2026-10-28 前沿科技洞见 · 日报

📊 今日关键数据

• 2 分钟：Genie 4 的最长交互式模拟时长约为前代两倍，并加入同步音频生成（来源：华尔街见闻全球）
• 96%：Unlimited OCR 2 在百页级测试中把峰值 KV 缓存从 47GB 降至 1.77GB（来源：新智元）
• 94.7%：MMDesign 的 19 个设计项目中，18 个获得实验确认的结合分子（来源：分子之心 MoleculeMind）
• 122 人：IAM1363 的 I/Ib 期研究已治疗 122 名晚期癌症受试者（来源：DeepTech 深科技）
• 27%：LAR 通过把重复动作片段编码为潜在动作，报告最高 token 节省幅度（来源：量子位）
• 78%：Epoch AI 估算美国获得 2026 年上半年全球新增 AI 算力的份额（来源：Epoch AI Research）

🔍 今日值得深读

Google DeepMind 发布 Genie 4：交互式模拟延长至 2 分钟并加入同步音频

Genie 4 可从文本构建可探索环境，并在运行中接受自然语言指令改变天气、镜头、角色和物体；最长模拟时间约 2 分钟，是 Genie 3 的两倍。模型首次同步生成环境音、音乐和对话，规划环节由 Gemini 驱动。目前仍是研究预览，长期一致性、复杂物理和可读文字仍会失真。

• 发生了什么：DeepMind 把世界模型的重点从一次性视频生成推进到持续响应动作的音视频环境，并准备向 Google AI Ultra 用户及部分开发者逐步开放。
• 为什么值得深读：它把游戏原型、机器人训练和数字孪生所需的“环境—动作—反馈”闭环放到同一模型里；对金融机构而言，这类模拟路线也值得用于评估复杂业务演练和 Agent 训练环境，而不能只按视频模型采购。
• 后续看点：开发者接口的延迟与价格、两分钟以上的一致性、物理准确度，以及仿真中学到的策略能否迁移到真实系统。

来源：华尔街见闻全球

百度开源 Unlimited OCR 2：百页文档峰值 KV 缓存从 47GB 降至 1.77GB

文心 Unlimited OCR 2 采用稀疏参考滑动窗口注意力（SR-SWA）和持续解码，把长文档解析中的缓存增长压到近似常数。百页级单序列测试中，峰值 KV 缓存下降约 96%；3B 总参数、单次实际激活约 500M，并在 MarathonDocBench 和 MPDocBench 分别取得 77.06 和 84.59。

• 发生了什么：模型先用 Page Gate 选相关页面，再用 Token Sieve 筛页面内视觉 token，配合分块解码及时释放缓存；公开演示覆盖 3,600 多页文档。
• 为什么值得深读：金融 RAG 的瓶颈常在跨页表格、版面和超长附件解析，而非检索本身。缓存从数十 GB 降至不足 2GB，直接改变本地部署和批量档案数字化的硬件门槛。
• 后续看点：第三方对财报、票据和扫描件的复测，跨页引用与表格还原准确率，以及在常见企业 GPU 上的端到端吞吐和总显存。

来源：新智元

MMDesign 用 9—50 个候选完成 19 个项目验证，18 个获得结合分子

分子之心公布 MMDesign 的系统性湿实验结果：18 个靶点、纳米抗体与大环肽两种模态共 19 个项目，单项目仅测试 9—50 个候选，中位数 21 个；18 个项目获得确认结合分子。453 个候选中 139 个命中，候选级命中率为 30.7%。

• 发生了什么：六个 GPCR 靶点全部获得结合分子；NK3R 的 30 个候选全部命中，GPR68 的 11 个候选命中 10 个，最佳表观亲和力 KD 为 12.1 nM。
• 为什么值得深读：关键增量不是“能生成序列”，而是计算筛选能否把实验规模压到几十个候选，并跨靶点、跨模态重复成功。这更接近药企评估平台生产力的指标。
• 后续看点：独立实验室复现、对照传统筛选的时间和成本、命中分子的成药性，以及后续优化是否仍能维持高项目成功率。

来源：分子之心 MoleculeMind

Iambic 的 AI 设计药物 IAM1363 完成 122 人早期临床更新

Iambic 公布 HER2 抑制剂 IAM1363 的 I/Ib 期更新：截至 8 月 31 日共 122 人接受治疗，103 人接受不低于 960mg 的每日单药剂量。可评估且具有可靶向 HER2 改变的受试者中，全身部分缓解率为 36%（19/53）；有脑转移者的颅内部分缓解率为 41%（9/22）。

• 发生了什么：IAM1363 由 Iambic 平台设计，约两年进入临床；960mg 推荐剂量组 68 人中，3 级治疗相关不良事件和导致剂量调整的不良事件均为 5.9%，未见 4 或 5 级治疗相关不良事件。
• 为什么值得深读：这是 AI 制药从发现速度跨到人体疗效、血脑屏障和耐受性的证据，但仍属于无随机对照的早期临床，不能把部分缓解直接等同于获批概率。
• 后续看点：扩展队列的样本量和缓解持续时间、不同 HER2 亚型结果、对照治疗设计，以及剂量扩展后安全性是否保持。

来源：DeepTech 深科技

LAR 把重复动作序列压成潜在动作，Agent token 消耗最高下降 27%

MetaGPT 团队提出潜在动作重参数化（LAR）：从 Agent 轨迹中寻找高频、低熵、行为稳定的文本片段，将其编码为新的动作符号；具体查询、实体和参数仍显式保留。训练时以原始轨迹为 teacher、压缩轨迹为 student，做轨迹级蒸馏以维持后续行为分布。

• 发生了什么：这项 NeurIPS 2026 工作把优化对象从单 token 生成速度转向有效动作视野，报告称 token 可节省 27%。
• 为什么值得深读：企业 Agent 的总成本往往由长决策链和重复工具模板主导。若宏动作能稳定复用，成本、延迟和审计长度可同时下降；但抽象过度会隐藏关键参数并破坏可执行性。
• 后续看点：跨任务迁移后的成功率、潜在动作词表的版本治理、异常场景能否回退到显式动作，以及节省 token 后的端到端延迟与错误率。

来源：量子位

StreamEval 测试 38 个实时视频模型，连续指令和状态保持成为共同短板

清华、NVIDIA、CMU、UC Berkeley、Princeton、NUS 等机构发布 StreamEval，以流式输入测试数字人对话、虚拟人表演、世界生成、指令编辑和参考编辑。基准包含 300 个标准化用例、五档时长，覆盖 38 个模型；每个用例独立运行三次，代码、数据和评分规则均开放。

• 发生了什么：测试在时间轴上逐步释放语音、文字、参考图和视频帧，模型不能预知后续要求；评分同时检查指令执行、状态一致性、视觉质量和音画协调。
• 为什么值得深读：一次性视频质量无法代表交互系统能力。对采购实时数字人或模拟平台的团队，连续改指令后能否保住身份、场景和既有修改，比单帧观感更接近生产风险。
• 后续看点：榜单月度更新后的排名稳定性、不同硬件与延迟预算下的结果，以及 120—300 秒任务中的错误累积曲线。

来源：机器之心

📰 独立报道

AGI、Agent 与具身系统

AREX-2 用长程反思训练 27B 模型，在四项基准测试持续改进能力

智源等机构以 Qwen3.8-27B 为底座，在机器学习和算法编程任务上训练长程反思能力。报告给出 MLE-bench、Frontier-CS、BrowseComp 和 HLE 得分 81.8、70.7、84.0 和 52.6。结果说明测试时多轮迭代可迁移到搜索和科学问答，但还需结合推理轮数、计算成本及同设置基线判断“27B 反超大模型”的范围。

来源：机器之心

智元发布 Genie Master，让机器人在便利店任务中诊断失败并沉淀经验

Genie Master 以具身执行协议 EEP 连接 Agent 判断、机器人动作和现场反馈，并用 Harness RSI 将经验写入提示与长期记忆、用 Policy RSI 把恢复过程转成策略训练数据。精灵 G2 在便利店挂货、打包等任务中尝试无人工示范地定位失败和调整动作；目前证据来自厂商案例，规模化采用仍需任务成功率、干预次数和跨门店复现数据。

来源：智元 AGIBOT

Meta FAIR 与普林斯顿用独立 LoRA 保存 Agent 纠错经验

Self-Direction 将一次纠错写入独立 LoRA 适配器，供后续会话遇到同类问题时调用。材料称每个适配器约占基础模型参数的 0.02%，三个适配器的经验库约 256MB。方案把记忆从不断增长的提示词移到参数模块，但适配器绑定具体基础模型，换模型不能直接复用，路由错误也可能加载不相干经验。

来源：学术头条

ClawsGO Science 用多 Agent 与 Lean 验证化学反应网络的一类猜想

BitMiracle AI Lab 报告称，一个 Claude Opus 5.5 决策 Agent 调度 136 个 GPT-6 Astra 执行 Agent，用 11 天形成 83 个 Lean 文件。严格范围是 1974 年 Horn 猜想中满足细致平衡的一类情形，并借助已有定理，不等于解决全部猜想；价值在于路线切换、并行形式化和内核逐步校验组成了可追溯科研工作流。

来源：新智元

金融科技与企业 AI

OpenAI 与 Oracle 将企业应用和 Agent 接入 ChatGPT

OpenAI 与 Oracle 扩大合作，计划把 Oracle 企业应用和 AI Agent 带入 ChatGPT，并为 Oracle 新产品提供模型能力。对金融机构，关注点不只是新增连接器，而是业务数据授权、动作确认、审计日志和责任边界能否沿用现有 Oracle 权限体系；当前公告没有披露具体应用清单、开放时间及数据驻留安排。

来源：OpenAI

美国银行提醒客户不要向 AI 助手提供网银密码

美国银行提醒客户，不应把网银密码交给 AI 助手，并称客户需对 Agent 访问产生的活动负责。这把开放银行之外的“代用户登录”风险摆到台前：凭据一旦进入第三方 Agent，银行难以区分本人操作、授权代理和提示注入后的越权行为。金融机构需要明确支持的授权通道，而不能让消费者以共享密码替代受控委托。

来源：TechCrunch

IEEE 发布金融大语言模型技术要求标准 3826-2026

由马上消费牵头制定的 IEEE Std 3826-2026 正式发布，面向金融大模型的选型、系统建设、部署和效果评估提供技术要求。它为跨机构采购语言提供一个国际标准入口，但是否能成为合规依据仍取决于条款覆盖范围、测试方法、与各地监管规则的映射及第三方认证机制，机构不宜仅凭“符合标准”替代场景级验证。

来源：中国网财经

Firefox Smart Window 用已打开标签页自动填写表单并监控网页

Mozilla 为 Firefox 的 AI 浏览体验 Smart Window 增加表单填写与网页监控能力，可从已打开标签页提取信息填入在线表单。功能把浏览器从内容总结推进到代用户写入网页，企业评估时需要重点检查字段来源展示、提交前确认、敏感信息隔离和页面变化告警，尤其不能让跨标签读取默认越过业务数据边界。

来源：The Verge

Opera 提出 WebAI，让网页调用浏览器本地模型

Opera 在 Opera One 提供 WebAI 早期预览，允许网页调用浏览器本地运行的开源权重模型，并计划扩展到 Opera GX 与 Opera Neon。路线可减少敏感数据离开设备和云端推理费用，但会把兼容性、模型供应链、设备资源占用和网页权限控制转移给浏览器；正式输入仅提供图片报道入口，具体 API 稳定性仍待开发者材料验证。

来源：Opera WebAI 报道

AI 安全与治理

Check Point 用 Daybreak 加速漏洞情报到防护规则的转换

Check Point 将 OpenAI Daybreak 用于漏洞研究，目标是缩短分析人员把漏洞情报转成客户防护的时间。该案例指向安全 Agent 的合适落点：辅助归并证据、生成研究步骤和防护候选，而最终规则仍需验证。公告未提供准确率、节省时间或误报率，采购方应要求在自有漏洞样本和变更审批链上复测。

来源：OpenAI

美国网络安全机构警告 PHP 高危漏洞已被利用

美国政府网络安全机构称，攻击者正利用 PHP 的关键 Web 漏洞。PHP 仍广泛存在于网站软件栈中，金融机构应把风险定位到实际运行版本、暴露方式与厂商补丁，而不是依据“约 70% Web 软件使用 PHP”的宽泛比例判断优先级；面向公网的遗留应用、第三方门户和托管服务应先完成资产核对和缓解验证。

来源：TechCrunch

UEFI 固件代码执行漏洞影响多家服务器与数据中心

一项启动阶段 UEFI 固件代码执行漏洞被披露，材料称其涉及多数服务器供应商和数据中心使用的固件。固件层缺陷位于操作系统安全工具之下，修复依赖设备厂商发布与验证更新；机构应按具体机型、固件版本和云服务责任边界建立清单，并确认补丁是否影响安全启动、远程运维和业务连续性。

来源：Ars Technica

特拉华州拟议方案引发“AI 经营公司”责任归属争议

特拉华州一项拟议方案可能允许 AI Agent 运营完整企业，由此引发人类所有者是否会借机器决策规避责任的争论。它与金融机构的现实关系在于客户识别、受益所有人、授权签署和持续监控：即使 Agent 执行经营动作，开户、授信和交易监测仍需要可追责的自然人或法人控制链。

来源：Ars Technica

数据、算力与评测

Epoch AI：2022 年以来全球 AI 算力约 72% 流向美国、约 10% 流向中国

Epoch AI 的统计称，2022 年以来全球 AI 算力约 72% 落在美国、约 10% 在中国；美国获得新增算力的份额从 2022—2024 年每年约 60%，升至 2025 年的 72% 和 2026 年上半年的 78%。这是研究机构口径下的基础设施集中度估算，仍需结合算力定义、芯片利用率和地区归属方法解读。

来源：Epoch AI Research

Stanford 发布 HalluWorld，用完全指定的世界追查模型为何产生幻觉

HalluWorld 把语言模型置于规则和事实完全指定的世界中，不只判断回答是否出现幻觉，还尝试自动区分错误原因。相较开放域事实核验，这种封闭环境更适合复现实验和归因；对企业评测的启发是，把知识缺失、推理错误和不服从证据分开计量，但其结论能否迁移到动态、权限受限的业务知识库仍需验证。

来源：Stanford AI Lab

Microsoft 发布 100 份合成 PDF、9,798 道题的文档问答基准

Microsoft 在 Hugging Face 发布合成文档问答基准，以 100 份覆盖多种商业领域的合成 PDF 构造 9,798 个有依据的问题，用于测试 RAG、PDF 解析器和文档理解模型。合成数据便于控制答案和版权风险，也可能低估真实扫描噪声、复杂表格和机构模板差异；内部选型仍需加入自有脱敏文档。

来源：HuggingPapers