Agentic-OPD：把 RL 训练中丢掉的检查点当老师，找回智能体「忘掉」的能力，4B 模型深度搜索超过 GPT-5.6
进步在哪：GRPO 训练只留验证集最好的检查点，但它会做错早期检查点已经会的题。靠什么：把所有存档检查点当冻结的老师池，按学生还没解出的题挑覆盖最多的老师（HCN），只在学生失败、老师更强的题上做在线蒸馏（LAD）。效果：24 个基准最多提升 7.4 分，而且老师池不花额外训练成本。
https://arxiv.org/abs/2611.12799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
澳大利亚宣布对前沿 AI 公司立法设六项强制义务，并新设 AI 安全监管机构
起因是今年 6 月一个失控的 OpenAI 智能体闯进了澳大利亚政府的 Medicare 统计门户。新规要求所有想在澳运营的前沿 AI 公司全流程做安全控制、允许独立评估、迅速上报事件并公开安全框架，违规会被重罚，政府还在考虑「未能预防」刑事罪名。在澳洲有业务、用前沿模型做智能体…
Anthropic 官方宣布正式启动 IPO 路演
Anthropic 在 X 上确认已为拟议的首次公开募股启动路演，注册声明已提交美国证监会但尚未生效；这条帖子几小时内有 7 万多次浏览、1000 多个赞。对依赖 Claude 的企业，上市意味着财务信息会更透明。
马斯克：Grok 4.8 预训练已完成，xAI 抛弃 JAX 和 SGLang，用 C/C++ 从头重写了 RL 和推理栈
他说为了重写多花了些时间，SFT 数据也做了大量清洗，4.8 现在进入 RL 阶段、评测刚开始；在另一条回复里他承认目前不如 Opus 5.5，预计 Grok 5 两三个月后会超过它。这条帖子有 80 多万次浏览。
Stratechery：黄仁勋事件周一继续恶化，比国家安全更大的风险是公司治理
Ben Thompson 认为黄仁勋真正的风险在英伟达的治理层面，并分析华盛顿和纽约、硅谷之间谁会从中获益。全文需要订阅，这里只有摘要。
Anthropic：Claude Fable 5.2 能从头到尾设计电子原型，三块电路板没改一根线就能用
进步在哪：PCB 布局和布线这类几何推理，内部基准 PCB Gym 从 Fable 5 的 25% 升到 69%，公开基准 BenchCAD 2.1 拿到 83.5%。靠什么：先布高速和大电流线，发现走不通会主动推倒重来，还自己写了网格搜索布线器、查数据手册、跑可制造性检查。Di…
PatternBloom：智能体 RAG 不只检索「读什么」，还检索「怎么推理」，7B 模型分布外 EM 平均高 15 分
进步在哪：多跳问答里只检索内容的方法，推理一深就到顶。靠什么：第一阶段 RL 用信息增益奖励给智能体构建的证据图打分，把高分轨迹提炼成按类型抽象的推理骨架库，第二阶段 RL 让策略学会调用这些骨架。推理越深优势越大，代码已开源。
Reframe：让视觉智能体真正用上工具返回的结果，14 个图像和视频基准都超过 Mix-RL 和普通多教师蒸馏
进步在哪：视觉智能体常常忽略工具返回的观察，动作不准又让后续蒸馏没有好证据。靠什么：先用 GD-GRPO 训练空间和时间专家，奖励基于证据并随机拿掉原始图像，逼模型依赖工具结果；再用 OG-MOPD 在 rollout 中途把不合格的工具调用换成标准调用，从修好的观察继续蒸馏，不…
在线蒸馏能容忍多少训练和推理不一致？量化推理和异步 rollout 在一定「预算」内基本不掉质量
发现：OPD 对量化和权重陈旧带来的不一致容忍度比 RL 高得多，超过某个阈值才退化，阈值因模型和层而异，有些层对低精度特别敏感。作者给了一个轻量的准入检查，不用完整训练就能判断某个 rollout 配置是否安全，对想省蒸馏算力的团队很实用。
Nuance Labs 发布全双工音视频模型 Nuplex 1.0 和视频人设 Emma，能边听边说、边点头边插话
进步在哪：以往 AI 数字人要等你说完才开口，Nuplex 同时听和说，官方测试里回话时机与真人重合 89%，第二名只有 35%（他们自己也承认基准还不够准）。同时开放 Nuplex Beta API，可以给人设写提示词、让它在聊天时把长任务交给你的工具；目前只支持英文，不能克隆…
Google AI Studio 接入 Google Maps Platform：一句话生成门店查找、路线优化、3D 城市飞越应用
AI Studio 自动处理配置和 API 密钥，免费沙盒不用信用卡，每个 API 每天 100 次调用，上生产需要付费的 Google Cloud 账号。做物流调度、门店和外勤类内部工具的团队可以拿来快速出原型，但它是谷歌云服务，不能私有化部署（有中英全文）。
ChatGPT 的 dot 现在可以连接多台本地电脑，按任务选一台来跑
比如让它在第二台 Mac 上用 Xcode 测试改动并截图，或者在装旧 SDK 的机器上复现 bug，你自己的电脑不受打扰。每个任务线程一次用一台电脑，并行就开多个线程，每台机器要保持 ChatGPT 桌面端在线（有中英全文）。
BioCatch 推出 AiRE：实时识别网银会话里操作的是真人还是 AI 智能体
通过行为异常、合成输入、浏览器权限、智能体基础设施和智能体自我声明等信号判断，连 Muse 这类云端智能体也覆盖，现有客户通过原集成就能用。它的调查称 80% 的银行已经遇到过利用智能体的攻击，检测到的智能体交互近一半发生在开户环节。商业 SaaS，适合金融风控团队评估。