Databricks 发布 MemCurrent 生产级 Agent 持久记忆架构
Databricks 介绍 MemCurrent,一种面向生产 Agent 的持久记忆架构,结合情景记忆与派生记忆,通过插件、工具调用和离线 dreaming 管线三种访问模式读写与整合记忆,已用于 Agent Bricks Memory 和 Genie。
推荐理由:原文给出完整设计、消融和成本数据,读者可以据此评估生产级 Agent 记忆架构的选型与收益。
全球 AI 公司、研究机构和媒体的最新动态,自动挑出值得看的,全天自动更新。
更新于 11月18日 01:46 · 每小时自动更新
Databricks 介绍 MemCurrent,一种面向生产 Agent 的持久记忆架构,结合情景记忆与派生记忆,通过插件、工具调用和离线 dreaming 管线三种访问模式读写与整合记忆,已用于 Agent Bricks Memory 和 Genie。
推荐理由:原文给出完整设计、消融和成本数据,读者可以据此评估生产级 Agent 记忆架构的选型与收益。
Google 与 Meta 联合开源 TorchTPU,为 Google TPU 提供原生 PyTorch 后端,模型只需把 .to("cuda") 改成 .to("tpu") 即可开箱运行,无需 JAX 依赖。
推荐理由:原文详述架构、精度模式与多个训练推理案例,读者可据此评估把 PyTorch 工作流迁移到 TPU 的成本。
另有 3 家信源报道Tessl 工程师 Ankit Jain 分享团队 PR 量翻四倍、代码几乎全部由 AI 生成后,放弃逐行 diff 审查、改为在代码生成前审查意图并逐条验证验收标准的做法。关键实践包括维护 offer-skill 技能理解代码变更,以及把重复出现最多的审查评论固化成机器自动执行的不变量规则,作者预计第二个月起审查负担明显缩小。
推荐理由:作者团队 PR 量翻四倍后放弃逐行审代码,改为事前审意图加可验证准则,给出了可直接照搬的做法和时间预期。
Ai2 发布 FairStress 基准,通过 300 个两候选决策场景和对抗性前缀扩展出的 1300 多万测试用例,测量大语言模型决策中的隐藏群体不对称。测试发现模型在身份显式时出现反刻板过度纠正,向少数群体编码候选者的切换比向多数群体多 8.8 至 42.4 个百分点,模型解释措辞也随群体不同而变化。
推荐理由:原文指出仅看最终选择会掩盖公平性差异,并给出 1300 万测试用例的基准与反事实链式推理这一有效缓解方法。
另有 1 家信源报道Cohere 发布 Rerank 5 Pro 与 Fast 两款企业检索重排模型。
推荐理由:Cohere 官方发布 Rerank 5,给出基准分数、校准分数机制和 Context Focus 的实测 token 节省,可评估是否接入检索链路。
Perplexity CEO Aravind Srinivas 宣布,Perplexity Computer 现可在 Mac 上完全本地运行,无需云端推理,也不用 WiFi。模型和智能体都在本机运行,可操作 Mac 原生应用和本地文件,敏感数据不必发送到云端,现已在 Perplexity Mac 应用中可用。
推荐理由:Perplexity CEO 亲自宣布,Perplexity Computer 可完全本地运行,敏感数据无需上云,对关注隐私和离线使用的人有参考价值。
另有 2 家信源报道Google 推出 TorchTitan TPU 分叉(github.com/google-pytorch/torchtitan),配合 TorchTPU 原生后端在 Cloud TPU 上训练 PyTorch 模型,提供 SimpleFSDP、Graph Trainer、Pallas 内核和优化 Playbook。
推荐理由:原文给出从基准到编译、内核、内存的完整 TPU 优化顺序,以及 FLUX.1、Qwen3 235B 等实测数字,可迁移到自己的训练工作流。
Google 在 PyTorch 相关公告中推出基于 TorchTPU 的 vLLM 和 SGLang 原生 PyTorch 推理引擎,分别与 Inferact、RadixArk 合作开发,让开发者用熟悉的 PyTorch 工具在 TPU 上部署模型。
推荐理由:原文给出两套 PyTorch 原生 TPU 推理引擎的功能清单、公开基准成本和开源入口,读者可据此评估把现有 PyTorch 服务栈迁到 TPU 的可行性。
另有 2 家信源报道METR 发布对 Anthropic 2026 年 8 月风险报告“高风险场景中的错位”章节的独立外部审查,基本同意截至 2026 年 7 月 15 日 Mythos 5 和内部模型 Model 2 的灾难性错位风险为低,但认为这主要源于模型能力有限而非安全防护。
推荐理由:METR 独立审查了 Anthropic 风险报告的对齐章节,指出隐藏 CoT 评估无法覆盖 CoT 合理化攻击面,并给出监测系统红队测试建议。
Anthropic 让内部研究模型在 Claude Science 中主要自主运行 64 小时,设计针对五种蝎子神经毒素的蛋白质迷你结合剂,共生成 318,484 个设计、筛选出 180 个。
推荐理由:原文完整披露设计流程、筛选标准和实验数据,读者可以了解 AI 驱动蛋白质设计在被忽视疾病上的真实进展与局限。
另有 3 家信源报道据 The Intercept 获取的文件,美国陆军网络司令部(ARCYBER)正在开发代号 ECHOTRIBBLE 的平台,让 AI 智能体自主在网络间移动、识别并清除威胁目标,之后自毁,且须在极少人工监督下运行。
推荐理由:文件披露 ARCYBER 让 AI 智能体自主扩散和清除目标的计划,多位安全研究者指出了误伤和失控风险。
IBM、Red Hat 和 Google 等主导的开源推理项目 llm-d 在 PyTorch Conference North America 上发布 llm-d 1.0,这是一个 Kubernetes 原生的分布式推理服务框架,支持任意模型、任意加速器和任意云。
推荐理由:原文给出 llm-d 1.0 的具体能力变化和实测成本数据,读者可据此评估自建推理基础设施是否划算。
另有 1 家信源报道Cursor 发布 Agent SDK,这是其构建 Bugbot、Security Reviewer、Rollouts 等托管智能体所用的框架,现已全面开放。
推荐理由:Cursor 开源了自家用作 Bugbot 等托管智能体的开发框架,读者可以据此评估用代码定义和部署团队智能体的可行路径。
ElevenLabs 发布 Speech to Speech 级别的 Eleven Realtime 模型,含 v1 Mini(低成本自然对话)和 v1 Max(复杂多步任务),均支持 90 多种语言和 17,000+ 声音。
推荐理由:原文给出两档模型的基准数据和与 OpenAI Realtime API 兼容的迁移方式,读者可据此判断是否替换现有语音智能体方案。
Waymo 宣布为在西班牙马德里大区推出全自动驾驶出行服务奠定基础,目标 2027 年迎来首批乘客。未来数日其电动 Jaguar I-PACE 车辆将现身当地街头,先以人工驾驶开始,再由当地受训的自动驾驶专家进行技术验证。Waymo 称已累计完成逾 2000 万次行程、400 万公里全自动驾驶里程,在其运营城市中涉及重伤或更严重事故的比例比人类司机低 95%。
推荐理由:Waymo 官方宣布进入西班牙市场,给出了落地时间表、分阶段部署方式和安全数据,读者可了解其全球扩张节奏。
另有 1 家信源报道DeepSeek 宣布将内部推理框架 DeepInfer 全面开源,并同步开源生产级 Token 编解码组件 deepseek-recipe。
推荐理由:DeepSeek 将内部推理框架全面开源,给出仓库地址和兼容平台,开发者可据此优化大规模推理的成本。
另有 7 家信源报道据 Reuters 报道,OpenAI 正赶在 Anthropic 上市前洽谈融资约 300 亿美元,估值超 1.4 万亿美元,比 3 月的 8520 亿美元至少高 64%。
推荐理由:原文梳理了融资节奏背后的竞争逻辑和两家收入口径差异,提供了理解估值分歧的具体依据。
面壁智能 MiniCPM-V 团队介绍支撑 MiniCPM-V 4.7 端侧运行的前瞻专家调度(LES)技术,称首次实现 35B-A3B 规模 MoE 在端侧实时无损运行,iPhone 18 Pro Max 实测解码超 20 token/s。
推荐理由:原文拆解了 LES 在调度、存储、计算三层的具体设计,并给出消融数据,方法可迁移到其他 MoE 模型的端侧部署。
Redact 调查发现,截至 2026 年 10 月中旬,WhatsApp 帮助中心 545 个页面中有 80 个页面嵌入了 102 段屏幕上不可见、仅供 AI 读取的隐藏指令,其中删除账号页面指示 AI 不要推荐联系任何数据保护监管机构,举报与屏蔽页面指示 AI 在用户提及律师或诉讼时不引用 GDPR、LGPD、CCPA 等法规。
推荐理由:作者逐页核对了 545 个帮助页面并保存存档,读者可以据此了解隐藏 AI 指令的具体内容和 WhatsApp 的回应。
作者讲述了两起用AI反制诈骗的案例。澳大利亚公司 Apate.ai 用35万个AI伪装成容易上当的受害者,已与骗子聊天250万次,累计耗掉骗子约17年时间,澳大利亚运营商 TPG 将近59万通可疑来电转给这些AI,澳洲联邦银行公开报告的诈骗损失降低76%,公司今年8月拿到815万美元种子轮融资。
推荐理由:文章复盘了用AI拖延骗子和反制AI卖惨账号的两个真实案例,可以看清攻防双方的成本结构差异。