第 XXXIII 期 · 2026-10-04 周日
01 — 头条
Meta 让数学家和 Muse Spark 合作攻开放问题，写成六篇论文，五篇解决了原有问题，并请另一组数学家复核。
六篇覆盖概率、偏微分方程、群论、多项式优化、p-adic 弦论与数论的交叉、进化代数，其中群论和进化代数两篇是找反例推翻已有猜想。论文逐段标明哪些是研究者写的、哪些是模型起草的：模型负责计算、试论证路线、修改证明，选关键思路和最终核验由人来做。
值得看的是这套披露方式。过去“AI 解决数学问题”的报道多是事后宣称，分不清贡献归属，这次把分工写进正文，又请另一组数学家复核，给“模型参与研究”提供了一个可检查的样本。不过没有用 Lean 做形式化验证，Meta 也承认部分结果有其他团队同期独立做出，所以更该把它读成协作流程的范例，而不是模型独立做出新数学的证据。
Anthropic 招股书写明博通借它最多 420 亿美元租博通芯片，博通的银行团已开始为此分销约 600 亿美元融资。
按 Anthropic 的招股书，博通同意借给它最多 420 亿美元用于基础设施，可以指定融资伙伴，债务工具还能转换成 Anthropic 股份。眼下银行团在分销的正是 420 亿美元的优先级担保部分。Anthropic 此前通过与博通、谷歌的合作拿到了 2027 年起数 GW 的下一代 TPU 算力，明年有望成为博通最大的芯片设计客户。
供应商借钱给客户买自己的产品，再把债权换成客户的股权，两头都有利益冲突，这就是市场担心的“循环融资”。Anthropic 正准备上市，公开市场很快就要给这种结构定价。它也说明前沿实验室的算力账单已经大到要靠芯片商的资产负债表来撑。
CNBC 援引 STL Partners：民间反对已让欧洲约 420 亿、美国约 770 亿美元的数据中心投资停摆或取消。
欧洲数据中心监测的数字更直观：今年 1 到 4 月就有 70 多个项目被否决或受限，超过 2025 年全年。各国开始立规矩：苏格兰暂停新的超大规模数据中心规划审批，丹麦通过紧急法律把数据中心排到并网队列后面，西班牙提议运营方 80% 的电力须来自可再生能源。韩国首尔衿川区居民到 8 月中已连续抗议 172 天以上。
反对理由都很具体：水、电、电价、土地。算力扩张一直被当成钱和芯片的问题，现在电网和地方民意成了同样硬的约束。往后看到哪家实验室宣布新的 GW 级园区，能多快落地，越来越取决于当地议会，而不只是供应链。
02 — 模型与产品
Aleph Alpha 放出 Kolibri-1，Apache 2.0 许可，带推理模式和工具调用，上下文验证到 100 万 token。
训练细节公开得很全：20T token 预训练（约 62.5% 英语、23.9% 德语、13.6% 代码），768 块 B200 跑了 21 天，总计约 6.4e23 FLOPs。每层 384 个专家，每个 token 激活 1 个共享加 6 个路由专家，用 Muon 优化器，滑窗注意力和全局注意力按 4:1 混合。官方成绩是 AIME 2025 英文 96.9%、德文 87.5%，GPQA Diamond 84.3%，并称能追平激活参数四倍于它的模型。
它主打“主权”：在德国和芬兰按欧盟法规训练，供应链全程留档，还专门做了德语分词器压低德语推理成本。对多数读者更有参考价值的是这份配置清单本身，一个 3B 级激活的 MoE 从预训练、中训练到长上下文扩展各花了多少卡时，模型卡里都写明了。
B 站 Index 团队开源三档翻译模型，35B-A3B 预览版的 FLORES COMET-22 为 0.8794，报告中最高。
它不只做句子翻译，还专门训练了带约束的翻译：术语表强制对齐，保留 JSON 和 Markdown 结构，占位符原样不动，也能按语气风格改写，意译梗和社区黑话。技术报告里同一家族还有端到端语音翻译 Index-Echo、按音节控制时长的配音模型和长文档翻译。
后训练配方值得做后训练的人看一眼：先按任务分别训出通用翻译、指令遵循、梗翻译几个专家，RL 阶段通用翻译用 XCOMET-XXL 加语言正确性判断当奖励，指令翻译用 rubric 当奖励。之后把专家参数插值合并，合并后仍然弱的任务用多教师 on-policy 蒸馏补上。分头训、再合并、再补短板，是一套完整可抄的流程。
Cactus 推出面向手机和手表的语音识别模型，支持七种语言，体积约为 Whisper Base 的九分之一。
在 LibriSpeech 的 clean、other 两个测试集和 SPGISpeech 上，Whistle 的词错率低于 145.3MB 的 Whisper Base，在 TED-LIUM、AMI 和 MLS 平均上则落后。首 token 延迟 11.1 毫秒，Whisper Base 是 73.2 毫秒，解码速度每秒 1319 个 token。编码器和 Cactus 自家文本模型 Needle 共用，同一个引擎同时跑语音和文本。
官方列了 17 个可部署平台，包括 watchOS、RISC-V、MIPS 和浏览器。十几 MB 的模型意味着语音输入可以完全不出设备，对穿戴设备和隐私敏感的场景，这比再提一点准确率更关键。它没有赢下所有基准，会议录音（AMI）这类嘈杂多人的场景仍是小模型的短板。
03 — 论文
agent RL 只有终局奖励，同组同分时 GRPO 没有信号。FAULT 用自诊断把错误定位到具体步骤，再学每类错该扣多少。
原来卡在两处。一是同一组 rollout 全成或全败时，组内优势全为零，这些样本等于白跑。二是即使有信号，也只是整条轨迹一个分，分不清是哪一步导致了失败。已有做法让模型写自然语言反思，但反思里指认的错误不一定可靠，也没法直接换算成该扣多少分。
FAULT 先核对诊断给出的证据，再用任务结果在线学习各类错误的相对代价，把终局奖励重新分配到出错的步骤上，策略和诊断器一起训练。在 ALFWorld 上，有学习信号的样本覆盖率达到 95%，GRPO 是 41%，GiGPO 是 72%。在长程的 ALFWorld 和 WebShop 上提升明显，短程的搜索问答上基本持平。做 agentic RL 都会碰到同分组白跑的问题，这是一个可以直接对照的方案。
多模态 RLVR 用空白图训练也能涨分。作者改用必须在图里找目标才能答对的任务，7B 找目标准确率从 0.425 升到 0.875。
问题在于提示里有图，不等于学习信号里有图。“盲训”的模型测试时给回真图，3B 能拿回真图训练约一半的收益，7B 拿回近五分之四。而用真图训得越久，基准分还在涨，视觉定位能力却可能在退化。分数掩盖了模型其实没学会看。
作者提出“视觉可解性”：视觉证据必须是答对的必要条件，同时任务要学得会。用反事实坐标场景（问题固定、目标不点名）配标准 GRPO 加正确性和格式奖励，学到的技能能迁移到没训过的题型和独立构造的定位任务上。对照做得很干净：测试时换成灰底，找目标准确率归零。训练时用灰底，测试再给真图也几乎没有收益。在图上附一段能直接回答问题的说明文字，收益掉了近三分之二。给多模态 RL 造数据时，奖励要求什么，模型就学什么。
拿参考答案的条件概率当奖励，推理一长，各条 rollout 的奖励就几乎一样。RLCPR 改采样、加正则，最多涨 4%。
无验证器 RL 想把 RLVR 推广到没有答案检查器的通用推理上，做法是看模型写完推理之后生成参考答案的概率有多高。作者发现一个和长度相关的失效模式，叫后验集中现象：推理一长，这个概率会收缩到方差很小的区间，各条 rollout 的奖励几乎一样。GRPO 靠组内相对比较算优势，奖励分不开，训练就不稳、效率也低。
RLCPR 有两个组件：生成前按不确定性挑数据，少采容易集中的样本。奖励已经塌缩时，惩罚不必要的长推理。七个基准里有六个超过此前最好的无验证器方法，最多高 4%，token 也更省。它提醒做无验证器 RL 的人，拿概率当奖励时，推理长度本身就会悄悄吃掉信号。
04 — 工具与生态
COSMIC 新 PR 模板要求确认不含任何大模型生成内容，不确认可能直接关闭，System76 说是审核负担太重。
System76 的 Jeremy Soller 说得很直白：不少首次贡献者交来的是大模型生成的 PR，很少能被合并，却持续消耗团队的审核时间。新模板还要求贡献者确认自己理解改动、能回应审查意见、做过测试，并遵守开发者原创声明（DCO）。Solus Linux 也已出台正式的 AI 贡献政策。
这是开源维护者对编程 agent 普及的一次直接回应：代码生成变便宜之后，稀缺的变成了维护者的审核时间。怎么区分“用了工具辅助”和“交了机器写的东西”，以及光靠声明能不能执行，接下来会有更多项目要面对。