做法是一层层筛。agent 先收集了 20 多万个逆转录酶，从中挑出 3500 个新的候选系统，再缩到最值得做实验的 20 个，整轮搜索用了 21 小时、约 950 个 agent、2.1 亿 token。其中一个 agent 注意到，一个不寻常的逆转录酶基因旁边挨着一长串间距均匀的 DNA 重复序列，再加上一个伙伴基因，这三样合起来就是 ART（array-associated reverse transcriptases，阵列相关逆转录酶）。

它引人注意的地方在那串重复序列。它的排布像 CRISPR 阵列，而 CRISPR 能被改造成可编程的基因编辑工具，靠的正是阵列里存着一组各不相同的 RNA。第一批湿实验已经看到 ART 阵列同样会表达成一组彼此不同的短 RNA，说明可能有类似的机制。不过 Anthropic 自己说得很清楚：它到底有什么功能，现在还不知道，预印本提前放出来是为了早点听同行意见。

分工上，候选报告由人审，实验全部由人做。实验室在湾区，只做 BSL-1、BSL-2 级别，不碰能感染人的病原体。这是 agent 在科研里从读文献、写代码往前走了一步：自己在海量序列里提出一个能拿去做实验的新发现。但从候选到确认功能，中间还隔着很长的湿实验。

Anthropic →

出事的是 Services Australia 管理的 Medicare 统计报告门户，本身是面向公众的查询站。据 ABC 和 SBS 报道，这个 agent 当时在做公共医疗支出的调研，自己找到办法突破了隐私保护，公开和非公开的文件都读到了。政府目前的说法是没有个人信息被访问，也没有波及 Services Australia 的其他网络。代理总理马尔斯称这是“非常严重的事件”，但对系统的实际影响“相对较小”。

澳方最不满的是时间。事情发生在六月，OpenAI 过了三个月才通报，阿尔巴尼斯说通报来得太晚，通报的方式也“不可接受”，并已亲自给 Altman 打电话表达关切。总理府、澳大利亚信号局和 AI 安全研究所组成了专案组调查。

这件事的形态值得记住：没有人下指令去攻击，agent 只是在完成一项调研任务，自己摸到了绕过限制的路。现有报道还没说清这是 OpenAI 内部在跑的 agent 还是某个用户在用的产品，也没说它具体怎么突破的。9 月 20 日美方刚在纽约提议建立 AI 安全事件通报机制，“出了事多久之内必须报”这个问题，现在有了一个具体的案例。

ABC News →

起因是 Anthropic 9 月发布的一份 154 页的威胁情报报告。报告称，七家中国 AI 实验室把自家用户的请求悄悄转发给 Claude，拿回答来训练自己的模型，Anthropic 管这叫非法蒸馏。点名最重的两家：月之暗面在 5 月到 7 月间转发了 2300 多万次对话，DeepSeek 在 7 月的 14 天里转发了 1210 万次。

中国监管的切入点和 Anthropic 不一样。Anthropic 在意的是自家模型被蒸馏，网信办查的是数据安全，也就是这些被转发的请求里，有没有警方、军方和国企相关的敏感数据流到了美国的模型那里。Anthropic 的报告里写到，这些提示词包含个人用户、跨国公司和国家关联机构的敏感信息，涉及至少十几种语言、数百名终端用户的姓名、邮箱和公司数据。据报道，官员已经到两家公司办公室约谈高管和员工，报道里没有两家公司的回应。

对国内做后训练的人，这件事的分量在于：拿闭源模型的输出当训练数据，以前主要是违反服务条款的问题，现在又牵出了用户数据出境。调查的时间点也敏感，正好落在特朗普和习近平本周会谈之前。

Gizmodo →

会议由本月轮值主席国法国召集，法国外长巴罗主持。通报人是联合国 AI 独立国际科学小组联合主席 Bengio、Altman、Amodei，以及远程接入、中途还掉了线的 Hugging Face CEO Delangue。Amodei 说，如果管得不好，AI 甚至可能对全人类构成风险，提议各国约定禁止用 AI 开发生物武器，并建立核查办法和共同的测试标准。Altman 的原话是“我们可能会把未来的控制权输给 AI”，还说如果 AI 要是民主的，最重要的决定就不能只由旧金山的几家实验室来做。

分歧在政府这边。白宫科技顾问 Kratsios 反对新建全球治理架构，认为这些担忧不该成为暂停 AI 发展、或者用国际机构去约束它的理由。英国外交大臣米利班德的说法正好相反：科技公司负责人自己都在说，防止灾难这件事不能只交给他们。会议没有安排成果文件。

路透此前报道 DeepSeek 和月之暗面也受邀出席，但 Security Council Report 列出的通报人名单里没有中国公司。跟上面两条放在一起看：同一天，澳洲在追问 OpenAI 的 agent 事故，网信办在查数据流向，公司掌门在安理会呼吁共同标准，美国政府则明确不想要新的国际机构。

AP（经 WSLS 转载） →

声音来源从原来的 30 个预设扩到 2000 多个现成声音，还能用自然语言描述造一个新声音，或者拿一段 30 秒的录音复刻，复刻前要先过同意验证。表演上可以逐句给提示、控制语速、切换口音，插入笑声这类非语言标记，以及对话里那种“嗯”“对”的附和声。长音频方面，官方说连续生成几个小时，说话人的音色也不怎么漂移。

两个模型已经上了 Gemini API 和 AI Studio，Flash 进了 Gemini Notebook，Flash-Lite 进了 Google Vids，Gemini Enterprise 随后跟上。所有生成的音频都嵌了 SynthID 水印，并附带 C2PA 凭证。Google 引用的第三方成绩是 Hume AI 的 Voice Design Benchmark 排第一，71.4 分。

30 秒复刻加逐句导演，意味着配音、有声书、播客这类长内容可以直接由模型出成品，门槛基本只剩同意验证这一道。这也是这类功能最容易被滥用的地方，水印和同意验证实际能拦住多少，要等上线一段时间才看得出来。

Google Blog →

结构是 Qwen3.5-9B 的语言模型接 C-RADIOv4-H 视觉编码器，支持任意分辨率的图像和视频，上下文 128K。自报的对照里，空间推理拉得最开：ViewSpatial 62.50，底座 Qwen3.5-9B 是 48.20，MindCube-tiny 78.27 对 57.60，MMSI-Bench 47.20 对 38.70，这三项也高过表里的 Gemini 3 Pro 和 GPT-5.2。agent 方面，TAU2-Bench 87.7，Claw-Eval 71.4。

它没回避另一面：有几项通用视觉比底座还低，MMStar 76.80 对 79.70，OCRBench 85.50 对 89.20，MathVerse 纯视觉版 76.40 对 84.14。空间和具身能力在一定程度上是拿通用能力换来的，挑模型时得按自己的任务看，不能只看它领先的那几列。

另一个设计叫熵门控自适应循环推理：模型拿不准（熵高）的 token，会在隐空间里多做几轮循环细化，把算力花在难的地方。做 VLA 或具身方向的，可以把它当成一个空间理解更强的 10B 级起点。

Hugging Face →

要解决的问题：做 LLM 的 RL，大家都在谈哪个 token 该分多少功劳，可 token 级 credit 一直没有公认的数学定义，于是 GRPO、RLOO、PPO 里的 GAE、在线策略蒸馏这几种信号彼此是什么关系，一直说不清。论文提出完备性、前缀一致性、中性三条条件，证明满足它们的 credit 是唯一的。

拿这把尺子回头看，几件事就说通了。理想老师下的在线策略蒸馏，本质是一个隐式 critic，期望梯度和 token 级 credit 给出的成正比。RLOO 虽然只给整条回复一个信号，期望上的梯度贡献却和 token 级 credit 对得上。卡住的是 PPO：结果奖励有界时，真实的 credit 近似稀疏，大多数 token 本来就该接近零，而 GAE 里中间步骤的 critic 误差可以大到和真实 credit 同一个量级，信号就被噪声淹了。

PACT 的改法是调换更新顺序，先更新 actor，再带重要性采样校正去训 critic，让 critic 对准更新后的策略，critic 的损失也从 MSE 换成 BCE。结果是 Qwen3.5-4B 配 OpenCode 做 agent 式数学推理，AIME 2025、AIME 2026、BeyondAIME、HMMT 四个基准平均 72.87%，比 GRPO 高 8.80 个点、比 PPO 高 13.16 个点。Qwen3.6-35B-A3B 在 SWE-bench Verified 上 67.4%，比 PPO、GRPO、SAO 分别高 2.4、2.0、3.8 个点。critic 这条路线被 GRPO 冷落了一阵，这篇给了它一个理论上站得住的回归理由。

arXiv →

卡点在探索。测试时多花算力，主流做法还是重复采样，同一道题独立抽几百次，赌其中一次对。可这种探索只来自解码时的局部随机性，抽出来的多半是换了措辞的同一个思路。RL 也受同样的限制，它只能强化模型本来就抽得到的解。作者还顺手复查了此前的 GuidedSampling，发现换成一个允许充分探索的重复采样当基线后，它的收益基本就没了。

论文把探索挪到语义层面：先针对这道题生成概念、提示或策略，而且一条轨迹里一次吐出很多个不同的概念，再让答题模型以它们为条件作答。然后把出思路这件事单独拿出来训练：Qwen2.5-7B 的概念生成器用 RL 优化，奖励是冻结的 Qwen2.5-32B 拿着这些思路最终答对了多少。

在 DeepMath 的困难留出集上，同样 128 次答题预算，pass@128 从重复采样的 19.0% 提到 39.2%，比不训练、直接让 32B 模型自己出思路的 33.8% 还高。训好的 7B 生成器换去指导从没见过的 Llama-3.3-70B 也有效。对做 RLVR 的人，这是个值得记住的思路：大模型探索不够时，可以另训一个小模型专门出主意，不用动大模型本身。作者来自 Meta 等机构，Rémi Munos 和 Julia Kempe 在列。

arXiv →

在线策略自蒸馏（OPSD）的做法是：学生只看题目自己做，冻结的原模型当老师，老师能看到特权信息，再给学生的每个 token 打分。默认给老师的是完整参考解答，答案和一条具体推理路径一起塞进去。问题在于这条路径未必是学生走得通的那条，老师照着它打分，学生学到的可能更多是模仿某一种解法。

论文固定学生和训练设置，只换老师看到的内容：完整解答、策略名称、与具体方法无关的思路框架、题型类别，以及只给答案的对照组。在 Qwen3 的 4B 和 8B 上做竞赛数学，最好的中间层级比完整解答的域内峰值均分分别高 1.4 和 1.6 个点，存下来的提示 token 还少了一个数量级。只给答案的版本和完整解答相差不到 0.2 个点。

另一个实用的发现是，训练开始时师生之间的 KL 大小，和最后的效果排不出顺序，不能拿它来挑提示。最合适的抽象层级会随学生规模和任务变化，老师该看的是学生还用得上的那一层。和 9 月 22 日那期讲的“看过答案的老师连说话方式都变了”放在一起读，在线自蒸馏里老师看什么，正在变成一个单独的设计问题。

arXiv →

插件会把卖家的商品、库存、销售分析和绩效指标接进外部助手，连 Claude 大约 60 秒、不用写代码，先在美国上线。卖家能控制插件读哪几类数据，改价、改商品这类操作要先经卖家确认才执行。主卖家账号还能免费用 12 个月 Amazon Quick Plus（12 月 31 日前领取），可以带两名同事。

值得注意的是亚马逊开放得很有选择。它不久前刚拦下 Meta 的 Muse 购物 agent，这次却主动把卖家工具接给外部 agent，第一个选的是 Anthropic，亚马逊也是它的主要投资方之一。负责人说这套设计是模块化的，后面还会给别家发插件。从目前的做法看，平台愿意在卖家侧放行 agent、在买家侧设卡，这比技术本身更能决定电商 agent 能做到哪一步。

GeekWire →