AI Radar 简报 · 2026-10-22
涵盖 AI精选 · 热点动态 · 论文速递
🔥 AI精选
来源：AIHOT · 精选热点
| 日期 | 标题 | 来源 | 分类 |
|---|---|---|---|
| 10-22 | Kling 4.0 上线 OpenArt，支持首中尾帧引导与最多 10 张参考图 | X：可灵 Kling AI | ai-products |
| 10-22 | Kling 4.0 现已上线 OnSolo | X：可灵 Kling AI | ai-products |
| 10-22 | NSA 就 AI 发现的 PHP2Shell 关键漏洞发布修复警告 | X：Rohan Paul | industry |
| 10-22 | WSJ：马斯克希望以 AI 为核心推动 SpaceX 与 Tesla 合并 | X：Rohan Paul | industry |
| 10-22 | Bloomberg 报道 DeepSeek 新一轮融资约 150 亿美元 | X：Rohan Paul | industry |
| 10-22 | AI 挖出潜伏十几年的 PHP 底层漏洞，PHP2Shell 事件全景复盘 | X：卡兹克 | industry |
| 10-22 | 消息称 Anthropic 最快本周五公开提交 S-1 招股书，或创史上最大 IPO | IT之家·人工智能 | industry |
| 10-22 | 卡兹克详解 AI 挖出的 PHP2Shell 漏洞：发现只花2天，修复用了两个月 | 公众号：数字生命卡兹克 | industry |
| 10-21 | 研究人员用 GPT-5.6 Sol 发现 PHP 两个 CVSS 9.2 严重漏洞 | X：Rohan Paul | industry |
| 10-21 | OpenAI 发布 Codex 技能帮助网站自查 PHP 关键漏洞影响 | X：OpenAI | ai-products |
📡 热点动态
来源：AIHOT · 全量热点（近 1 天）
-
10-22 OpenAI 提醒申请 Daybreak 保障代码安全 —
X：Vaibhav Srivastav（OpenAI）
保护好你的代码、项目和应用程序——今天就申请 Daybreak！Daybreak 提供代码安全专项保障，开放申请入口位于 chatgpt.com/cyber。 -
10-22 可灵分享 Kling 4.0 提示词案例 —
X：可灵 Kling AI
可灵官方分享 Kling 4.0 的提示词实操案例，展示新版本在多场景视频生成中的能力边界与最佳实践。 -
10-22 一名研究员带一群 Agent，3.5 个月从零预训练出千亿参数代码基座模型 Mirendil-Base —
X：indigo
Mirendil-Base 参数规模 1000–5000 亿，花费不到 1,000 万美元，训练数据仅用公开数据、不蒸馏，99% 以上代码由 Agent 写成，刷新了小团队从零预训练超大规模模型的认知边界。 -
10-22 科大讯飞首发星火语音基座大模型 SparkAudio 1.0，支持中英文任意切换 —
IT之家·人工智能
在 1024 开发者节首发，集成机器翻译、语音识别、语义理解等能力，支持中英文无缝切换，面向语音交互与多语言场景。 -
10-22 Philipp Schmid 分享针对 10 月安全披露的只读环境排查提示词 —
X：Philipp Schmid
提供结构化提示词，用于检查本地仓库、容器和环境在 10 月 21-22 日安全披露（PHP2Shell 等）中的受影响情况，帮助开发者快速完成自查。 -
10-22 Picsart x Kling 4.0 短剧挑战赛，5 万美元奖金 —
X：可灵 Kling AI
Picsart 与可灵联合发起短剧创作挑战赛，5 万美元奖金池，五位获胜者各得 1 万美元，面向所有使用 Kling 4.0 创作短剧的创作者开放。 -
10-22 讯飞星火 X2.6 发布，293B-A30B MoE 架构，上下文 1M，首次基于全国产算力 —
IT之家·人工智能
开源星火 X2.6-4B 端侧模型，推理定价限时免费；基于全国产算力实现代码和智能体能力突破，上下文窗口达 100 万 token。 -
10-22 Anthropic 推出主动式智能体应用 Claude Duet，对标 Meta Muse 和 OpenAI Dots —
X：Rohan Paul
先面向美国 Pro 和 Max 订阅用户开放候补名单，定位从问答转为主动推送每日简报、在云端虚拟机持续执行任务，发消息、付款等操作需用户批准。 -
10-22 软银股价较 6 月高点接近腰斩，AI 投资烧钱模式遭市场质疑 —
IT之家·人工智能
较 6 月历史高点跌幅达 50%，发行 111 亿美元垃圾债创企业纪录，对冲软银违约风险的信用违约互换报价升至近四年高点，市场对高烧钱 AI 投资模式的担忧持续升温。 -
10-22 Claude Duet 独立智能体 App 曝光，基于 Claude Opus 5.5 —
X：邵猛
面向美国 Pro 和 Max 用户，定位从问答转为主动推送每日简报、在云端虚拟机持续执行任务，发消息、付款等操作需用户批准，是 Anthropic 从工具走向智能体伴侣的重要布局。 -
10-22 Microsoft 研究员借助 AI 探索逾百条路径证明 31 年历史的 KLS 猜想 —
X：Rohan Paul
形成 140 页证明，AI 智能体探索约 100 条研究路径；KLS 猜想描述随机游走者在凸体内不会被狭窄通道困住，是计算几何与马尔可夫链领域的重要开放问题。 -
10-22 Kling 4 上线 OiiOii 平台 —
X：可灵 Kling AI
Kling 4.0 持续扩展第三方平台接入，OiiOii 成为最新支持平台，进一步拓展可灵在全球创意工具生态中的覆盖范围。 -
10-22 GPT-6-Astra 机器人基准新论文，RoboDojo 达 81.9%、DexJoCo 达 87.3% —
X：Rohan Paul
测试 12 个机器人基准，但论文作者指出无法验证物理成功或从不可逆错误中恢复，基准分数与真实物理能力之间的差距仍是核心挑战。 -
10-22 吴恩达谈 AI 工程中的项目阶段校准 —
X：邵猛
吴恩达指出 0 到 1 早期项目和成熟产品里正确做法完全不同，按项目阶段选择打法是最难也最重要的能力之一——这也是很多团队在 AI 工程中反复碰壁的根本原因。 -
10-22 Meta 与密歇根州立大学论文：LLM 推理图质量参差，Qwen3-32B 表现不如 Qwen3-8B —
X：Rohan Paul
建议在信任基于 LLM 推理图的答案之前先检查图本身质量；较大模型在回答子问题时表现反而不及小模型，揭示推理链可靠性与模型规模之间的反直觉现象。
📄 论文速递
来源：AI Brief
重点关注
编码 Agent 的表现不只取决于策略模型，还取决于 harness——负责组织提示、工具与环境交互的执行框架。策略升级后，原有 harness 可能仍在针对旧的失败模式；反过来，固定 harness 产生的训练轨迹，也会限制策略能够学到什么。Self-HPO 因此交替优化两者：当前策略先分析自身失败并提出新的 harness 候选，再在选定 harness 下通过强化学习更新，训练中暴露的难题会进入下一轮 harness 搜索。这个闭环持续改变 Agent 面对的任务与失败分布，联合优化的收益超过分别优化后的简单相加。三个编码基准上，Qwen3.5-35B-A3B 的平均解决率从 57.8% 升至 64.8%。
这项工作把循环语言模型拆成三个可独立检验的设计轴：循环段位置、原始输入注入时机和循环状态组织。复用同一组 Transformer 模块能减少常驻参数，但最终效果取决于这些具体选择。研究在参数规模、逻辑深度和 token 预算匹配的条件下拆开三个变量，发现「前置层—循环层—后置层」的三段式拓扑能稳定改善上下文提取和推理任务，输入注入则主要帮助知识检索与上下文利用。相比之下，随机初始化循环状态和分离循环状态带来的收益并不稳定，甚至可能适得其反。在匹配训练和推理计算量时，采用该设计的模型比 112 层前馈 MoE 少用 75% 的常驻参数。
研究者只用合成属性绑定文本微调一个 MLLM 嵌入器，收益便迁移到了跨模态乃至图像—图像检索。SABER 基准覆盖图像与文本的 4 种检索组合，并把场景复杂度扩展到最多 10 个对象；在该基准上，CLIP 式双编码器和较新的多模态大模型嵌入器都表现出显著的属性—对象绑定失败。研究者仅用可精确控制困难负例的合成属性绑定文本微调，在 SABER 上做到当前最佳，同时保留了通用多模态嵌入表现。微调后的模型在否定和实例检索基准上也有提升，显示这种绑定监督的收益不只限于 SABER。
也值得关注
-
把 2.5 万余组人工论文海报转成可重填的 HTML/CSS 槽位，让生成系统既能复用真实设计，又能通过渲染比对核验结果 — RAP 另设由 150 篇论文及其人工海报组成的留出测试集，为学术海报自动生成提供高质量基准。
-
分别用设计与批评经验训练 3D 场景 Agent，再让专用 Critic 同时参与强化学习和测试时修正，减少无效试错 — Scene-OTA-35K 与 Scene-OTC-15K 分别提供设计和质量批评监督。
-
用 Lean4 统一验证工具调用、工作流阶段和最终结果的多层奖励；LAR-27B 在 TerminalBench-2.1 上达到 77.3% — 框架采用按工作流阶段归一化的 GRPO 算法训练 LAR-9B/27B，摘要称所得模型超过同规模领先模型。
-
一个参考库接口同时接收数量可变的文本、图像和视频，让相机运动、主体、风格与特效控制进入同一视频编辑框架 — R²-RoPE 用于支持模型向更多参考输入泛化，统一多模态视频编辑控制信号。
-
文本世界模型一旦需要把动作影响传播到依赖对象，20 个参评模型的平均任务成功率便降至 5.1%，暴露状态传播这一共同短板 — GlobeBench 包含横跨 5 个领域、19 种模拟技能的 1632 项任务，其中 631 项没有模型解决。
-
即使训练提示和模型自身生成都无害，递归自蒸馏仍可能让失调逐轮加深，说明自生成数据闭环需要单独的安全评估 — 这一现象在 Qwen3 和 Phi-4 系列上均得到观察，为自蒸馏训练范式敲响安全警钟。
-
当形式化规格已经能运行却语义错误时，用确定性诊断和只接受错误权重下降的规则，可把正确规格被改坏的比例从 11.8% 降至 1.3% — DRAGO 在 5 个基准上的平均答案准确率比零样本形式化高 12.9 个百分点。
-
在不修改黑盒编码 Agent 的情况下，根据跨任务经验注入微技能、裁剪无关工具并截断失败循环，可降低 18.4%–30.9% 的平均 token 成本 — 在 Claude Code、Codex 和 GitHub Copilot CLI 的测试中，任务成功率保持相近，效率提升显著。
-
现有视觉语言模型往往能描述第一视角场景，却仍难根据用户目标给出有效辅助；VISTA 用六类同步传感输入检验这道差距 — 该基准包含约 1000 段第一视角记录，并对 14 个代表性模型进行了零样本评测。
-
答案表现相近的音视频模型，其解释受标注的空间、时间和声音证据支持的程度仍可能显著不同，不能只用最终答案衡量推理落地性 — ANCHOR 收录 2319 段视频和 8272 组问答，并分别评估答案正确性、幻觉、逻辑偏离与简洁度。