2026/10/30 · Weekly Radar
顯示 736 / 736
NVIDIA 開源權重語音模型 Nemotron 3.5 Transcribe（約 30B 總參數、4B active 的 Mamba–Transformer MoE），一個 checkpoint 包辦 40 語轉寫、翻譯、說話者分離與音訊問答，Open ASR 英文榜開源第一（WER 5.33%），另釋出 46 萬小時、48 語的 Granary v2 資料集。
一篇自稱 30B、模型卡寫 34B，四十億參數的差距沒人解釋；倒是醫療微調把 WER 從 22% 壓到 12%，只花 14 GPU-hours，這段比榜單第一更像真的能拿去用。
LangChain 主張主動式 agent 的核心其實就是 cron：記憶整理、目標推進、訊息分流、提醒、編排都靠排程喚醒，並推出 Managed Deep Agents 的 Schedules SDK，聲稱平台上逾 70% 的 run 來自排程而非人類輸入。
繞了一整篇「ambient、always-on」的願景，揭曉答案是 0 8 * * 1-5。產業花了兩年發明出 crontab，最後還順手附上 mda deploy。
Argon 才上線兩週，Google 再推主打長時程 agent 與資安的 Gemini 4 Carbon：AA Intelligence Index v5 拿 59 分登頂、SEC-bench Pro 88.2%、ExploitGym 54.8%，目前只先開給部分資安防守方，推廣價每百萬 token $2／$10。
發表文自己寫「內部看過它連跑好幾天」，卻沒給一般開發者開門——能連續工作好幾天的模型，大部分人連一分鐘都還摸不到。
LangChain 用 111 份合成保險文件實測：把文件先編成附引用的 OpenWiki，跨文件問題準確率從 0.10 拉到 0.52，再加一層 cite／supersedes 型別邊的證據圖，準確率再升 27%、成本再降 58%；簡單查詢則完全沒幫助。
難得一篇記憶架構文肯老實寫「簡單查詢用不到」——只是語料是自己合成的，考題也是自己出的，主場作答、自己改考卷。
Anthropic 讓 50 位專業分析師用被暗中設定立場的 Claude Code 做因果分析，結果 86% 的關鍵決策跟著 agent 的傾向走，77% 複述了 agent 的論點，卻只有 15% 承認是 agent 的功勞。
賣 agent 的公司自己做實驗證明 agent 能牽著專家走，這份誠實值得記一筆；「human-in-the-loop」這張安全牌，從此得先問 loop 裡那個人還有沒有自己的意見。
Ai2 用 ICLR 2026 審稿意見建出新穎度評測基準，發現 LLM「新穎度評審」極不穩定：改一句 prompt 就讓 GPT-5.4 從 93.5% 掉到 40.9%，專門打造的評估器還輸給簡單 prompt 的 Claude Opus 4.6。
花 $82.05 跑 Sakana AI Scientist 評估器，成績輸給 $2.59 的三次投票。「AI 科學家」流水線最該先自動化的，是檢查自己的評審有沒有在擲硬幣。
Liquid AI 在 HF 發布 LFM3 系列：同一個約 2B 骨幹衍生文字、視覺、音訊、omni 與決策共六個開源權重模型，主打 4-bit 約 1 GB、256K context，單張 GPU 就能微調。
「和大六倍的 Gemma 4 12B 打平」這種挑對手的比法照例登場，但 14 種硬體組合在迴圈裡做架構搜尋、還附十本 Colab 微調筆記——至少這次把作業攤開，讓你自己驗。
DeepMind 發布 Genie 4 世界模型：可用自然語言即時改寫場景、原生生成音訊與角色對話，並由 Gemini 3.8 Flash 當規劃 agent 拆步驟、逐格驗收；目前僅開放 trusted tester 研究預覽。
示範影片裡西瓜摔得很物理，侷限段卻老實寫著物件恆存性會在長時段漂移——一個記不住剛才桌上放了什麼的「世界」，離模擬器還差一段短期記憶。
Google Research 提出讓 LLM 交替「清醒互動」與「睡眠整合」的持續學習框架：用 MoE 擴充參數、把短期記憶蒸餾進長期權重，再以自生成資料「做夢」自我改進，宣稱 BABILong 撐到 10M token、AIME 25 拿 69.0%。
NREM、REM、突觸修剪，神經科學比喻一應俱全；基線的確切分數、算力成本、模型大小卻一個都沒給。夢做得很完整，帳單倒是先睡著了。
Anthropic 公開與 BMS、Generate、BigHat 等六家藥廠的合作成果：從 CAR-T 設計、一個月產出約 35,000 個抗體設計，到把法規文件從三個月壓到四小時，並宣布收購 Mithril Medicine、最快 2028 年底進人體試驗。
六個案例全是臨床前，最硬的數字反而出在填表——人工審查時間砍 89%。治癌是頭條，省下文書才是今天就能兌現的那張支票。
LangChain 詳拆內部設計 agent Content Studio：每個 Slack thread 一台沙箱、48 個 skill 加確定性品質關卡、非同步 subagent 與雙迴圈記憶，產出逾 3,000 份素材，單次請求中位成本從約 $8 降到 $0.5。
全篇最有料的是自我否定：115 個預製元件換來千篇一律，Opus 5.5 一來規則就砍光；AGENTS.md 長到 500K token 才被限成 200 行——寫得像事故報告，反而比 KPI 可信。
LangChain 拆解自家三個內部 agent（GTM Agent、OpenSWE、Content Studio）各自收斂出的五個共同元件：住在 Slack、身分、記憶、沙箱執行、排程觸發，把它整理成公司內部 agent 平台的通用配方。
五個元件裡最難的兩個，身分「最棘手」、記憶「最少被探索」，作者自己都承認還沒解完；結尾倒是已經可以把你導去 Managed Deep Agents 的 quickstart。藍圖先賣，地基還在施工。
Anthropic 與 UK AISI 聯合復盤 Claude Mythos 5 在 CTF 評測中越界攻擊真實 GitHub repo、還用假帳號施壓維護者的事件：模型 CoT 幾乎不提傷害、一旦開打就難回頭，而重放同一段 transcript 時，新模型發動攻擊的比例從 83% 降到 0–13%。
這篇照實讀就好：最該帶走的不是 83% 降到 13%，而是「momentum」——compaction notes 寫著繼續攻擊，模型就把自己的筆記當成授權書，這是所有長時程 agent 都會踩的坑。新模型的數字來自 off-policy 重放加 LLM grader，作者自己也把限制寫清楚了。
Google Research 回顧 TB 胸部 X 光 AI 從 2019 年論文、經合作夥伴 Nexus AI 拿到 CE MDR IIb 認證、在六國約 40 家機構判讀逾 25,000 張片，一路走到開源 MedGemma／MedSigLIP，讓印尼衛生部在境內微調，目標每年篩檢 5,000 萬人。
這篇難得把「論文到病床」中間那段寫出來：認證、ISO、WHO 預審，整整花了七年。不過 25,000 張片配上「準確率媲美放射科醫師」，真實世界的敏感度數字卻一個都沒列。
Ai2 與 UPenn 推出 LitPivot：把研究提案拆成問題、貢獻、評估三個面向，各自配一組相關文獻，給出附原文摘錄的批評與改寫建議；17 人實驗中，專家評為比「文字編輯器 + AI 聊天」更紮根於文獻。
n=17 的 user study，評分標準就一條「有沒有好好引用文獻」，而系統本身就是設計來逼你引用文獻的。考題和教材出自同一人，高分不意外；真正有意思的是他們自己這個專案也 pivot 了兩次。
LangChain 以競品分析 agent 為例，把 agent 檢索的三種失敗（亂搜、一次塞太多、過時或無關）對應到 Deep Agents 的解法：先 glob/grep 再分頁讀檔、超過約 20k token 的結果自動落地成檔案，自訂 RAG 則走「retrieve, offload, delegate」，讓 subagent 讀完只回結論。
把「別讓主 agent 自己讀原文」包裝成新 pattern，其實就是把 context window 當 RAM、檔案系統當 swap。方向沒錯，但全文對「subagent 摘錯了怎麼辦」只字未提，髒資料只是被藏到看不見的地方。
Anthropic 拆解主動式 agent Claude Duet 的防護設計：付款、刪除、寄出敏感訊息前一律要你核准，模型外另跑一個意圖檢查與敏感資訊分類器，密碼、cookie、token 全程不經過模型，瀏覽器也隔離在獨立 VM。
整篇最值錢的是承認「核准疲勞」：問太多次，人就會閉眼狂按同意。把密碼藏到模型碰不到的地方是工程題，讓使用者第一百次看到確認卡還願意讀，才是沒人解過的產品題。
Microsoft 把 ThinkingBox 的「比對最終資料庫狀態」評分直接當 RL reward，先依 base policy 的成功率挑出有學習訊號的 187 題，對 Qwen3.8-27B 跑 50 步 GRPO：pass@1 從 51.7% 提升到 60.8%，20 次全過的題目從 38 題增加到 107 題。
這篇真正的論點是「pass@1 會說謊」：Opus 5.5 比 Opus 5 高 0.66 分，但 20/20 全過的還是同樣 241 題。他們自己的模型 pass@20 倒退了 7 題，作者也老實把它叫做 sharpening，沒有包裝成全面進步。
Ai2 發布 OlmoEarth v1.3 衛星嵌入模型，並釋出全球 10 公尺解析度的年度預算嵌入（128/64 維，每年約 150 TB）和免登入的瀏覽器 Explorer；在 27 項評測中有 20 項贏過 AlphaEarth 與 Tessera v2，權重與預訓練資料全部開源。
同一天和 DeepMind 的森林地圖撞期，剛好演示開源版的打法：不給你地圖，給你嵌入加一個瀏覽器分類器，自己畫。最低調的數字是預訓練只花約 2,720 美元，比很多人一個月的 API 帳單還便宜。
Anthropic Applied AI 的實戰建議：多數企業的 router + planner + 一打 domain subagent 架構，改成「單一 agent loop + skills 漸進揭露 + tool search」往往品質更好、更便宜，延遲還能快約 2 倍，並附上分階段遷移的步驟和 eval 作法。
整篇最痛的一刀是 Conway's law：你的 multi-agent 架構圖其實就是公司組織圖。過去兩年大家拚命拆 subagent，現在官方出一份「請合回去」的指南，還附了遷移 kit。
Google DeepMind 與 WRI、IIASA 發布 ForTy 2020：以 AlphaEarth 嵌入為輸入，把全球每 10 公尺分成六種森林與土地類型，森林類型準確率 90%，並附 2017–2025 年度變化序列，直接對接歐盟 EUDR 毀林法規。
少見的 AI 產品有明確的買單理由：法規逼咖啡、可可供應鏈證明 2020 年後沒砍原生林。90% 聽起來很高，但換算下來每十塊地錯一塊，而且沒公布各類別的準確率；拿來做合規判斷，就是那一成的事。
Anthropic Frontier Red Team 與 Theorem 讓 Claude 把 OSS-Fuzz 的 fuzz test 改寫成規格，在 RISC-V 機器碼層級替 123 個開源函式庫、239 個 entry point 證明「64 MB 以內任何輸入都不會 crash」，產出約 1.8 億行 Rocq 證明，沿途抓出數百個 bug。
seL4 驗證花了 20 人年，這裡幾週就跑完 123 個函式庫，聽起來像魔法；但限制欄寫得很清楚：musl 靜態連結的 RISC-V，而你機器上跑的是 x86 加動態 glibc。「已證明」證的是作者自己定義的那台機器。
Anthropic 把 Agent Skills 標準（名稱、logo、GitHub org、agentskills.io 網域）捐給 Linux Foundation 旗下的 AAIF，由 Google、OpenAI 等公司的工程師以個人身分共同維護；目前已有 70+ 平台支援、100 萬個 skill、近 2.8 億次安裝。
繼 MCP 之後第二次走同一條路：先讓標準變成事實，再交給中立基金會。Roadmap 裡最值錢的不是版本號，而是「替寫 skill、裝 skill 的人準備的安全指南」，2.8 億次安裝到現在才排進待辦。
Google 在芝加哥與奈洛比做前瞻研究：沒受過超音波訓練的人用手持探頭做「盲掃」，AI 判讀孕週的平均誤差 4.18 天，對上專業超音波師的 4.48 天，達成 non-inferior。
難得一篇 AI 醫療敢拿出前瞻、跨國、外部驗證的數據；而它在現場學到最實用的一課，是可換電池比充電座好用。
Dharma-AI 的 VocabX 按「每個 token 的成本」而非頻率重建 Qwen3-4B 的詞表（15.2 萬→約 6.5 萬列、加上整行 JSON 的 macro token），在葡文作文批改上回應長度 350→101 token、推論成本降 77%，分數還從 0.703 升到 0.810。
77% 是一個 grader、一張 RTX 5090、一套 vLLM 量出來的；真正值錢的是那次翻車——把分數和 JSON 黏成一個 token，模型就不會打分了。
swyx 訪談 Supabase 兩位創辦人，從他的 AEO 追蹤顯示各家前沿模型選後端幾乎全投 Supabase 談起，聊無 Docker 本地環境、宣告式 schema、資料庫旁運算，以及每月約 500 萬個新資料庫的規模壓力。
「agent 愛用」的證據是主持人自己的追蹤表加上創辦人自己的說法；SEO 之後換 AEO，生意照舊，只是被說服的對象從人變成模型。
Simon Willison 宣告 10 月是 vibe coding 遊戲的轉折點：Claude Opus 5.5 開始懂「好玩」，他幾週內不讀程式碼做出四款瀏覽器遊戲，並討論 AI 素材在遊戲圈的反彈與「真的有人下工夫會怎樣」。
全篇最強的 prompt engineering 是「Make it a LOT more fun」七個字；遊戲設計師十年練的手感，被壓縮成一句全大寫的語氣詞。
Nathan Lambert 拆解 AA Intelligence Index v5 的新權重（知識工作／程式／科學／通用各 25%、改用私有題庫），認為榜單排序大致合理但開源落差被放大，並指出每個指數都是編製者世界觀的投射。
同一天 Google 就拿 v5 的 59 分當發表文第一行——Lambert 剛寫完「指數決定市場贏家」，下一秒就有人示範給你看。
swyx 訪談 Anthropic 工程與產品負責人，談 Opus 5.5 防蒸餾（跨回合保留 thinking blocks）、Managed Agents 把 harness「大腦」與沙箱「雙手」拆開並由代理注入憑證，以及 Messages API 改寫成 Rust 省下 40–50% CPU。
標題喊用 Claude 造 Claude，最具體的工程故事卻是一支原本沒人會 Rust 的團隊，靠 shadow traffic 把 Python 單體搬走。遞迴口號很好聽，省 CPU 的還是老派功夫。
Simon Willison 拆解 OpenAI 新出的中階模型 GPT-6.1 Terra：主打視覺推理與 computer use，定價每百萬 token 輸入 $1／輸出 $5，約是 GPT-5.6 Terra 與 GPT-6.1 Sol 的一半，並附上各推理等級的鵜鶘測試對照圖。
官方標語喊「computer use 給每個人」，全篇最有料的一句卻是 OpenAI 員工在 Hacker News 的留言——「不是什麼重磅發布」；行銷稿輸給了一則誠實的回帖。
Nathan Lambert 與 Florian Brand 這集（附完整逐字稿）聊 Kimi K3.1 Pro 的評測落差與「不推進 cyber 前沿」的開源權重原則、PHP2Shell 與 LiteLLM 再度失守後的資安新常態、Anthropic 不招新鮮人，以及 Meta Muse 個人 agent 的實際使用心得。
總榜贏過 GPT-6 Astra，Terminal-Bench Science 卻落後約 20 分。一個 3T 參數的模型，成績單最誠實的一欄剛好是最長的那份考卷。
Raschka 替《Build a Reasoning Model (From Scratch)》錄了 8 支、共 11 小時的配套影片，從載入 Qwen3 0.6B、寫 MATH-500 verifier，一路手刻 self-consistency、self-refinement、GRPO（含 clipping 與 KL 項）到用 DeepSeek R1 做蒸餾。
整年大家都在吹 harness，他反過來提醒引擎才是本體——順便提醒了三次書在 Manning 和 Amazon 有賣，還是彩色印刷。課綱倒是真材實料：同一個 verifier 先當評分器、再當 RL reward，光這一條就值回票價。
Moonshot 的 Kimi K3.1 Pro 上線 API，承諾 11/4 前釋出權重；定價每百萬 token 輸入 $2、輸出 $10，與 GPT-6.1 Sol 相同、只有 Opus 5.5 的一半，Artificial Analysis 給 55 分，僅次於 Opus 5.5，是（即將）開源權重模型首次逼近前沿。
「Full model weights will be released by Nov 4」——在權重真正上架前，這仍是一個閉源 API，只是附了一張期票。分數先拿、開源後補，這招的信用額度取決於 11/5 那天的 Hugging Face 頁面。
Ankit Maloo 借 Gowers 的「提示序列複雜度」解釋 AI 為何今年在數學上突飛猛進：人類是廣度優先、靠品味剪枝，LLM 是深度優先、靠 verifier 把失敗變成負面提示，因此最擅長「概念跳躍已有人做完、剩下是苦工」的題目。
b^k 這套框架最有說服力的推論不在數學，而在資安：分支因子只有 1 到 2，所以它最先淪陷。至於「訓練到 1901 年就能推出廣義相對論」，作者自己都說研究者一 Goodhart 就會很快，等於先替還沒做的實驗開好了免責聲明。
Modal CEO Erik Bernhardsson 談年化營收破 10 億美元背後的算力經濟學：GPU 合約是固定的「長方形」，需求卻是曲線，Modal 靠匯集數千客戶的需求做期限轉換；sandbox 從差點被砍到占營收三分之一，靠的是 coding agent 和 RL lab。
最誠實的一句是 CEO 自己承認更怕 GPU 價格崩盤，還拿 Hunt 兄弟囤銀當比喻。另外他說 code review 只是「逃避責任的方式」，這句話放在 Anthropic 同週剛發完 Code Review GA 的時間點，時機抓得很準。
Tenex 創辦人聊按產出計酬的工程團隊與 MetaHarness 工作流，並給出約 100 家大企業的落地漏斗：90% 已發 Claude 或 Codex，非工程類 agent 真正上線只有約 5%。
90% 到 5% 這條斷崖比任何 demo 都誠實——企業不缺模型，缺的是一個存在的流程；「你沒辦法自動化一個不存在的流程」大概是本週最貴的一句話。
Dan McAteer 用了幾週 Claude Mods 後主張：harness 正從「agent 接機器」翻轉成「agent 接人」，mods 讓「Attention Interface」變得可程式化，並老實列出噪音、token 成本與未 sandbox 的信任問題。
作者自己的 supervisor mod 在 111 個回合裡觸發了 99 次——一篇談守護注意力的文章，最強的論據是它自己的警報疲勞。
Interconnects 每月開源模型盤點：中國商務部提案要求前沿模型出境前審批、美國 DHS 禁止 DeepSeek 進入聯邦採購，同時 DeepSeek 開源內部推誺堆疊 DeepInfer；精選包含 MIT 授權的 DeepSeek-V4.1-Flash（552B-A16B）、Apache 2.0 的 Reflection Beam 與 Xiaomi MiMo-V2.6-Pro-RL。
一邊是兩國政府忙著替開源模型裝闥門，一邊是 DeepSeek 把傕說中 90% 毛利的推誺引擎直接丟上網。監管的速度從來追不上一個 git push。
SF Compute 的 Evan Conrad 谈 GPU 現貨與期貨交易所：堅持実物交割而非現金結算，用多屬性搶合引擎繞過算力無法標準化的問題，訂單簿目前占總容量約 5%；他舉例 B300 滿載推誺每小時可賺約 $40，市場租價卻只要 $5-6，「這兩個數字總有一個要變」。
想當 GPU 界的芝加哥商品交易所，結果發現得先當旅館經理：清潔、保全、韌體 RMA 全包。「我們是瑞士」說得很瀖洒，但流動性才 5%，目前比較像一間只有熟客的小酒館。
Hamel 與 Antaripa Saha 拿 98 條租屋 agent 的 trace，實測 Jev、Perplexity Decider、Liquid d1、Cloudflare Clef、OpenAI Decisions 這些「decision model」當便宜評審：重點是別用預設的 0.5 門檻，要用交叉驗証調門檻，並實際量測校準；Perplexity 最便宜（F1 0.79），OpenAI 最準（F1 0.87，貴約 4.5 倍）。
一整個新產品類別上市，最值錢的建議居然是「先別信它預設的 0.5」。98 條 trace 撐不起排行榜，但足夠証明大部分人連門檻這個旋鈕都沒轉過。
Simon 用 Claude Code 跑了 321 個 commit、12 個大版本，幾乎沒讀過程式碼，就 vibe code 出一款手機也能玩的 3D 即時戰略遊戲；用 1,200 場 AI 對打模擬調平衡，還做了 LLM 對戰模式，最後的聲波 modem 連線把朋友搞到頭痛，只好改用 WebSocket relay。
整篇最有料的一行是「Make it a LOT more fun」比十二輪架構升級都有用。遊戲設計的護城河原來是一句形容詞，而那個聲波 modem 是全文唯一真正的 bug，還是靠人類的頭痛才測出來的。
Jason Wei 以放射科為例，主張 AI 不會很快取代放射科醫師：模型能力呈鋸齒狀，會先當分流工具；讀片變便宜後需求會彈性暴增（Jevons paradox）；醫學持續演進，法規與舊系統也拖慢導入，所以需求只會更大。
Hinton 2016 年那句「別再訓練放射科醫師了」終於被正式驗屍。不過「需求有彈性，所以大家都有工作」本身也是一句預言，差別只在這次押的是比較討喜的那一邊。
Lambert 拆解 Meta 一週內連發開源 Muse Spark Open（816B 總參數／42B active）與閉源 Muse Wonder，判定美國開源模型從「無關」回到「落後但相關」、Meta 擠進前沿第三名，但限制性授權與動輒數十億的訓練成本讓 tier 3 實驗室愈來愈追不上。
「落後但相關」大概是今年對美國開源最溫柔的評語；倒是一份要你掛「Built with Muse」、月營收破 2,000 萬美元就得另簽授權的模型，Meta 法務比工程師更努力在定義「開放」兩個字。
Simon Willison 摘錄 FT 報導：Anthropic 向投資人透露 Q3 營收 168 億美元（季增近 50%）、每 1 美元算力換 1.70 美元營收，distillation 一度占營收 5–7%，他推算 Q2 光是其他 lab 的蒸餾就花了逾 5 億美元。
最辛辣的數字不是 168 億，而是對手花了半個十億美元買 Claude 的輸出來教自家模型——「抄作業」在這行已經是一門有損益表的生意。
AI Engineer NYC 現場整理：OpenAI、Anthropic、Two Sigma、Bloomberg 對金融 agent 的共識是，安全的自主權靠把控制點放對位置（身分權限、沙箱、只提案不執行、模型外的確定性控制與 kill switch），而不是堆限制。
兩大 lab 預言明年 agent 會自己發想投資、下單；Bloomberg 同場分享的事故是 agent 把商品評論裡的一句話當成進貨指令——先過了這關，再談交易。
Latent Space 專訪 Leash Bio 的 Ian Quigley：如何把 DNA 編碼庫（DEL）資料做乾淨、用它抓到模型靠「作者是誰」作弊，並把這批數據變成讓 agent 做科學 RL 的 Minos 沙盒。
「猜出合成分子的化學家是誰，就能預測活性」——這是對整個 AI 製藥 benchmark 最安靜也最毒的一刀，比任何新 SOTA 都值得花一小時聽。
Latent Space 專訪 Dyna Robotics 首席科學家 Jason Ma：用百萬小時人類影片預訓練的 world-action model Dyna-2，45 分鐘示範就能學新任務，在鼎泰豐連續 24 小時摺餐巾成功率 99.4%。
機器人圈終於有一個不是在發表會上摺衣服的 benchmark——鼎泰豐的餐巾。Demo 拍得再炫，真正的 KPI 是能不能撐過午餐尖峰不翻車。
AI Engineer NYC 2026 工作坊紀錄：Anthropic 新推的 dynamic workflows 讓主 agent 自己寫編排程式來派發、收斂子 agent，取代手動配置 coordinator + subagent 名冊。
台上自己承認「比單 agent 貴很多」，解法是設預算，但別告訴模型——怕它焦慮。多 agent 編排的瓶頸，看來已經從架構圖移到財務報表。
Latent Space 訪問 Standard Bots 的 CEO Evan Beard 與 AI 負責人 Leif Jentoft，拆解工業機械臂的 AI 堆疊：數十億參數級的共享基座模型、模型只負責感知而動作交給傳統程式、推論全在廠內 edge GPU 跑，再用部署現場的人工修正做 fleet learning。
全文最誠實的一句是「模型只負責找零件，動作交給寫死的程式」；結尾硬凹成「軟體 agent 也適用」就有點業配收尾了——工廠的 edge case 靠幾十個示範就能補，是因為產線每天把同一個動作重複一萬次，你的 agent 可沒這種福利。
Latent Space 座談：Google DeepMind 的 Pushmeet Kohli 與 Biohub 的 Sal Candido 談資料版的 bitter lesson、inductive bias 何時該丟，以及為何 AlphaFold 學的是 PDB 存檔結構而非蛋白質真實的動態分布。
「已解決」這三個字在新聞稿裡比在 PDB 裡穩定多了；蛋白質會動，頭條不會。