2026-10-31 前沿科技洞见 · 日报

📊 今日关键数据

• 96.15%：CoSec 中 DeepSeek 与 Hermes 的一个组合出现的隐私违规率，显示模型与 Agent 框架组合会显著改变授权表现（来源：机智流）
• 6.5%—12%：TauIndianBankBench 中只看最终记录会被误判成功的银行 Agent 会话占比（来源：HuggingPapers）
• 39%：真实多模态互联网 Deep Search 评测中最佳系统的准确率（来源：机器之心）
• 9.8%：ForgeKernel 在 NVIDIA B200 上相对 DeepSeek-V4.1 FlashMLA Prefill 人类实现的性能提升（来源：量子位）
• 约 63.6 亿美元：币安钱包跨十条链被转走的资产规模（来源：TRM Labs）
• 5 倍：富士胶片计划相对 2025 财年提升的 LTO 磁带产能（来源：Ars Technica）

🔍 今日值得深读

CoSec 用 208 个场景测试 Agent 动态授权，部分配置隐私违规率达 96.15%

南京大学等机构发布 CoSec，把 Agent 放进持续存在的多人社区、记忆和文件环境，检查成员退出、角色变化及社区合并后，系统能否按当时有效权限处理信息。基准含 Static112 与 Dyn96，覆盖直接注入、间接注入、记忆污染和能力组合攻击，并同时报告隐私违规率、正常任务完成率与安全任务完成率。

• 发生了什么：研究运行 OpenClaw、Hermes、Codex 等完整系统的 13 种配置；DeepSeek 与 Hermes 的一个组合隐私违规率为 96.15%，能力组合攻击的总体违规率为 70.27%。
• 为什么值得深读：金融机构的 Agent 会跨邮件、群聊、知识库和工单长期工作；“能读取”不等于“获准披露”，静态 RBAC 和单轮拒答测试无法覆盖这种时变边界。
• 后续看点：企业级 Agent 平台能否把数据来源、接收者、目的地和权限变更写入执行时策略，并用完整轨迹而非最终回复做审计。

来源：机智流

TauIndianBankBench 发现银行 Agent 存在 6.5%—12%“结果正确、流程违规”的假成功

TauIndianBankBench 将印度银行业务中的必经程序写入评测，不只检查最终账务记录，还逐步核验身份验证、告知和授权等不会留在最终状态里的动作。跨模型实验显示，若只看结果，6.5%—12% 的会话会被误判为成功。

• 发生了什么：基准把结果正确性与过程合规拆开评分，暴露传统“最终状态匹配”无法识别的漏步问题。
• 为什么值得深读：金融 Agent 的可用性不能只由转账、开户或服务请求是否完成决定；监管要求往往存在于中间步骤，过程证据必须成为验收对象。
• 后续看点：银行内部评测是否会把适当性、双录、授权确认和例外升级等本地流程转成可执行断言，并保留逐步证据。

来源：HuggingPapers

Deep Search 进入真实多模态互联网，最佳系统准确率仍只有 39%

一项新评测把答案分散到网页、视频片段、播客语段、论文图表和交互式数据页面，要求 Agent 自主寻找来源并操作页面，而非在整理好的文本语料上检索。最佳模型准确率仅 39%，说明搜索规划、模态调用和证据定位仍是共同瓶颈。

• 发生了什么：任务要求跨来源、跨模态检索，并记录信息源、模态调用和行动轨迹，用真实网站操作替代静态文档问答。
• 为什么值得深读：投研 Agent 面对的正是分散、动态且格式混杂的公开信息；高质量答案不能由单一文本检索基准外推。
• 后续看点：领先系统在视频帧定位、交互页面操作和证据引用上的分项表现，以及 39% 上限主要受浏览工具还是推理策略限制。

来源：机器之心

ForgeKernel 在 B200 上自主优化 FlashMLA Prefill，性能超过人类实现 9.8%

ForgeKernel Agent 在没有 DeepSeek 原始实现可供参考的条件下，从零设计 FlashMLA Prefill 算子，并在约 22.5 小时公开运行后，于 NVIDIA B200 上超过 DeepSeek-V4.1 对应的人类手写实现 9.8%。这一结果把 coding Agent 的边界从生成业务代码推到硬件相关的性能工程。

• 发生了什么：Agent 围绕注意力核心算子持续提出、编译和测量候选实现，最终在指定硬件与工作负载上取得更高吞吐。
• 为什么值得深读：算子优化直接影响模型推理成本；如果结果可复现，基础设施团队可把 Agent 引入内核搜索，而不只用于代码补全。
• 后续看点：公开基准、正确性测试和完整搜索成本能否复现；优化是否能迁移到不同序列长度、批量和 GPU 架构。

来源：量子位

Revolut 调整编码 Agent 路由，约 2,000 名工程师的模型账单降至原来的十分之一

Revolut AI 运营负责人 David Abitbol 介绍，公司在工程师单人月支出一度达到 1,000—10,000 美元后，先设预算上限，再改变默认模型与上下文策略；目前约 2,000 名工程师使用 AI，账单约为过去直接使用 Anthropic 和 OpenAI 时的十分之一，Claude Code 不再是默认选择。

• 发生了什么：公司把模型路由、上下文长度与任务类型纳入统一成本管理，并把 AI 用途扩展到邮件、Jira 和 Confluence 等非编码环节。
• 为什么值得深读：企业 AI 成本更像工作负载调度问题，而非简单的席位采购；长上下文和最高价模型并非每项任务的最优解。
• 后续看点：降本后的任务成功率、返工率和交付周期是否保持，以及数据权限、模型切换与统一可观测性如何实现。

来源：51CTO技术栈

币安十条链上约 63.6 亿美元资产被转走，主要资金在 20 分钟内流出

TRM Labs 称，攻击者在 10 月 29 日从币安钱包跨十条区块链转走约 63.6 亿美元，大部分转移集中在约 20 分钟；其链上分析将事件与朝鲜 TraderTraitor 活动联系起来。规模与跨链速度使钱包权限、实时异常检测和冻结协同成为核心技术问题。

• 发生了什么：攻击同时覆盖多条链，资金高速拆分和迁移，单链监控与人工响应窗口不足。
• 为什么值得深读：数字资产机构的控制面需要把密钥、交易策略、链上行为和跨链情报统一监测；资产托管风险不能只靠事后追踪。
• 后续看点：币安披露的初始入侵点、签名权限与补偿安排，以及各链冻结和追回比例。

来源：TRM Labs

📰 独立报道

AI 战略与治理

OpenAI、Google、Microsoft 与 Anthropic 支持统一的 AI 训练退出信号

多家模型提供商承诺采用共享的 robots.txt 信号，让网站运营者一次表达 AI 训练偏好，而不必分别配置各家公司规则。OpenAI 表示将遵守该信号；它解决的是训练用途声明，不等同于法律授权、搜索收录或所有类型的模型访问控制。

来源：OpenAI

国行 Apple 智能公布测试与正式推送时间，千问承担本地模型能力

苹果中国公布 Apple 智能在华时间表：11 月 4 日起随开发者 Beta 开放首批功能，12 月随 iOS 27.3 正式面向中国用户推出；中文报道披露千问将提供模型能力。金融 App 需要关注系统级写作、摘要与 Siri 调用进入本地生态后的数据边界和兼容测试。

来源：极客公园

Agent 与开发工具

伯克利用动态重组的 Agent 团队搜索 GPU Kernel 优化方案

伯克利团队提出 Evolving Agent Teams，由中央监督器根据当前瓶颈逐轮调整角色、协作方式和知识管理，避免单个 coding Agent 在容易实现但上限较低的方案上停滞。研究把“增加 Agent 数量”改成“按搜索状态重组团队”，目标是突破内核优化的局部最优。

来源：学术头条

恶意 Claude 扩展触达约 5,000 台开发者设备

攻击者通过受污染的 Claude 开发扩展发动供应链攻击，约 5,000 台设备受到影响；恶意代码自身缺陷阻止了部分完整入侵。事件说明 AI 编码工具把插件、终端和项目凭据连成高权限攻击面，企业需要锁定扩展来源、版本和沙箱权限。

来源：WIRED

Binary Security 披露 Azure 五条跨租户完全接管路径

Binary Security 汇总五起 Azure 跨租户完全接管案例，聚焦共享控制面中一个租户如何越过隔离边界影响另一租户。对金融机构而言，云上身份隔离不能只依赖租户概念，还应验证托管服务的委派链、服务主体和平台修复状态。

来源：Binary Security

具身智能与 AI4S

影溯在杭州建设具身仿真数采中心，以并行环境替代线性人工采集

影溯提出把具身数据产能从“人数 × 工时”改为“环境配置数 × 并行算力”，计划用仿真数采中心在一个月内生产相当于行业过去两年积累的百万小时数据。关键验证不只是小时数，而是环境变化覆盖、仿真到真机迁移和有效数据比例。

来源：AI科技评论

VaM 给机器人加入任务进度记忆，连续运行四小时成功率超过 95%

上海交通大学与上海创智学院团队用价值预测缓存表示任务进度，衔接离线示范和自主经验学习。纸盒装配真机连续运行四小时成功率超过 95%；移除价值缓存后成功率下降 29.4%，在线强化学习方案平均任务成功率提升 32.8%。

来源：机器之心

96 台机器人共享失败经验，测试群体经验学习的扩展性

清华大学、无问芯穹与智元等团队让 96 台真机把自主执行中的成功与失败经验汇入共享体系，减少每次升级都依赖专家示范的成本。路线的采用条件在于经验筛选、异构本体适配和坏经验隔离，而不是简单扩大轨迹数量。

来源：机器之心

扰动之心发布 AlphaCell 1.0 Pro，按细胞状态而非通用大模型尺度设计组学 AI

同济孵化企业扰动之心发布虚拟细胞推演模型 AlphaCell 1.0 Pro。团队认为组学数据的高维、稀疏与动态性质限制了文本模型的直接迁移，参数规模并非越大越好，因而采用以细胞状态为中心的药物研发路线；后续需看湿实验与真实研发项目验证。

来源：DeepTech深科技

模型、训练与硬件算力

DiffusionART 将视频生成在线强化学习达到基线奖励的速度提高逾 10 倍

新加坡国立大学、可灵 AI 与香港科技大学提出 DiffusionART，支持 ODE 采样、不可微奖励及标量或二值偏好。在 HunyuanVideo-13B 的视觉和运动质量实验中，达到 DiffusionNFT 与 Flow-GRPO-Fast 后期平均奖励的速度分别快约 12.02 倍和 11.72 倍。

来源：机器之心

XHEART 称 X7 Ultra 八个月出货 20 万颗，进入 40 余款车型

XHEART 新芯航途披露，面向车端大模型的 X7 Ultra 在八个月内出货 20 万颗并进入 40 余款车型。其技术路线用超大核、零拷贝与软硬协同缓解车端内存搬运和功耗约束；规模化价值仍取决于百亿参数模型的实车时延、功耗与安全验证。

来源：DeepTech深科技

Google 原型卫星启动在轨 TPU，完成首次提示词推理并回传结果

Google Project Suncatcher 原型卫星在 10 月发射后，已接收地面指令、启动机载 TPU、运行提示词并回传完整俳句。此次“hello world”只验证了在轨计算与通信链路，距离太空数据中心仍需解决散热、辐射可靠性、星间网络和维护成本。

来源：PANews

富士胶片投资约 100 亿日元，将 LTO 磁带产能提高至五倍

富士胶片计划在 2026—2028 财年投资约 100 亿日元，以 2025 财年为基准把磁带产能提升五倍，重点生产 LTO Ultrium 10。生成式 AI 扩大数据归档需求，但冷数据仍由成本、能耗和恢复时延决定介质选择。

来源：Ars Technica

人机交互

Neuralink 用 72 小时家庭共创测试意念语音、电话和 Agent 调用

Neuralink 工程师与 VOICE 试验参与者在家中完成 72 小时原型迭代，测试神经语音活动检测、实时信号反馈、iPhone 通话音频注入及用想象语音唤醒 Grok Agent。功能仍属临床研究原型，尚不能外推到更广泛人群。

来源：脑机接口社区