AI 行业简报 2026-11-07

《Zero Mismatch, Simple Async RL》介绍NVIDIA Research与Inferact的REINFORCE Zero，将异步RL的rollout-学习器差距拆为平滑的权重滞后与波动的内核失配。

方法让rollout与训练器在相同权重和token上逐位对齐logprob，再用未裁剪token级重要性采样修正权重滞后、无需拒绝门；

论文报告16 GPU、12K更新下训练步吞吐为同步训练2.40倍（68.55对164.77小时），并在Qwen3-4B+Python工具上以滞后64训练5,000步，平均奖励从0.287升至约0.78。

零失配现覆盖DeepSeek-V4.1-Flash（DAPO rollout步在快速基线10%内）和发布日的Kimi K3.1，也在AMD MI355X上验证，代码与配方已开源。

Anthropic 发布研究博客，称 Agent 记忆是 Claude 跨会话保留的上下文，不含权重更新、上下文内学习和压缩。

文章介绍“dreaming”机制，借用 Letta 与 UC Berkeley 的 sleep-time compute 思路，让模型在空闲时反思日志、校正错误并生成记忆笔记。

CL-Bench 1.0 数据库任务中，Opus 5 在这些模型中率先形成“记录失败—验证—写成规则”的闭环；

Pokémon Red 中，写 413 个文件的 Sonnet 3.7 仅获 1 枚徽章，只写 9 个文件加 global.md 的 Fable 5 获 4 枚。

Databricks 博客介绍，Debezium Server 3.7 起包含 Zerobus Ingest sink，可把源库变更事件从本地推送端直接写入受 Unity Catalog 治理的 Delta 表，省去作为传输层的 Kafka 集群。

该 sink 由 NVIDIA 与 Databricks 工程师合作构建并贡献给开源 Debezium：Databricks 负责 typed sink，NVIDIA 贡献 envelope 模式，把完整变更事件落入固定九列表，并附带投递保障。

保障机制包括由目标表、分区、key、操作与源位置派生的 SHA-256 幂等键，以及 Zerobus 确认批次持久化后才允许 Debezium 推进 offset；因此投递语义为至少一次，重复需在下游用 idempotency_key 处理。

Zerobus Ingest 本身为 append-only，落地后的变更流按 Bronze、Silver、Gold 分层处理，可折叠为当前态表或保留版本形成历史表。

ELLIS图宾根研究所与图宾根大学的Jakob Macke、Daniel Gedon、Stefan Wahl在AI for Science客座文章中，把科学建模拆成构建模型、约束参数、解释模型三步，并称AI正越来越多地介入这三步。

在约束环节，作者介绍基于模拟的推断（SBI）：对Hodgkin-Huxley这类模型需运行约10万次模拟，再用神经网络从输出反推可能的参数范围，训练完成后对新数据的推断可在数秒内完成。

在构建环节，LLM智能体可依据数据与自然语言描述写出候选模型代码，再运行、约束参数、与真实数据比对并修改方程形式，循环至拟合足够准确；作者称近两年已出现多个此类系统。

作者强调，形状不同的多个模型可以同等解释同一批数据，同一智能体两次运行甚至可能返回两个同样好的模型，只给出单一模型的系统会隐藏其他可能，因此复现数据并不等于获得洞见。

Databricks一线工程师在官方博客发文称，企业在连续两年把AI标准化到单一前沿模型供应商后，正因预算回报不足、模型排名反复变化、前沿模型护栏拦截合法任务、数据留存政策变动和治理可见性需求等七类压力重新评估策略。

文章引用Databricks自有基准称，同一模型在一套harness下得分61.7%，换另一套为48.1%，无harness裸跑为38.4%，因此评测应把模型与harness一起测。

其内部数据显示，在2026年1月5日至7月27日的周区间内，Unity Gateway客户平均在用的模型数从4.2增至7.1，其中约40%为开源权重模型；GLM 5.2在7月中旬上线一个月后约占该网关开源权重token的40%。

文章称开源权重模型已在基准上接近前沿模型且成本更低，并引用Artificial Analysis数据称GLM 5.3（max）在Databricks上的端到端响应时间为9.1秒。