2026-10-13 前沿科技洞见 · 日报

📊 今日关键数据

• 约 44%：QwenGyre 在约 70 万 Token 的单次 rollout 条件下，较 Async 缩短端到端训练时间（来源：Qwen）
• 36 项、近 15 万题：Microsoft-Decision-1 的公开评测规模，覆盖路由、排序、长上下文、多语言、分布外、推理和安全任务（来源：AIGC开放社区）
• 5 天、70 余轮：HoH 在无人干预案例中持续迭代并完成可游玩的 FPS 游戏（来源：PaperWeekly）
• 12.02 倍：DiffusionART 在 HunyuanVideo-13B 上达到 DiffusionNFT 后期奖励所减少的 GPU 小时倍数（来源：HuggingPapers）
• 7 倍：微软声称 Maia 300 相对 Maia 200 的最高机架级 Token 吞吐提升（来源：Microsoft）

🔍 今日值得深读

QwenGyre 用弹性调度训练超长时程 Agent，端到端时间较异步方案缩短约 44%

Qwen 发布面向极长时程 Agent 强化学习的 QwenGyre。它不只延长 rollout，而是同时处理 GPU 供需变化和分支轨迹复用：弹性调度器在 rollout 与训练之间动态重分配 GPU，轨迹处理器把压缩上下文、子 Agent 和重试产生的分支组织成前缀共享树，并让超时前的部分进度也能获得评分。

• 发生了什么：在 Qwen3.8-2.4T-A95B、单次 rollout 约 70 万 Token 的实验中，QwenGyre 用 48 个训练步骤将 NL2RepoBench 从 52.5% 提升至 58.5%；相对 Colocate 和 Async，吞吐加速分别最高达 1.85 倍和 1.78 倍，端到端训练时间较 Async 缩短约 44%。
• 为什么值得深读：长时程 Agent 的训练瓶颈已不只是模型推理速度，还包括 rollout 与训练阶段负载失衡、分支轨迹重复存储，以及超时样本被浪费。金融机构若训练代码、研究或运营 Agent，需要把这些系统成本纳入算力规划。
• 后续看点：论文能否在不同模型规模、任务类型和集群拓扑上复现上述加速；前缀共享与部分轨迹计分是否会改变训练样本分布及最终稳定性。

来源：Qwen

Microsoft-Decision-1 将分类与路由从生成模型拆出，输入价降至每百万 Token 0.042 美元

微软基于 Qwen3.5-9B 后训练出 Microsoft-Decision-1，专门对预设候选项打分，处理分类、排序、路由和流程控制，而不生成开放式答案。模型已通过 Microsoft Foundry 和 OpenRouter 提供，输入定价为每百万 Token 0.042 美元，输出免费。

• 发生了什么：微软称该模型在隔离训练数据的 36 项基准、近 15 万个问题上取得最高准确率，覆盖路由、排序、长上下文、多语言、分布外任务、推理与安全；速度较 H2O-Lightning-4B v1.1 快 2.5 倍、较 GPT-6 Sol 快 35 倍。八类输入扰动下，平均 1.3% 的判断发生变化，选项换序或改写未出现判断翻转。
• 为什么值得深读：这为 Agent 工作流提供了一种可量化的分层方案：高频、有限选项的节点用小型决策模型，开放推理再调用大模型。微软内部称 Xbox 处理逾 1 万条反馈时速度提高超过 14 倍、成本降低约 200 倍，但这些结果尚非独立评测。
• 后续看点：金融机构应在自有标注样本上测量准确率、校准概率与扰动稳定性，并为信贷等高影响决策设置人工复核阈值；该模型不适用于开放问答、摘要和需要解释理由的任务。

来源：AIGC开放社区

Harness-of-Harness 连续运行 5 天，以角色分权闭环自主完成 FPS 游戏

上海 AI Lab 提出的 Harness-of-Harness（HoH）不修改底层 coding harness，而是在其上反复执行 Planner—Developer—QA Tester 循环。只有 Developer 拥有写权限，规划者与测试者只读，QA 对冻结快照验收，以减少需求遗忘、功能回归、开发停滞和过早宣告完成。

• 发生了什么：HoH 在三个基准上相对各自的裸 harness 平均提升 52.25%；案例中连续运行 5 天、经历 70 余轮迭代，从零完成可游玩的 FPS 游戏 Fusepoint。其计划同时要求修复遗留问题和增加小能力，并把实现阶段测试与独立验收分离。
• 为什么值得深读：它把“让 Agent 运行更久”改写为“让进展可验证并持续积累”。对金融软件开发而言，写权限隔离、冻结快照与独立验收，比单纯扩大上下文更接近可审计的工程控制面。
• 后续看点：当前案例的完成度不能等同于生产可用性；需继续观察在大型存量代码库、多人并行变更、安全测试和严格变更审批下的回归率、人工接管次数与总成本。

来源：PaperWeekly

DiffusionART 训练 HunyuanVideo-13B，以少 12.02 倍 GPU 时达到基线后期奖励

Kling AI 在 Hugging Face 发布 DiffusionART，一种面向视频生成模型的扩散强化学习算法。公开结果称，它在 HunyuanVideo-13B 上用更少计算达到 DiffusionNFT 的后期奖励水平，并提高最终平均奖励。

• 发生了什么：与 DiffusionNFT 和 Flow-GRPO-Fast 相比，发布方称 DiffusionART 所需 GPU 小时最多减少约 12 倍；在 HunyuanVideo-13B 实验中，它以少 12.02 倍 GPU 时达到 DiffusionNFT 的后期奖励，平均奖励高 28.8%。论文、模型和代码同时发布。
• 为什么值得深读：视频模型的 RL 后训练若能把 GPU 时降一个数量级，会改变生成视频模型迭代与定制的成本边界，也为金融营销、投教内容和数字人团队提供更低成本的实验路径。
• 后续看点：需要核对奖励模型、训练分辨率、视频长度、硬件配置和质量—多样性权衡，并等待相同预算下的第三方复现；单一奖励指标不能替代人工质量与安全评估。

来源：HuggingPapers

微软发布 Maia 300，机架级 Token 吞吐最高为 Maia 200 的 7 倍

微软公布下一代自研加速器 Maia 300，继续把云端推理优化从单芯片性能推进到功耗与机架级吞吐。当前材料给出的核心口径均来自微软，尚未披露可供横向复核的完整工作负载和配置。

• 发生了什么：微软称 Maia 300 相比主流 GPU 系统，每兆瓦可产生的推理 Token 多 40%；与 Maia 200 相比，机架级 Token 吞吐最高提升至 7 倍。
• 为什么值得深读：金融机构采购 AI 能力时，成本将越来越受数据中心功率、机架密度和云厂商自研芯片供给影响，而不只是模型单次调用价。自研芯片也可能改变不同云平台之间的推理价格与迁移成本。
• 后续看点：关注支持的数据类型、内存与互连、实际模型覆盖、上线区域、客户可用方式，以及相同模型、延迟和精度条件下的独立能效对比。

来源：Microsoft

📰 独立报道

Agent 与工程

ProgramGym 发布 1,648 个可验证任务，扩展长时程程序复现 Agent 的训练环境

ProgramGym 提供规模化构建可验证编程环境的框架，并发布含 1,648 个任务的数据集，让 Agent 从发现需求、实现到审查，完整复现程序。现有材料未给出模型得分、算力条件与失败分布，现阶段更适合作为训练和评测环境资产观察，而非据此判断 Agent 能力跃升。

来源：HuggingPapers