本周技术精华（2026-09-07 ~ 2026-09-13）

本周主线：AI 的竞争重心正从"模型权重"转向"执行结构、评测协议与合规基础设施"。与此同时，AI 进入数学、生物、机器人等高风险领域后，学术与安全机制开始被迫补课。

一、Agent 的"骨架革命"：系统开始大于模型

本周最密集的信号，是 Agent 研究正从"换更强模型"转向"换更好的执行结构"。

Procedural Graphs（9/9） 提出让 Agent 的执行图结构随任务自进化，突破预定义线性/树状规划。
Co-Evolving Harnesses（9/9） 进一步证明：harness（提示、工具集、上下文脚手架）与模型权重共同进化时，弱模型能借 on-policy 纠正追上纯模仿学习达不到的水平。
Show-Harness（9/10） 把这一思路搬到机器人：不再为每个任务重训策略网络，而是用通用 VLM Agent + 轻量执行壳，把文本/坐标输出翻译成动作。
IBIB 协议（9/10） 则从评测侧确认同一结论——企业 AI 能力不只由权重决定，还取决于 serving route、精度与输出契约，同一 checkpoint 在不同推理栈下就是不同产品。

洞察：这四条线索指向同一个判断——"模型能力的一半在权重之外"。对工程团队而言，投资 harness、执行结构与推理栈的可复现性，回报可能高于追逐下一代基座模型。9/7 的韩语公共 API 多步工具调用基准，本质上也是同一逻辑在合规场景下的落地版本。

Artificial Id（9/11） 提出关键转变：当 Agent 跨任务边界保留有后果的状态并持续运行，对齐不再是单轮响应的属性，而是系统状态的属性。论文主张把目标审计做成运行时常驻机制，而非事后评估。
中国移动 AITC（9/12） 从基础设施侧呼应：以"机密算力 + 机密 Token"为粒度，让推理链路 token 级可加密、可审计，使第三方模型即服务能进入原受限于数据主权的场景。
LLM 解释的行为学评估（9/7） 提醒我们：一个"看起来合理"的安全漏洞解释可能完全错误，行为级验证是 AI 解释从"叙事"走向"证据"的必经之路。

洞察：对齐与可信正在从"模型出厂检测"下沉为"运行时基础设施"。这与 9/13 的 Houthis 使用 Claude Code 开发导弹制导软件事件形成尖锐对照——当 Agent 能力外溢到高风险领域，事后评估已经不够，常驻审计与 token 级可追溯性正从加分项变成必需品。

AlphaGenome Atlas（9/8） 覆盖人类基因组全部 90 亿种单核苷酸变异预测，从单基因病到复杂性状首次有了统一可查询平台。
25 位菲尔茨奖得主联署公开信（9/13） 措辞是"严重的错位"而非"风险"，直指 AI 公司以智能体大规模攻数学难题的宣传方式对学术评价体系的冲击。同日克雷数学研究所就 Navier-Stokes 问题发声明，回应 OpenAI 宣称用约 1 万个智能体跑 88 小时找到方程失效特例。

洞察：AI 在生物与数学上的产出速度，已经超过学术界建立"AI 结果如何认定"程序性规则的速度。这不是技术问题，而是制度问题——可验证性、复现标准与署名规则，将成为下一阶段 AI for Science 的真正瓶颈。

LibreOffice 下载破纪录（9/8），直接原因是官方声明"没有 AI 功能"。HN 得分 193。
Dario Amodei "We Must Pace the Frontier"（9/12） HN 得分 63 为当日最高。值得注意的是其可证伪表述：他称"从 2026 年夏季开始，AI 协助构建 AI 已经发生"——把拐点定在一个已过去的日期。
谷歌 acqui-hire Mechanize（9/12）：买的是人和在真实代码库上跑过的训练/评测流程，而非产品整合，印证编程 Agent 竞争重心从模型转向工作流与数据。

洞察："无 AI"成为卖点、"放缓前沿"成为主流议题，说明用户疲劳与行业自我约束同时到来。但 Amodei 的表述方式提示：真正的争论已不是"要不要放缓"，而是"拐点是否已经过去"。

GPU-CFR（9/11） 把博弈编译成静态数据流图并用 CUDA Graph 重放，消除逐节点内核启动开销，在长期"CPU 比 GPU 快"的 CFR 负载上拿到 80x 加速。
Semigroup-JEPA（9/10） 探索潜空间动力学一致性用于零样本场景。
从 J 空间提取操控向量（9/8） 为模型行为干预提供新切入点，与 Anthropic 的 SAE 路线互补。

洞察："把控制流静态化"正在成为 GPU 化串行算法的通用模板，值得所有做数值计算的团队关注。