📰 AI洞察日报

2026年10月5日 · 星期一
👁 阅读量加载中…
🏆 头条

NASA与IBM开源月球基础模型:17年轨道观测数据变成可用科学基础设施

NASA与IBM Research联合发布NASA-IBM Lunar Foundation Model,是最早面向月球科学开源的基础模型之一。模型基于地球观测多模态架构TerraMind从头训练,训练语料SomBench包含近200万瓦片、11种模态,主要来自月球勘测轨道器17年观测(约100万张1米/像素NAC影像+近96.4万张WAC多光谱影像),并融合GRAIL等4个任务9台仪器超30个空间对齐数据层。极地水冰沉积预测误差比最强基线SwinV2-B低最多22%,粗尺度撞击坑检测提升近19%。

📰 今日动态
1

GPT-5.5将于10月14日从ChatGPT与Codex全面下线

OpenAI确认GPT-5.5将于2026年10月14日从ChatGPT全部套餐(消费者、Business、Enterprise、Edu)及Codex中退役,网页端对话与后台Agent流水线将同步断连。该模型4月发布,因省token、响应快受到开发者青睐,服役不足6个月。官方要求用户迁移至GPT-5.6 Sol或GPT-6系列,依赖GPT-5.5的自动化流水线需在10天内完成模型切换与回归验证。

2

Google研究:自我改进Agent会背题,正则化方法RRSI让能力真正泛化

Google研究人员发现,用LLM反复改写harness的自我改进Agent会逐渐记住测试任务:训练分上涨但新任务收益归零。论文提出RRSI(正则化递归自我改进),通过收缩编辑预算、批评器剔除硬编码任务名的方案、剔除无收益复杂度,在8个基准上以冻结的Claude Opus 4.8取得训练任务+14.1分、5个未见基准+4.7分,运行时token消耗还减少约30%;优化出的harness迁移到更弱的Gemini 3.1 Flash Lite上将其准确率从11.2提升到14.6分。

3

Archestra开源安全引擎OpenAPPA:两大安全基准攻击成功率压至0%

Archestra发布开源安全引擎OpenAPPA,用于阻断提示注入和模型幻觉导致的数据外泄。该项目在两个主流Agent安全基准测试中将攻击成功率(ASR)降至0%并达到饱和水平。随着企业Agent获得数据库与API权限,提示注入驱动的数据外泄成为主要攻击面,OpenAPPA以开源形式提供可自部署的防护层,供开发者在Agent出口链路中集成验证。

4

Altman公开反对把AI「神化」:称赋予模型宗教式权力是真实安全问题

OpenAI CEO Sam Altman表示OpenAI已不再追求「天空中的魔法智能」,并警告不要赋予AI模型宗教式的权力,称这是「真实的安全问题」。他强调公司目标是常规工程问题——让AI每年变得更好——而非不可解释的超级存在。这一表态与近期多位安全研究员离职时「OpenAI安全文化让位于产品节奏」的公开批评形成对照,也划定了公司对外叙事的新基调。

📌 行业快讯
🔭 技术趋势观察