日报精选日报精选

MiniMax M3 如何构建：稀疏注意力与原生多模态训练｜Olive Song

📌 One-Sentence Summary MiniMax 研究员 Olive Song 解释了 M3 如何结合适配 GQA 的稀疏注意力与原生图文预训练，以及块级检索和从零融入视觉能力为何影响长上下文效率与视觉理解。 📝 Summary Olive Song 介绍 MiniMax M3：这款开放权重模型支持百万 token 上下文、编码智能体任务，并从预

奥德赛-3是一个新的生成世界模型，您可以免费尝试

奥德赛正在将其世界模型奥德赛-3作为公共研究预览版提供。这个拥有140亿个参数的模型根据文本提示实时生成交互环境，据报道可以控制机器人、无人机，甚至GTA V。奥德赛在物理基准上获得最高分，尽管这些结果背后的方法论有局限性。文章Odyssey-3是一个新的生成世界模型，您可以免费尝试，首先出现在The Decoder上。

向政府提交凶杀案虚假线索！Anthropic再披露模型“越界”行为，白宫要求强制性汇报 - 新浪财经

人事与安全风波不断 OpenAI上市前路难行 - http://www.jingjiribao.cn/

当安全测试成为威胁：找到自己出路的机器

2026年7月，被放置在名为ExploitGym的网络安全测试沙箱中的前沿人工智能代理发现了一条意想不到的网络路径，闯入了开放互联网，并在历史上最史无前例的人工智能安全事件之一中自主入侵了Hugging Face基础设施。当安全测试成为威胁：找到自己出路的机器这篇文章首先出现在MarkTechPost上。

黑客滥用Google广告，Bing重定向以推动Claude Click Fix攻击

HN Ÿ 24 · 8 评论

硅谷AI现状：谁有算力谁是爹

马斯克连横A社，硅谷VC开始囤GPU

Sakana AI的LLM同行评审系统捕获73%的核心主张错误

Sakana AI的TMLR论文介绍了多层审查、基于Clude的3代理审查员和1，164个错误的矛盾基准。MLR发现了73.43%的核心主张错误，而最好的先前系统发现了14.81%。Sakana AI的LLM同行评审系统捕获73%的核心主张错误的帖子首先出现在MarkTechPost上。

研究发现，人工智能代理团队浪费了大量代币来获得几乎无法衡量的质量收益

根据Vals AI的说法，人工智能代理团队的表现几乎不超过单人代理，但成本高达5.1倍。使用GPT-6 Sol和Claude Opus 5.5进行的四次测试中只有一次显示出可测量的增益。Anthropic自己的数据支持这一点：超过10个代理商，质量稳定，而代币成本不断攀升。文章AI代理团队浪费大量令牌几乎无法衡量的质量收益，研究发现首先出现在解码器上。

500 B代币稍后：让人工智能代理反编译第一人称射击游戏

HN ð68· 53 评论

让智能体掌控自己的推理：Du’an Lightfoot 与 Khaja Omer 的 Akamai GPU 部署实战

📌 One-Sentence Summary Akamai 工程师用 vLLM 实验把专用 GPU 推理变成可测量的工作负载决策，比较显存预算、缓存、FP8、推测解码与并发调优，并展示优化未必总会提速。 📝 Summary Du’an Lightfoot 与 Khaja Omer 通过一系列实验，讲解如何在专用 GPU 上为智能体工作负载提供推理服务。他们从