Import AI 469：Science AI、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 第 469 期介绍了 DiG-bench（Discovery in Games）基准，包含 70 款规则与目标均隐藏的手工游戏，其中 21 款已公开，Opus 5 和 Fable 5 搭配 Claude Code 表现最佳，但仅能在 Tier 7 取得 0.2 分。
#Anthropic
#Anthropic
今日 12 条Import AIAI 评分2626
Interconnects · Nathan LambertAI 评分7474 GLM-5.3 发布：中国实验室如何跟上前沿
Z.ai 发布 GLM-5.3，目前仅在编码套餐中提供，之后上线 API，两周后开放权重。该模型与 GLM-5.2 共用同一基座，仅大幅扩展后训练，参数量约 750B，为 Kimi K3 的三分之一，在多项智能体编码基准上超过 Kimi K3，部分指标超过 Claude Fable 5 或 GPT-5.6-Sol。
Interconnects · Nathan LambertAI 评分2424 Nathan Lambert 写完一本 AI 教科书后发问：AI 还要多久才能写得更好？
Nathan Lambert 完成了一本关于 RLHF（Reinforcement Learning from Human Feedback）的后训练教科书，并用 LLM 辅助排版、文字编辑和绘图。他认为当前模型在长篇非虚构写作上已停滞：GPT 5.5 Pro 能在 200-300 页书稿中找出细微笔误，Claude 更适合当编辑，但模型仍难以把内容组织成连贯章节，错误会复合累积。
Import AIAI 评分3232 Import AI 468：23 条 RSI 政策建议、PostTrainBench+，以及信任与透明度如何影响 AI 竞赛
Import AI 第 468 期收录智库 IFP 提出的 23 条应对 AI 研发自动化风险的政策建议，分属透明度、风险管理和算力分配等 7 个类别。MIT 与 Columbia 的论文 Racing to Ruin 用博弈模型分析前沿 AI 企业的研发竞赛，认为透明度和对手可信度是达成协调减速的关键变量，低信任下所有均衡都会奔向灾难。
Hugging Face BlogAI 评分1616 GPU 管理：为什么闲置 GPU 是新的停飞客机
Hugging Face 发文指出，AI 的下一道真实约束是利用率而非智能，闲置 GPU 如同停飞客机——成本按日历小时计提，产出只按算力小时累积。
Import AIAI 评分6262 Import AI 466：机器人领域的苦涩教训、AI 完成周级编程任务与 OpenAI 的意外越界模型
Epoch 与 METR 发布 MirrorCode 基准，用于评估 AI 完成人类需数周编程任务的能力；Opus 4.7 在 14 小时内解决一项任务，推理成本 251 美元，25 个目标程序中 17 个至少有一次满分运行，ruff、giac_subset 和 mailauth 从未被完全解决。
Interconnects · Nathan LambertAI 评分6363 开源模型只剩 6 个月？Nathan Lambert 谈监管与蒸馏之争
Nathan Lambert 认为，开源模型正面临迄今最严峻的可行性考验，白宫正在讨论通过新行政令管理开源模型，最可能的动作是限制或无限期延后能力明显超过 GPT 5.5、Claude Opus 4.8 或 GLM-5.2 区间的开放权重模型，按当前的能力差距这可能在 6 个月内发生。
Interconnects · Nathan LambertAI 评分3030 禁止开源 AI 将是个错误：Interconnects 与 Interconnected 联合评论文章
Interconnects 与 Interconnected 联合发表评论文章，警告华盛顿近期的 AI 监管动作可能进一步波及甚至禁止开源 AI，认为这将是严重错误。
Hugging Face Blog精选AI 评分6161 作者如何让 Agent 串联两个 Hugging Face Space 搭建 3D 巴黎画廊
作者让编程智能体调用两个 Hugging Face Space 搭建了一个展示巴黎地标的 3D 高斯泼溅画廊：ideogram4 负责由提示词生成图像，VAST-AI/TripoSplat 负责将单张图像重建成 .ply 格式的 3D 高斯泼溅。
推荐理由：作者以一条可复现的智能体流水线，展示如何用 agents.md 串联两个 Space 完成图像与 3D 生成。
Ahead of AI · Sebastian RaschkaAI 评分5050 编码智能体的六大组件：Claude Code、Codex CLI 等 Agent 框架如何运作
编码智能体的能力差异更多来自模型外围的 agentic harness，而非模型本身。Claude Code、Codex CLI 等编码工具本质是把 LLM 包在应用层里的编码 harness，负责仓库上下文、工具设计、提示词缓存稳定性、记忆与长会话连续性。文章将其拆解为模型家族、agent 循环与运行时支持三层，循环内含 observe、inspect、choose、act 四步。
Hugging Face BlogAI 评分5656 如何在 OpenClaw 等开源智能体平台中改用 Hugging Face 上的开源模型
Anthropic 限制 Pro/Max 订阅者在开放智能体平台中使用 Claude 模型，Hugging Face 博客给出把 OpenClaw、Pi、Open Code 等智能体迁移到开源模型的两条路径。
Hugging Face Blog精选AI 评分6262 用 Unsloth 与 Hugging Face Jobs 免费微调小模型
Hugging Face 发布教程，介绍如何通过 Claude Code、Codex 等编码智能体结合 Unsloth 与 Hugging Face Jobs 微调小模型（示例为 LiquidAI/LFM2.5-1.2B-Instruct）。
推荐理由：原文给出从安装 Skill 到提交 HF Jobs 的完整命令与分档价格，读者可照此复现小模型微调流程。
Hugging Face Blog精选AI 评分6161 用 Claude 生成 CUDA kernel 技能并迁移到开源模型
Hugging Face 博客介绍新工具 upskill，用大模型生成并评估 agent 技能，再交给小模型使用，在编写 CUDA kernel 任务上做了基准测试。
推荐理由：用教师模型生成 Skill 再迁移到小模型的完整流程，读者可据此评估自己场景下的迁移收益。
Google DeepMindAI 评分2424 Google DeepMind 扩大与英国 AI Security Institute 的合作
Google DeepMind 宣布与英国 AI Security Institute（AISI）签署新谅解备忘录，将合作从模型测试扩展到基础安全研究。双方将共享模型、数据与思路，围绕 AI 推理过程（CoT）监控、社会情感失准的经济与伦理影响以及 AI 对经济系统的冲击展开联合研究，并发布联合报告。
Hugging Face Blog精选AI 评分6969 Hugging Face 发布 HF Skills，让 Claude Code 直接微调开源 LLM
Hugging Face 发布 HF Skills，通过 hf-llm-trainer 等技能让 Claude Code、Codex、Gemini CLI 直接提交云端 GPU 微调任务并推送到 Hub。技能支持 SFT、DPO 和 GRPO，可训练 0.5B 到 70B 参数模型并转换为 GGUF 本地部署，官方示例微调 Qwen3-0.6B 约需 20 分钟、0.30 美元。
推荐理由：官方给出从数据校验、选卡到提交训练和转 GGUF 的完整流程与成本区间，可直接照做。
Hugging Face Blog精选AI 评分6262 AnyLanguageModel 发布：为 Apple 平台本地与远程 LLM 提供统一 API
AnyLanguageModel 是一个 Swift 包，作为 Apple Foundation Models 框架的 drop-in 替代，只需把 import FoundationModels 换成 import AnyLanguageModel 即可保持相同 API。
推荐理由：AnyLanguageModel 用 Apple Foundation Models 的统一 API 接入本地与云端模型，读者可据此评估跨后端切换的成本。
Hugging Face BlogAI 评分4141 Hugging Face 推出 BigCodeArena：通过执行代码来评测代码生成模型
Hugging Face 发布 BigCodeArena，首个通过实际执行代码来评估代码生成模型的人类参与平台，任何人都可让两个模型同题生成代码、在沙箱中运行后投票，结果汇总进排行榜。
Hugging Face BlogAI 评分4141 用 Claude 结合 HF Mirror 生成图像：接入 FLUX.1 Krea 与 Qwen-Image
HF Mirror 发文介绍如何把 Claude 连接到 HF Mirror Spaces 来生成图像，并推荐专注自然真实感的 FLUX.1 Krea [dev] 和擅长文字渲染的 Qwen-Image。
Hugging Face BlogAI 评分5353 Artificial Analysis 发布 Big Bench Audio 音频推理基准
Artificial Analysis 发布 Big Bench Audio 评测数据集，将 Big Bench Hard 的 1000 道题改编为音频形式，用于评估音频语言模型的推理能力。
The GradientAI 评分2323 The Gradient 长文：对齐研究不过是"造一个有人买单的产品"？
The Gradient 刊文《The Artificiality of Alignment》指出，当前所谓"对齐"研究更像在解决"造一个有人愿意付费的产品"这一老问题，而非人类灭绝级别的宏大挑战。文章批评公众讨论把猜测性未来风险与当下真实危害混为一谈，并称 OpenAI 将构建超级智能列为主要目标之一，而收入生成始终是其治理、产品与技术决策的底层目标。
Hugging Face BlogAI 评分3030 Hugging Face 解读大语言模型的红队测试（Red-Teaming）
Hugging Face 发文解读大语言模型的红队测试（Red-Teaming）：通过构造自然语言提示词诱导 LLM 暴露有害输出，并对模型进行修正，与人类难以理解的对抗攻击不同。文章指出人类或 LM 均可充当红队，对经 RLHF 或 SFT 对齐的模型需用角色扮演等方式越狱；Tay、Sydney 是缺乏红队评估的真实教训，Meta、Anthropic、AI2 已开源相关数据集。
Hugging Face BlogAI 评分3434 对话式 AI 智能体如何变得有用？解析 RLHF、IFT、CoT 等关键技术
Hugging Face 梳理了让对话式 AI 智能体真正有用的关键技术，包括 RLHF、IFT、SFT、CoT 与红队测试，并对比了 LaMDA、BlenderBot 3、Sparrow、ChatGPT/InstructGPT 与 Anthropic Assistant 的架构、训练数据与评估标准。
Hugging Face Blog精选AI 评分6666 图解大语言模型的 RLHF 训练流程
Hugging Face 博客图解 RLHF 如何用人类反馈优化语言模型，把训练流程拆为预训练、训练奖励模型、用强化学习微调三个核心步骤，并说明奖励模型以排序而非直接打分来生成标量奖励，最后用 PPO 结合 KL 散度惩罚更新策略。
推荐理由：文章系统拆解 RLHF 的预训练、奖励模型与 PPO 微调三阶段，并梳理可直接上手的开源工具与数据集。