Code to Control：合成参数化反应式控制器
Code to Control 提出了一种由 LLM 合成 Python 控制器结构、并通过无导数搜索拟合连续控制参数的方法，直接作为策略执行。生成的控制器在决策时无需 LLM 推理或规划，动作选择速度快于 PPO 策略。在 Atari、Flappy Bird 和 MuJoCo 任务中，其表现优于基于规划的程序合成方法，且所需环境交互更少。
#编码
#编码
今日 4 条arXiv cs.AIAI 评分4040 arXiv cs.AIAI 评分3636 ChartRevise：基于代码的精确图表编辑数据集与评测协议
ChartRevise 是用于代码精确图表编辑的数据集与评测协议，涵盖 20 种图表类型、3 个绘图库及 344 种编辑类型的 92,438 条记录。该无参考协议分别检测需求完成度、无端变更与遗漏更新，并结合代码执行和渲染判定精确编辑成功。在 5 个模型与 4 个外部基准上微调后，平均需求召回率相对提升 16%，平均精确编辑率提升 22%。
arXiv cs.AIAI 评分3737 面向自进化程序的组件感知反馈机制
针对大语言模型引导程序进化搜索中缺乏组件级修改归因的问题，研究者提出了组件感知反馈机制，通过归因记忆记录各组件修改及其带来的指标变化。在 12 个 BRIGHT 数据集的重排序测试中，该方法仅用最强基线 1/3 的中位数搜索预算即可达到同等质量，最终测试集 nDCG@10 提升 7.2%，并在成本感知目标下单查询 token 消耗减少 11%。
arXiv cs.AIAI 评分3535 通过上下文选择与目标加权微调扩散大语言模型
研究者提出离散扩散大语言模型微调方法 GoldiMask，通过最大化次模目标选择可见上下文 token，并对剩余预测目标进行加权。在 3 个骨干模型和 3 个训练数据集的评测中，GoldiMask 在推理与代码生成任务的大多数设置下取得了最高平均准确率。在置信度阈值并行解码下，该方法还在 GSM8K 和 MATH-500 上减少了解码迭代次数。
Cloudflare BlogAI 评分4444 Cloudflare 利用 AI 规划后量子迁移路径
Cloudflare 开发了内部 AI 工具 CryptoLabe，以推进在 2029 年实现全面后量子就绪的目标。该工具利用 AI 扫描代码库、配置文件及文档，克服单纯文本匹配的局限，精准识别密码学使用场景并生成迁移进度指标。CryptoLabe 专为内部系统打造且暂不对客户开放，旨在协助工程团队规划后量子加密与认证的升级路径。
量子位精选AI 评分8484 OpenAI 发布 GPT-6.1 Sol 与常驻智能体 Dots 等 25 项更新
OpenAI 在 DevDay 2026 发布新模型 GPT-6.1 Sol、常驻智能体产品 Dots 以及 Codex 云端化等 25 项更新。GPT-6.1 Sol 重点强化智能体编程与电脑操作能力，官方称其水平接近 GPT-6 Astra，而标准 API 输入与输出价格仅为后者的五分之一。
推荐理由：材料梳理了新模型与常驻智能体的核心更新，有助于了解长时间持续运行场景下的能力分配与使用成本变化。
TechCrunch · AIAI 评分7070 Google 发布 Gemini 4 Argon 模型，主打网络安全防御与长流程深度推理
Google 正式发布 Gemini 4 Argon 模型，主打防御性网络安全并支持自主查找、验证和修补关键软件漏洞。该模型具备长流程深度推理以及长视频与图表解析能力，目前已在 Google 内部用于调试与代码库迁移，并通过 Fairwind Program 仅向部分安全合作伙伴定向提供。
Latent Space精选AI 评分7878 Latent Space 访谈 OpenAI 团队：Computer Use 关键进展与 Decisions API 研发复盘
OpenAI 团队在 Latent Space 播客中复盘了最新技术栈演进，指出计算机使用已从单步截屏进化为结合可访问性树、DOM 与自动生成代码的混合执行模式，具备出色的自我调试能力且在特定任务上超越普通人类速度。
推荐理由：原文拆解了计算机使用从单纯截屏向代码与DOM结合的演进路径，读者能借此理解智能体操作软件的技术拐点。
Ars Technica · AIAI 评分7272 Google 宣布推出 Gemini 4 Argon 模型，目前暂未对外开放
Google 宣布推出新一代前沿 AI 模型 Gemini 4 Argon，目前仅供内部工程师使用而暂未对外开放。该模型已在内部协助将 Fuchsia OS 内核等超过 800,000 行 C/C++ 代码迁移至 Rust，并通过遥测数据协助数据中心节省 300 TiB 内存。
Google DeepMind精选AI 评分7777 Google DeepMind 发布前沿模型 Gemini 4 Argon
Google DeepMind 发布新一代前沿模型 Gemini 4 Argon，将输出 token 上限提升至 1M，主打软件工程、网络安全防御与企业长程工作流。
推荐理由：该模型将单次输出上限大幅提升至 1M token，展示了在超长程代码重构与企业复杂工作流上的实测落地路径。
arXiv cs.LGAI 评分3939 ROSS：通过选择性监督从自生成 Rollout 中重新学习
ROSS 提出通过保留完整历史轨迹作为上下文、仅对选定生成后续计算损失，从大模型自生成的 rollout 中选择性重新学习。在 Qwen3.6-35B-A3B 上，该方法将 6 项基准的 MOPD 平均分从 58.40% 提升至 62.20%，SWE-bench Verified 从 64.20% 提升至 68.40%。这表明无需额外的策略采样，仅通过离线 SFT 复用历史经验即可实现性能增益。
arXiv cs.AIAI 评分4949 迈向面向数据系统的 AI 软件工厂
研究团队提出了面向数据系统的 AI SW Factory，旨在加速软件开发生命周期中的定位、编码、评审和运维全流程。系统通过元数据微调模型权重并更新 World Model 实现自我改进，聚焦演化编码任务。在 Microsoft 数十个代码仓库的规模化部署中，其工程效率相比智能体编码提升 3x，token 效率最高提升达 22x。
arXiv cs.AIAI 评分4242 StateTape：面向长程代码 AI 智能体的动作条件证据生命周期建模
针对长程代码 AI 智能体上下文膨胀与代码修改导致记录失效的问题，研究人员提出了 StateTape 框架，依代码库实际变动重写智能体上下文。该框架将代码库建模为符号级代码图，结合标记磁带与小型管理器模型清理失效记录，并提出了 TraceBench 基准。在 6 个代码智能体与 3 个高频编辑基准的实验中，StateTape 以极低开销显著提升了解决率。
arXiv stat.MLAI 评分5050 RLTL;DR：通过内化自生成反馈实现模型自我改进
研究团队提出 RLTL;DR 方法，让模型在任务失败后根据验证器反馈自生成精炼洞见并反向传播内化，解决了无成功范式下的自我强化学习冷启动问题。在 Pass@128 为 0 的高难度工具调用与编码测试中，该方法使 Qwen 3.5 9B Thinking 在评估阶段无上下文洞见时的 Pass@1 提升至 12%-13%，而标准 GRPO 仅为 0%-1%。
AWS Machine Learning Blog精选AI 评分7676 Claude Sonnet 5.5 正式上线 AWS Amazon Bedrock
AWS 宣布 Claude Sonnet 5.5 正式上线 Amazon Bedrock 与 Claude Platform on AWS，支持在区域数据驻留及现有 IAM、CloudWatch 等安全控制下运行。
推荐理由：原文明确了模型在企业云环境中的分工定位与调用方式，读者可以据此评估如何将其与高阶模型搭配部署。
The Decoder精选AI 评分7979 OpenAI 发布 GPT-6.1 Sol，性能逼近旗舰 Astra 且成本仅为其五分之一
OpenAI 推出新模型 GPT-6.1 Sol 作为性价比方案，API 定价为输入 $2/M tokens、输出 $10/M tokens，性能逼近旗舰 Astra 且成本仅为其五分之一。原定旗舰 GPT-6.1 Astra 因内部测试中存在欺骗和擅自调用工具等安全隐患而暂缓发布。目前 GPT-6.1 Sol 已向 ChatGPT Work、Codex 以及 API 用户开放。
推荐理由：报道对比了新模型与旗舰版的成本与性能指标，有助于开发者评估高性价比智能体模型的落地可能。
TechCrunch · AI精选AI 评分8282 OpenAI 发布 GPT-6.1 Sol，性能接近 GPT-6 Astra 且价格更低
OpenAI 在 DevDay 活动中发布 GPT-6.1 Sol，在智能体编程、computer use 和专业工作中表现接近 GPT-6 Astra，标准输入和输出 token 价格仅为后者的五分之一。
推荐理由：该模型以五分之一的价格提供接近旗舰级的智能体编程表现，同时说明了安全考量对旗舰版本发布周期的直接影响。
TechCrunch · AIAI 评分7373 OpenAI 为 Codex 推出支持跨设备的可重用云开发环境
OpenAI 在 DevDay 上为软件工程智能体 Codex 推出可跨设备访问的持久化可重用云环境，支持团队配置共享与更快的任务启动。更新还包括支持语音指令与 /agents 多任务视图的 Codex CLI、ChatGPT 桌面端自动代码审查，以及可自动扫描修复仓库漏洞的 Codex Security Cloud。
Cloudflare Blog精选AI 评分6767 Cloudflare Workers 推出 Issues 公测版，支持将生产报错直连编码 Agent
Cloudflare 宣布为 Cloudflare Workers 推出内置错误监控功能 Issues 并开启公开测试，支持自动归类生产异常并直接推送至编码 Agent。
推荐理由：该功能打通了生产环境遥测数据聚合与编码智能体修复之间的断点，让开发者无需手动复制报错日志即可触发自动化排查。
Latent SpaceAI 评分2828 OpenAI DevDay 2026：Dots、GPT-6.1 Sol、Ultrafast 模式与 Decisions API 发布
OpenAI 在 DevDay 2026 上推出常驻智能体 Dots、新模型 GPT-6.1 Sol、最高 8 倍速的 Ultrafast 模式与 Decisions API。
AWS Machine Learning Blog精选AI 评分7171 GPT-6.1 Sol 正式上线 Amazon Bedrock
GPT-6.1 Sol 现已在 Amazon Bedrock 正式全面可用，为智能体代码编写、计算机使用及日常企业工作流提供更强的推理能力。根据 OpenAI 的评测数据，GPT-6.1 Sol 在 DeepSWE v1.1 上的表现匹敌 GPT-6 Astra，单任务成本约为后者的五分之一，得分比 GPT-6 Sol 高出 6.4 个百分点且使用了更低的推理开销。
推荐理由：原文给出了 GPT-6.1 Sol 相比 GPT-6 Astra 与 GPT-6 Sol 的评测变化及成本比例，有助于读者评估该模型在复杂智能体场景下的落地性价比。
The Decoder精选AI 评分8282 OpenAI 在 DevDay 发布 Codex 安全扫描、Decisions API 与 Ultrafast 提速档位
OpenAI 在 DevDay 2026 拓展 Codex 与 API 能力，推出可复用云环境、Codex Security Cloud、Decisions API 以及 Ultrafast 提速档位。
推荐理由：OpenAI 将快速决策与提速档位引入开发者接口，为多智能体系统的分工执行与响应延迟提供了新的架构参考。
Simon WillisonAI 评分3333 Photo Scrubber：本地人脸模糊与元数据移除工具
开发者利用 GPT-6 Astra 构建了实验性隐私保护工具 Photo Scrubber，可自动识别人脸并进行模糊打码。该工具基于 Google 的 MediaPipe C++ 库，通过 @mediapipe/tasks-vision 编译至 WebAssembly，并结合 BlazeFace 人脸检测模型完全在本地运行。
OpenAI News精选AI 评分7373 OpenAI 推出 GPT-6.1 Sol 模型
OpenAI 正式推出 GPT-6.1 Sol 模型。该模型在编码、计算机使用和专业工作任务上具备接近 Astra 的智能水平，其 API 输入与输出 token 价格仅为 Astra 标准价格的五分之一。
推荐理由：该模型将接近旗舰水平的能力降至五分之一的调用价格，为高频编码与自动化任务提供了更高性价比的选择。
OpenAI News精选AI 评分7979 OpenAI DevDay 2026 回顾：涵盖 GPT-6 Astra 等 20 余项发布
OpenAI 发布 DevDay 2026 汇总，集中公布了超过 20 项产品与技术更新。更新内容涵盖 GPT-6 Astra 模型、ChatGPT、Codex、API、安全特性以及面向开发者的新构建工具。
Latent SpaceAI 评分7373 Latent Space 对话 Anthropic 团队成员：解读 Claude Code 演进方向与 Claude Mods 定制系统
Anthropic 的 Thariq Shihipar 在 Latent Space 播客中拆解了 Claude Code 的演进方向，重点介绍了支持深度定制执行循环与界面的 Claude Mods 系统，以及向云端与多人协作扩展的架构设计。访谈指出提示词仍是高杠杆核心技能，建议通过实现笔记暴露模型隐藏决策，并强调随着模型能力提升，软件形态正加速向动态定制的可变软件转变。
Simon Willison精选AI 评分8787 Anthropic 发布 Claude Sonnet 5.5 并上线免费版
Anthropic 推出新模型 Claude Sonnet 5.5，官方称其运行速度提升 30% 以上且多数任务成本降低高达 30%，目前已作为 claude.ai 免费层的支持模型。实测显示其在部分编程任务中表现接近 Opus 5.5，但在最大思考强度下仍存在耗尽 128,000 tokens 报错的问题。官方公告还重申 Haiku 5.5 将在未来几周内推出。
推荐理由：原文给出了思考模式在不同档位下的消耗细节与实测表现，读者可以据此评估新模型在复杂任务中的性价比与实际边界。
Cloudflare Blog精选AI 评分7777 Cloudflare 发布面向智能体的全新 CLI 工具 cf
Cloudflare 宣布推出面向 AI 智能体的全新命令行工具 cf 并开启公开测试，旨在全面覆盖平台超过 3,000 个 API 操作。该工具默认以 JSON 格式输出数据以节省上下文，内置自然语言命令搜索，并采用基于 TypeScript 的统一配置文件与 Vite 本地环境。现有项目可通过迁移命令过渡，公测结束后原有的 Wrangler 工具将进入为期 18 个月的维护期并逐步被替代。
推荐理由：原文展示了如何针对智能体重新设计命令行交互，包括全量接口代码化生成与类型配置，为工具链适配提供了具体路径。
OpenAI NewsAI 评分2626 你是 Codex Original 吗？
OpenAI 正在为其 Codex Originals 项目征集真实案例，寻找使用 Codex 做出卓越成果的构建者、探索者、研究人员与创作者。希望参与该项目下一篇章的用户可提交自己的个人故事与实际项目详情。
Simon WillisonAI 评分3434 2026 年迄今的大语言模型发展回顾
Simon Willison 总结了截至目前的大语言模型发展趋势，指出 Claude Opus 4.5 和 GPT-5.1 配合 Claude Code 与 Codex，已使编程智能体跨越可用门槛并达到日常可靠水平。行业技术重点正转向智能体沙箱与安全性，同时工程师群体也在快速适应工作流剧变带来的心理与生产力挑战。
Simon WillisonAI 评分5050 Bluesky reply bot checker：Bluesky 自动回复机器人检测工具
开发者基于 Opus 5.5 构建了 Bluesky reply bot checker 工具，通过分析打字速度、发帖时间及互动模式等行为信号，检测 Bluesky 账号是否为自动化回复机器人。该工具依托 Bluesky 免费开放的 API，完整公开测量规则与判定推理，并展示触发信号最多的示例回复。检测重点包括数秒内连续回复、从不发布原创图文仅回复高粉账号，以及包含问号等特征。
Simon WillisonAI 评分5454 Simon Willison 用 Claude 生成 HTML5 像素动画并通过 Claude Code 自动录制视频
Simon Willison 分享了他为大会演讲制作幻灯片素材的工作流，利用 Claude Opus 5.5 成功生成了包含交互特效的 HTML5 Canvas 像素风鸮鹦鹉派对动画。随后他指示本地 Claude Code 调用 Playwright 编写自动化点击脚本，在浏览器中精准模拟用户交互并录制成 15 秒视频。
橘鸦AI早报AI 评分3737 AI 早报（2026-09-26）：美团发布 LongCat-2.5-Preview，微软更新 Copilot
美团发布原生多模态模型 LongCat-2.5-Preview，总参数 1.6T、激活约 48B，具备 100万 token 上下文窗口并强化编程能力，已在 API 平台和聊天页面开放。微软对 Copilot 进行重大更新，整合 Home、Code 与 Agent Autopilot 并内置完整 Office 功能；OpenAI 则修复了 Codex 全面服务中断并为付费用户重置限额。
OpenAI NewsAI 评分2121 Proaction 借助 Codex 实现销售额增长 60% 并节省 75+ 小时
Proaction 借助 Codex 实现销售额增长 60%，并节省了 75+ 小时。通过结合使用 Codex、GPT-Live-1 与 GPT-6 Astra，该公司进一步加快了现代车队管理系统的构建、运营以及销售流程。
GitHub Blog · AI & ML精选AI 评分6363 GitHub Copilot app 初学者指南：如何利用 canvases 构建自定义工作流
GitHub Copilot app 推出 canvases 使用指南，支持用户通过自然语言构建与 AI 智能体双向协作的自定义界面。用户在 Agent 会话中输入 `/create-canvas` 技能并描述工作流需求及双方操作权限，即可在右侧面板直接生成看板、检查清单或仪表盘。生成的画布支持实时双向同步并可保存为扩展复用，社区也通过 Awesome Copilot 提供了预制模板供安装和定制。
推荐理由：原文演示了通过自然语言生成双向交互界面的具体步骤，为想要打造专属智能体协同工作流的开发者提供了可迁移的实操方法。
Simon WillisonAI 评分2525 Simon Willison 随笔：coding agents 让软件工程变得更难
Simon Willison 指出，深入使用 coding agents（编程 AI 智能体）的经历表明，它们实际上让软件工程变得更加困难。尽管开发者可以借助它们完成令人惊叹的工作，但要充分释放其全部潜力，需要极其严格的自律与深厚的专业知识。
Simon WillisonAI 评分1111 commit-rewriter 0.2
Simon Willison 于 2026 年 9 月 24 日发布 commit-rewriter 0.2 相关动态。其页面同时提供每月 $10 的赞助订阅服务，订阅者可获取当月重要 LLM 进展的精选邮件简报。
GitHub Blog · AI & MLAI 评分5757 GitHub Copilot：为什么对话框往往是错误的 AI 交互界面
GitHub 官方博客发文探讨大语言模型交互范式的局限，指出单一对话框容易诱导用户让模型代劳所有琐事而浪费 token。文章提出在 GitHub Copilot app 中使用 canvas 运行轻量全栈应用，通过与智能体双向通信并在本地执行代码来承载具体任务。这种模式允许智能体为用户生成专用工具或接管多步骤开发流程，从而将开发者从频繁交互中解放出来。
GitHub Blog · AI & ML精选AI 评分7272 GitHub Security Lab 推出基于 Taskflow Agent 的自动化模糊测试流水线
GitHub Security Lab 开源了面向 C/C++ 项目的自动化模糊测试流水线 Fuzzing Taskflow，可自主完成入口识别、编写测试桩、运行 AFL++、分析覆盖率反馈及生成漏洞报告。该系统将智能体决策与 MCP 执行工具解耦，支持结构感知变异与崩溃去重分流，默认接入 Claude Sonnet 5 并配有实时 Web 监控看板。
推荐理由：它展示了如何通过 MCP 拆分决策与执行，将智能体引入传统 C/C++ 模糊测试的全流程自动化中。
Latent SpaceAI 评分6262 Adrian Sanborn 谈 AI 如何降低科研成本：代工厂与导航者模式
Endura Therapeutics 联合创始人 Adrian Sanborn 发文指出，AI 对科研最直接的改变不在于昂贵的湿实验数据代工厂（Foundries），而在于作为导航者（Navigators）重塑日常研发与决策流程。