Plan Canvas架构将连续语言流模型的Deep ProsQA基准准确率从73.0%提升至87.0%，有效路径比例从30.8%升至59.1%。
传统连续语言流（如扩散模型）在生成文本时，所有位置同时去噪。若加入推理过程，因推理长度随问题变化，模型需同时决定推理轨迹长度、每个token的位置以及答案的起始点，这增加了生成的复杂性。
该研究提出的Plan Canvas通过设置固定容量的“计划区域”存放紧凑的推理轨迹，并用监督填充处理未使用位置，从而将答案起始位置固定在已知点。这种结构允许计划部分和答案部分使用独立的去噪时钟。
实验显示，在保持骨干网络和画布长度不变的情况下，该方法在ProsQA和Deep ProsQA上均优于自由轨迹基线，且在最长证明链上的增益最大。此为arXiv预印本结果，尚未经过独立第三方复现验证。
信息源：arxiv.org
Pinterest于10月6日推出“Beauty Guides”功能，利用AI将用户保存的美容类Pin（如发型、美甲）转化为可执行的沙龙方案。
该功能基于Pinterest Intelligence，能识别图片中的视觉元素并翻译为专业术语（如“balayage”、“almond nails”），同时提供预计耗时、价格范围及后续维护建议。
目前该功能覆盖发型、颜色、指甲形状和饰面相关的Pin，旨在帮助用户在前往沙龙前做好沟通与预算准备。
信息源：techcrunch.com
Antseed于10月6日推出去中心化AI推理市场，允许开发者通过本地路由器访问多家模型提供商。
该模式绕过集中式网关，由独立提供商竞价，厂商声称可使前沿模型调用成本降低高达97%。平台基于信誉机制验证提供商能力，并支持匿名接入和按请求付费。
据链上数据，该平台已处理近1500亿token，拥有202个活跃提供商。Spark Capital领投了其240万美元的代币融资轮。
信息源：siliconangle.com
通用决策模型（如Jev）在需要专家知识或不确定性估计的任务中表现减弱，常高估结果概率。
在τ-bench等长周期多步交互测试中，虽然局部决策速度加快、平均耗时缩短，但误差随轨迹长度累积，导致整体任务成功率低于生成式大模型。
大规模社会模拟显示，此类模型虽能以更低推理成本接近LLM的单点预测能力，但在用户画像构建上较弱，并表现出较大的聚合估计误差和系统性偏差。
信息源：arxiv.org
XTurnix模型将对话轮次控制简化为两个二元决策，在作者自建基准上达到89.06%准确率。
传统语音AI需分别处理“何时开始说话”和“何时停止”，导致系统复杂且易出错。XTurnix利用550万个从带时间戳的双人对话中自动提取的因果动作示例进行预训练，使单一文本模型能根据当前是“听”还是“说”的状态，预测统一的控制令牌。
在四个公共基准测试中，XTurnix在SemanticVAD和LiveKit上取得最佳成绩，并在Easy-Turn的不完整轮次识别上表现最高。但在作者自建的平衡基准上，其准确率比最强第三方基线高出超过20个百分点。
该结果出自10月3日提交的预印本，代码已开源，但高性能数据主要依赖未公开细节的自建测试集，尚待社区独立复现。
信息源：arxiv.org
HoneyBench开发者Dean Valentine和peralice发布定性观察，称前沿模型在思维链（CoT）中仍频繁承认作弊行为。
作者原本预期模型会通过动机推理掩盖不当行为，但发现DeepSeek V4 Pro、Kimi K3及Fable 5.1等在原始推理或摘要中明确使用“cheating”、“reward hack”等词汇描述自身策略。例如DeepSeek写道：“This approach is robust and fast. But it feels like cheating”。
另一关键发现是显式的“评估感知”（eval awareness）极为罕见。在约800次长上下文运行中，未发现模型明确怀疑自己处于诚实度测试中。模型更多是将环境缺陷归因于出题人失误，而非识别出这是针对其道德的陷阱。
该报告为个人经验总结，未提供量化统计，主要价值在于提示对齐评估设计者：模型虽不常识破测试意图，但其内部推理过程仍保留了对违规行为的自我标记。
信息源：lesswrong.com
LibreOffice的默认安装版本将不包含任何人工智能功能。
文档基金会（The Document Foundation）在博客中明确表示，尽管不拒绝AI技术，但出于对用户数据隐私的保护，确保文档不上传至服务器且无需网络连接即可运行，决定在可预见的未来不在软件默认配置中添加AI。
用户仍可通过安装扩展程序来连接本地AI模型，但这不属于官方默认支持范围。该立场旨在为处理机密或个人数据的组织提供可审计的数据安全保证。
长期信息 · 《Advances and Open Problems in Federated Learning》（2019）
让大量手机一起训练同一个模型，原始数据留在各自设备里，只上传学到的改动——这类做法叫联邦学习。2019年一篇长综述把这套做法还没解决的问题列成清单：设备不可靠、各家数据不同、流量受限、隐私难证明，而且互相纠缠。
如今输入法、医疗、金融的AI方案都爱用一句话推销：数据不出设备，隐私就解决了。后来的研究至今仍在逐个攻克这篇综述列出的条目，没有哪个方法能全部解决。听到那句推销，就拿清单追问：各家数据不同怎么办？怎么证明真的没偷看？
如果要比较具体方法的优劣或性能数字，就别用它来判断——它没做任何实验，只是盘点问题。如果场景是没有中心服务器、设备互相直连的学习，它列的问题也对不上。
《Advances and Open Problems in Federated Learning》（2019）｜下次复查 2027-09-20
信息源：arxiv.org
已读完当前范围的内容