-sol 总分第一，但「状态化流程」普遍不及格
这是新基准：145 个任务覆盖物体、场景和可交互开放世界，评测了 11 种「模型 + 智能体框架」组合。结果：GPT-6.1-sol 总分最高（66.02），GPT-6-astra 在交互世界类领先；局部机制类任务平均 83.08 分，但运动避障只有 20.82、需要维护状态的工…
人大与华为 TraceSpec：给智能体专门训练投机解码草稿模型，回放吞吐比 DSpark 高 12.5%–22.6%
改进了什么：投机解码的草稿模型一般用普通对话数据训练，但智能体的轨迹里夹着大量工具调用和中间轮次，草稿命中率会掉。靠什么：TraceSpec 用智能体轨迹里的中间助手轮次做训练数据，并按难度自适应分配训练量。效果：在真实轨迹回放上吞吐比 DSpark 高 12.5%–22.6%。…
Brown 与 USC 的 LIBRA：查询到来之前先归纳出可执行的工具库，用沙箱反事实测试校验工具契约
改进了什么：智能体面对上千个工具时，靠向量检索选工具经常选错。靠什么：LIBRA 先离线让 LLM 为工具提出「契约」（输入输出和适用条件），再在沙箱里用反事实测试验证，形成可执行的工具库。效果：一次检索 Recall 比稠密检索高 7.9、NDCG 高 3.7；接入 ToolR…
首个触觉推理模型 Touch-R1 入选 NeurIPS 2026：视觉和触觉信息冲突时，智能体该信谁
机器之心报道一个触觉推理模型 Touch-R1，称是首个面向触觉的推理模型，研究的核心问题是当视觉与触觉判断冲突时智能体如何决策，论文入选 NeurIPS 2026。公众号正文本期未能抓取，具体方法和数据请看原文。
全球首个用真实湿实验验证的 Physical AI Verifier：给「AI 科学家」出终极考题
机器之心报道一个用真实湿实验来检验 AI 科学家提出方案的验证平台，定位是打通 AI for Science 的「最后一公里」——不只看模型写的方案像不像样，而是真的去做实验看结果。公众号正文本期未能抓取，具体机构和数据请看原文。
Claude Code 新增「空闲压缩」：闲置约 54 分钟且上下文超 20 万 token 时，抢在 1 小时提示缓存过期前自动压缩
Paul Calcraft 发现 Claude Code 的 idleCompaction 设置：会话空闲约 54 分钟、上下文至少 200K token 时，会在 1 小时提示缓存失效前先压缩上下文，避免回来继续时整段上下文按未缓存价格重算。对团队里长时间挂着 Claude C…