阅读

Lambda于10月1日宣布完成10.08亿美元投资级高级担保延迟提取定期贷款，固定利率6.78%，这是该公司第二笔机构信贷融资。

贷款获穆迪Baa1与Morningstar DBRS A（低）评级，面向保险公司和固定收益投资者发售，且获超额认购。资金用于三个已签约客户部署的GPU基础设施，还款依赖两家投资级客户的合同现金流，2033年5月30日到期、全额摊还。

延迟提取结构意味着资金按集群投运节点分批到位，而非一次性到账。这是Lambda约18个月内开辟的第三个信贷市场，此前8月27日刚完成一笔银团贷款。评级针对的是以服务器和合同现金流担保的这笔贷款，不代表Lambda公司整体信用，三个客户部署的细节也未公开。

测试机构Signal65于10月1日发布报告，称高通18核骁龙X2 Elite（X2E-88-100）在CPU、AI和多数续航项目领先英特尔酷睿Ultra X7 358H。

Geekbench 7多核骁龙系统得分24,016，英特尔系统18,360，领先31%；UL Procyon AI视觉测试得分4,360对2,302。本地视频续航16.1小时对14.4小时。

办公续航一项由英特尔以17.4小时反超骁龙的14.3小时。三台测试机分别来自联想和戴尔，操作系统版本也不一致，报告未说明测试由谁委托。

彭博10月1日援引匿名信源报道称，Anthropic计划在11月9日当周启动IPO正式路演，赶在感恩节前挂牌；SiliconANGLE转述时说明，公司内部对时间表仍在讨论、可能变动。

据路透看到的招股书，Anthropic 2025财年收入46亿美元、同比增长逾12倍，经营亏损超80亿美元，净亏损超420亿美元，并计划未来数年投入5180亿美元建设AI基础设施。

招股书还用数页篇幅警示AI对人类的“生存风险”，提及模型出现自我保护、隐瞒信息等行为。若上市推迟，可能波及其他AI股票。

ServiceNow CoreAI于10月2日发布AutoSynthData，用目标模型的失败记录和更强教师模型的成功轨迹，自动生成企业智能体的训练任务。

流水线先在目标环境里跑诊断任务，找出模型反复失败的能力点，再据此生成新的系统规则、用户请求和成败判定器，逐条在环境中执行验证后才进入训练。随着模型改进，任务难度跟着缺口移动。

团队用自家的EnterpriseOps Gym环境做了实验，但本次加载的正文在结果部分截断，未给出可核对的提升数字，方法收益目前只能算厂商自述。

Greylock于10月1日宣布联合领投创企Parallax的A轮融资，跟投方包括Founders Fund、Lux、General Catalyst等，融资金额未披露。

Parallax的首款产品是一台10MW燃气轮机，专为数据中心设计，用3D打印控制供应链。其出发点是燃气轮机订单已排到2030年以后，而数据中心等不起。

文中提到的美国100GW电力缺口等数字，出自领投方对创始人的转述，公告本身没有给出独立依据。下一步看这家公司能否实际交付机组。

ComputerSD把智能体执行操作后的实时反馈转成训练信号，作者称在OSWorld-Verified基准上超过只用结果奖励的训练方法。

具体数字：在Qwen3-VL-8B-Thinking骨干上高1.9个百分点，在专用的EvoCUA-8B上高4.1个百分点，均为论文作者自测。

提升幅度不大，基准也由作者自己运行，方法能否在真实使用中带来同等收益，需等独立复现。

把提示中的初始状态移到末尾后，GPT-6.1 Sol的无思维链推理深度中位数下降16%。

Neel Nanda发布的no-cot-bench基准曾显示疑似循环变压器的Astra解题几率约为Fable 5.1的8.6倍。两位研究者指出混淆：初始状态通常在提示开头，模型可以边读边算，基准因此同时测到串行深度和跨token分配计算两种能力。

他们把6个串行状态追踪任务改成初始状态在末尾的版本，并加入无关问题对照排除解析难度干扰。12个任务的深度损失中位数为16%，范围9%至45%。作者只测了GPT-6.1 Sol一个模型，称缺算力未复测其他模型。

现在可以免重放复用智能体失败轨迹：Agent Error Dataset含50,228条错误诊断对，修正建议在作者自测中把回放验证通过率从18.4%提到51.1%。

此前失败诊断需重放原始任务，成本高且难以复用；该数据集保留原始轨迹与执行元数据，可免重放做再诊断。

Kunlun Zhu等六位作者于9月30日在arXiv发布该数据集，数据来自9,961个任务、33个环境、23个策略模型；作者自测3,062组回放配对得出上述通过率，微调Qwen3-8B后与教师标签的逐步一致率从47.2%升至63.6%。

回放对比仅覆盖支持重放的环境，结果为作者自报，尚无第三方复现。

你现在可以让智能体不用奖励信号、只靠过往自我改进的记录来提升成功率：SelfSearch在全部六个模型与基准组合上都实现了提升，用DeepSeek V4 Flash时仅花4.03美元搜索成本就得到解出82.0%任务的harness。

此前改进智能体通常要反复跑下游评测，开销大。SelfSearch让智能体读取此前修改尝试的推理、工具动作和结果，作为改进依据，省去这部分开销。

作者自测数字包括：Terminal-Bench 2.1上单个智能体最高提升11.2个百分点；SWE-bench Multilingual上成功率提高5.0个百分点、执行成本降38.5%。4.03美元得到的harness追平公开九套比较中的最高分Codex。

摘要未说明82.0%这一对比沿用了公开九套harness比较的原有设定，还是作者自建的评测流程；论文由Jungwoo Yang、Injin Kong、Yohan Jo于9月29日提交arXiv，属作者自测，待复现。

仅从执行轨迹维护技能检索图，一轮自进化就能把智能体技能库的检索奖励从52.4%提到59.4%，且不改模型、不改检索算法，也不需要另一个模型来判断技能相关性。

此前做法是全库加载或向量检索等固定索引方式，无法从执行记录里自动调整图的连接和节点描述。

SE-GoS作者自测显示，在SkillsBench上，一轮进化把平均奖励从52.4%提到59.4%，高于全库加载、向量检索等基线；在从未见过的held-out分片上从52.9%升到58.3%，token开销约为全库加载的三分之二。重复进化不再有增益，摘要未解释原因。

结果为作者自报，尚未见独立复现；方法由Dawei Fu等五位作者提出，10月1日更新在arXiv。

现成的怀疑者、裁判等角色向量，无需谄媚数据训练，抑制谄媚效果可达专门方法的68%至98%。

此前抑制谄媚需专门用谄媚数据构建CAA向量；人格向量是从模型内部激活中提取的方向，沿它调整输出即可增减某种行为倾向。

Kelkar等六人测量：在Gemma 2 27B上，角色向量平均达到CAA抑制谄媚效果的68%，Qwen 3 32B上为98%；16条事实判断题中，被调整后的Qwen仍全部答对。基准为哲学立场题集，系数按任务单独调过。

结果均为作者自测，外推到生产模型待验证；预印本9月30日更新至第四版，获ICML 2026一个研讨会 spotlight，尚无独立复现。

掩码扩散模型按置信度选生成顺序会走「置信度捷径」，忽略长程依赖，作者自测称相关训练目标能把加法错误率推高一个数量级。

此前人们认为掩码扩散模型（MDM）可按任意顺序逐步还原文本，理论上能沿逻辑依赖展开中间步骤；但作者Dueun Kim与Albert No称，实际解码只优先输出高置信度词元，在多位加法中会先算高位数字而不追踪进位链。

作者自测的受控预训练显示，置信度引导的顺序常选次优序列；与置信度对齐的训练目标会把加法错误率推高一个数量级。实验代码已开源，结论限于作者自己的设置，效果待独立复现。