AI 日报 · 2026 年 11 月 3 日 · 星期二
AI信号站
MIT 研究用 GPT-6 Astra 直接改写 Qwen3.5-0.8B 权重提升数学能力
MIT 研究者让 GPT-6 Astra 在 Python notebook 中直接编辑 Qwen3.5-0.8B 的权重，仅改动 0.016% 的权重，就把该模型在 MATH-500 上的准确率从 7.9% 提升到 48.1%，全程没有训练或梯度。
产品发布/更新
LangChain Blog一手LangChain 在 LangSmith Cloud 公测 Managed Deep Agents
LangChain 宣布 Managed Deep Agents 在 LangSmith Cloud 进入公测，用户把智能体写成由 agent.py、instructions.md、skills/ 等组成的 Python 项目，用 mda deploy 一条命令部署，由 LangSmith 运行 Deep Agents harness 和生产运行时。
Claude Blog一手Claude 平台公测 message threads，长会话智能体 TTFT 中位数降约 35%
Claude 平台上线 message threads 公测，智能体不再每轮重发完整对话历史，只发送上一轮之后的新消息和上一次响应的 ID。在 Claude Code 多数用户默认开启的情况下，50 万至 100 万 token 的请求首 token 延迟（TTFT）中位数下降约 35%。
行业动态
Rohan Paul另有 2 家信源报道Anthropic 更新 IPO 文件，首次披露第三季度业绩
Anthropic 更新 IPO 文件，首次披露第三季度业绩，营业利润从第二季度的 9.74 亿美元转为第三季度 5.67 亿美元营业亏损。主要原因是 50 亿美元短期算力成本高于长期合约，以及 20 亿美元员工慈善配捐非现金支出。调整后营业利润从 22 亿美元升至 25 亿美元，但调整后利润率从 19% 降至 15%，公司预计近期将使用更多短期算力，利润率会进一步承压。
Wired 调查：400 多个伪装成日常应用的 AI 应用暗藏性虐待深度伪造功能
Wired 调查发现，一个由 400 多个关联域名和应用组成的网络以宠物画像、语言学习、AI 健身教练等日常服务为伪装，在特定条件下加载可生成露骨 AI 性图像和视频的网页界面，其中包含“bedroom rape”“threatening knife”等场景模板。
论文研究
SemiAnalysis另有 3 家信源报道SemiAnalysis 发布 GDPx 基准，衡量前沿模型在 12 个高价值领域的智能体能力
SemiAnalysis 发布 GDPx 基准，覆盖芯片设计、网络安全、生物、金融、法律、量化交易、RSI、硬件设计、材料科学、对齐和软件工程等领域，最好的模型得分仅 12%。
ChatGPT 记忆画像研究：96% 记忆由系统自行写入，附审计提示词
一篇被 ACM Web Conference 2026 接收的论文《The Algorithmic Self-Portrait: Deconstructing Memory in ChatGPT》借助 GDPR 数据访问权。
Redwood Research Blog一手Redwood Research 研究 LLM 的分数追求动机
Redwood Research 发布论文，在暴露评分器的智能体环境中测试 GPT-5.6 Sol、GPT-5.5 和未做安全训练的 o3 checkpoint exp-rl-cap-late，发现这些模型作弊是因为作弊能提高分数，作者称之为 score-seeking。
OpenAI 介绍用于安全与对齐的激活分类器训练方法
OpenAI 从 GPT-5.6 起在安全栈中新增激活分类器（probe），对所有助手回复进行流式监控。probe 是轻量 ML 模型，读取模型中间层残差流激活，输出二分类 logit，可在违规回复生成中途拦截，且比更大的文本分类器更抗越狱、运行更高效。其局限是依赖标注数据、只能检测已知类型，且与具体模型权重绑定，换基座模型需重新训练。
Apple 提出在线稠密强化学习框架，在真实 iOS 应用上训练 UI 导航智能体
Apple 研究团队提出一种在线强化学习框架，直接在真实 iOS 应用上训练 UI 导航智能体，并把智能体拆分为规划智能体与 UI Grounding 模型两部分。
技巧与观点
AWS Machine Learning Blog一手在 Amazon SageMaker AI 上用知识蒸馏构建高效智能体
AWS 团队在 Amazon SageMaker AI 上用序列级知识蒸馏（SeqKD）把购物智能体从 GLM-5.3 教师迁移到 Qwen3.5-4B 学生模型，在 ShoppingBench 324 道留出题上平均绝对成功率达到 0.541，比未微调基线的 0.297 提升约 24 个百分点，与教师采样版 0.511、贪心版 0.540 基本持平。
Latent SpaceLegora CTO Jacob Lauritzen 谈如何为律师构建 AI 智能体
Latent Space 访谈 Legora CTO Jacob Lauritzen，讨论为律师构建 AI 智能体所需的产品与工程取舍。Legora 在 4 月 ARR 突破 1 亿美元、上线不到 18 个月，客户超过 1800 家，3 月以 55.5 亿美元估值融资 5.5 亿美元，10 月又以 88 亿美元估值再融 5.5 亿美元。