深度精读浙大 ZJUNLP 联合 NUS、东北大学、赫瑞瓦特大学与腾讯的 MemTrapBench——首个系统评估’记忆诱导认知陷阱’的基准。论文发现：忠实记录、语义相关的记忆仍可能扭曲模型推理与信念，1050 个对抗实例上所有记忆框架全面低于无记忆基线，最好的 EverMemOS 也落后 13.99 个百分点。文章拆解两类四情景陷阱分类、三段式对抗构建流水线、四组归因消融实验，以及仅靠推理时提示就挽回 14.9 个百分点的 AdaptiveMem 修复方案。
深度精读 Phantom Gains——一篇审计 LLM 自训练’自我改进’证据的测量学论文。当社区从平均准确率转向逐题增益/损失转移分析时，转移统计本质上是两个噪声估计的差分，极易产生’幻影增益’。作者让一个冻结控制模型穿过与三轮 LoRA 自训练完全相同的流水线，识别出七类测量失效——每一类在缺少控制时都会反转结论：单次贪心解码的批处理伪影在未训练模型上制造能力变化、expansion 统计给冻结模型分配 0.28 的假获取率、阈值修复后的 null 依然非零。替代方案（逐问题精确检验 + 合并基线池 + FDR 控制）在任何 held-out 副本上检测不到任何真实转移。梯队实验进一步揭示：外部蒸馏能改善 base 模型未触及的问题而三种自训练不能，回归分析以 p<10⁻⁸ 拒绝该不对称性是总体增益差异的副产物。本文为转移级审计立下规矩：每个报告的统计量都需要单独测量的 null。
深度精读 KAIST 与 DeepAuto.ai 产学合作论文 PolicyGuide：客服 LLM Agent 的合规失败不仅来自危险动作，更来自跳过身份核验、跳过确认等程序遗漏，而动作局部检查的运行时守卫无法引导多步流程。该工作把每个领域的策略编译为工作流图，在用户轮次边界调用前瞻验证器，从持久化图状态对账未决请求并返回步骤级补救，兼具外部守护与工作流强制双角色；在 τ²-bench 三域上将 GPT 5.4 平均 PASS⁴ 从 0.42 提升到 0.62，telecom 域从 0.19 跃至 0.61，同一工作流零改动迁移到 Claude Sonnet 4.6 与 Gemini 2.5 Pro。
现有代码生成系统大多假设仓库架构已经设计好，只负责往里填代码。Repo0（上海交通大学 + 重庆大学，2026年8月）直面「零到全」生成：从一句自然语言需求出发，构建整个软件项目，同时推断功能与架构。它的核心是把软件设计从「一次性静态蓝图」变成「持续结构演化过程」——用需求 DAG + 组件 DAG + 对齐关系构成的双 DAG 架构状态，在内聚/耦合等模块化度量引导下，通过 split/merge/revise/add/save 五种结构动作迭代演化至收敛，再由收敛架构引导测试驱动开发生成。在 RepoCraft 六个真实仓库 × GPT-5 mini 与 DeepSeek V3.2 双骨干上，Repo0 全部设置 Functionality Coverage 与 Pass Rate 最高，相比最强基线 RPG，Pass Rate 最高提升 29.74 个百分点。本精读覆盖问题定义、双 DAG 机制、五种结构动作、跨模型互评设计、消融证据与通用灵感。
上海创新研究院与复旦大学联合发布 SWE-bench Science：覆盖 20 个科学领域、98 个真实仓库的 119 个任务，以 Issue 驱动、专家探索、工程集成三种范式考察 coding agent 在科学软件上的真实修复能力，并用隐藏预言机与反校准协议狙击伪修复。结果所有最强 agent 的 Pass@1 均不足 50%，四类失败机制归因与科学信息双向消融揭示了科学知识与代码推理交织处的深层瓶颈。
当低资源语言推理微调只被一个准确率数字评判时，我们到底在测什么？Sophea AI 在三家 MoE、四个模型上用 11.8 万行希腊语语料做 SFT 与 RLVR 实验，发现最佳微调 arm 76.5 分竟低于基线 77.2 分，而随机种子的噪声地板高达 7.7 分——翻译基准准确率被训练噪声主导，几乎不携带信息。改用六维行为度量后结论完全翻转：SFT 让 98% 推理轨迹切换为问题语言、token 省 3 倍；RLVR 把格式违规从 24% 修到 2.5%、答案泄漏清零，且希腊语思考习惯 98.2% 保真。一篇把 null 结果写成方法学的罕见论文。
阿尔法公社合伙人刘罡用"募投管退"四个字拆解一家投资机构的完整运转逻辑：募资端LP画像与基金规模的反向规律（规模越大越难创造高回报）；投资端"感性下判断、理性做验证"与成本估值法；条款端为何专业早期基金从不对赌、从不签无限连带——条款是阶段的函数；退出端"投资是艺术，退出也是艺术"，中途转让老股反而是化解机构与创始人股比矛盾的方式。对创业者最有用的部分是一套选钱原则：不拿不专业的钱，拿合格、专业、阶段匹配的钱。
《晚点聊》WRC 期间对话北京人形创新中心戴勇、张怡与前华为 AI 专家唐都钰。VLA 与世界模型的路线之争被拆到表征层：VLA 泛化差的病根是"特征漏斗+预训练与后训练范式不一致"；世界模型则被戴勇称为"AI 时代的永动机"——指望它生产数据，它本身却缺数据，“至少到现在是个童话”。北京人形的答案是 Pelican-Unify 大一统强耦合路线，年底 2.0 要拿出具身领域的 scaling law；唐都钰离职创业做"主动式物理因果模型"，并转述图灵奖得主 Sutton 的机器人幼儿园设想。
8月19日朱雀三号一子级在甘肃民勤着陆，成为中国首款入轨回收的重复使用火箭。副总设计师董凯在发射前夕接受晚点聊采访，核心判断是"不应叫可回收火箭，应叫可复用火箭"——复用周期必须压到一个半月以内（新造一发的周期）才有意义。文章拆解不锈钢储箱的工程账、天马实验室的焊接试错、从体制内"控制下限"到商业公司"整合链条"的组织差异，以及SpaceX作为心理锚点的意义。
硅谷101本期深扒AI数据中心背后的债务暗账：美国五大hyperscaler发债总额已达1.65万亿美元，回购四年缩水九成、发债规模暴增至年均六倍，巨头用SPV搭壳、融资租赁、信用衍生品担保、超长期租约五种手法把债务移出资产负债表。Meta路易斯安那Hyperion项目借273亿美元、表内只留23.7亿；微软融资租赁负债两年翻倍至629亿藏进"其他负债"；Oracle签下2600亿租约尚未起租分文未上表。华尔街私募信贷因SaaS崩盘急于转投AI基建，GPU被证券化为可投资资产，黄仁勋宣布联合六大资管成立5000亿美元算力融资平台。两位华尔街投资人给出反方视角：认购倍数下滑是市场变挑剔而非缺钱、Oracle CDS新高是商业模式转型后的正常reprice、数据中心债占企业债市场仍是零头，AI次贷危机论未必成立。