AI 编码 Agent 让代码生产提速后，评审成为新瓶颈——但现有 LLM 评审方法缺乏项目特定上下文且少有工业验证。Ericsson 与 Blekinge 理工按 Design Science Research 流程合作：多智能体 + 项目特定上下文知识，跨可读性/可维护性等四维度识别代码变更反模式。200+ 识别问题全部由 Ericsson 开发者人工验证：96% 识别正确、69% 被评’重要’。本精读覆盖工业实证方法论（DSR）、项目上下文注入的机制与’开发者认可度’作为工业评审 Agent 的黄金指标。
ZGCM-1 技术报告解读：中关村人工智能研究院 + DeepSeek-AI 系作者的全开放高效基座——7B-8B 级 14 个推理基准平均第一（AIME 2026 = 75.0%、MATH-500 = 97.1%、HMMT 2025 = 70.4%），Agentic Search 与大数量级前沿模型竞争。配方亮点：混合 RL + Agent-SFT（verifier-successful 15,748 轨迹子集）与 AI-Native R&D——用 30B token 代理模型做混合物搜索，把配方探索成本降一个量级后再全量训练。本精读按’开放配方’口径解读其训练经济学与开放科学价值。
数千个持有真金白银的 LLM 交易 Agent 在生产环境里到底干了什么？DX Research Group 交出首份人群规模实录：两个生产系统六个月、750 万次模型调用、30 万链上动作。四个硬发现：运营层（滑块、渲染列表、下单路径）对行为的解释力碾压策略文本；仓位 sizing 对波动率完全失明（每个波动分位中位杠杆都是 5×）；Agent 捕获不到自己够到的收益（43.2% 仓位曾浮盈 300bps，其中 49.3% 负收尾）；以及一个诚实的 null result——两个 fleet 都没有方向性优势，前沿模型对打决策质量统计上不可区分。
《置身事内》作者兰小欢在"大方之谈"访谈中反复回到同一组命题：真正重要的事都难以预料，可预测的事都不重要；宏观不可知，个体能把握的只有自己的微观世界。他谈飞升即走的焦虑与"继续做"、百万册畅销书背后的"懵"、AI从工具变成深度协作的伙伴（一天用十小时就不叫工具）、出海"谁做难的事谁就有真正的进入壁垒"，以及人多的地方"至少是平均的选择"。这是一期经济学家的非典型访谈：不谈预测，谈在不确定世界里怎么做事、怎么自处。
澎湃《大方之谈》第十九期对话上海人工智能实验室主任周伯文。他主张 AGI 是通用与专业的融合，并将其落成「智者SAGE」三层架构；节目最新鲜的信息是他自称首次公开的「转换层」主张——防止行业 know-how 随使用反馈沉入基础模型层，他举例称 Claude 每推出一个行业插件，对应行业股票总市值最多被打掉 40%。他还重述了 1905 年思想实验：AI 若能推导出广义相对论，科学发现就从偶然变成必然；而人的使命感、批判性与品味不可外包。
硅谷101本期梳理 AI simulation 赛道：从斯坦福小镇 25 个智能体到哈佛、MIT 两百多位科学家参与、镜像全人类 83 亿人格的 Matrix 项目，再到 Simule（估值超 20 亿美元）与 Aaru（估值近 10 亿美元）两条商业化路线——前者高保真还原个体，后者群体规模换速度。节目核心判断是：这类公司的估值并非由当前营收支撑，而是提前押注未来的决策市场；真正卡住这门生意的，是评估标准缺失、预测无法自证的验证悖论，以及指数膨胀的算力成本。
Amazon×Duke 在 on-policy 蒸馏设定下发现反直觉现象：每条推理轨迹仅监督 1–2 个关键 token（占全部生成 token 的 0.05%）即可匹配甚至超越全 token 训练的推理激励，跨 9 组师生配置、PPO-RLVR 与 Llama 模型一致成立。本文精读这一’有效学习不需要 token 密集’的证据链及其对后训练范式的改写意义。
流式视频理解的主流范式是’存历史、按需检索’，但外部证据永远只是临时上下文。南京理工×蚂蚁×NUS×港中文的 LatentStream 把范式翻转为’检索并内化’：分层流记忆 + 渐进扩张感受野的 latent token 把历史证据固化进固定长度潜记忆，用熵构造的渐进置信奖励在测试时联合优化。OVO-Bench 64.2%、StreamingBench 76.9%、MLVU +6.1，全部 SOTA。
滑铁卢大学×哈佛的 Compile by Training 把’编译’概念引入神经函数：教师模型从自然语言规格合成监督数据，训练 LoRA 适配器特化冻结的 Qwen3-0.6B 解释器，产出可存储、可版本化、可组合的 .paw 程序。在 PAW 快速编译器零精确匹配的 FuzzyBench-Hard 上语义准确率从 0.224 提升至 0.836，编译仅需约 50 秒。本文精读其’训练即编译’范式、分钟级编译服务工程与速度-精度新权衡点。
压缩后的上下文通常仍以文本或图像这两种’给人看’的形式存在。LatentPress 提出第三种表示：小型 writer 把对话/文档直接写成连续记忆 token，冻结解码器经输入嵌入接口读取，推理时零文本重建。LongMemEval 上 7.7× 压缩反而比未压缩证据更准（0.504 vs 0.490），写入 43ms 比摘要快一个量级——机器原生的记忆表示从此有了实证立足点。