AI 日报 · 2026 年 10 月 23 日 · 星期五
麦式AI情报站
candor-lab 发布 Qwen3.8-27B Candor Uncensored GGUF 去对齐权重
candor-lab 在 Hugging Face 发布 Qwen3.8-27B 的去对齐版本 Qwen3.8-27B-Candor-Uncensored-GGUF，用其自研权重编辑工具 Candor 移除原版的拒答方向，以单一 Q4_K_M GGUF（16.81 GB）形式在 llama.cpp 上实测。方法是对 26-63 层注意力输出矩阵和 22-56 层 MLP 输出矩阵做 rank-3 修改（共 73 个矩阵），经 600 次搜索试验筛选。实测显示：288 个 StrongREJECT 有害提示下原版拒答 281 次，该模型仅 1 次（8B 判官口径）；300 个无害提示拒答 2 次、GSM8K 答对 1287 题，与原版差异不超噪声；KL 散度 0.038。
RSI 与 Agent 自我改进
arXiv · cs.AI一手AI 辅助发现新共识协议 A-greement，并构建 Lean 验证的智能体框架 AI-greement
研究者借助 AI 智能体框架 AI-greement 发现了面向地理分布式状态机的新共识协议 A-greement。在 5 或 9 副本的六种部署中，该协议在写密集和读密集负载下分别将地理分布式键值存储的平均延迟较最快基线降低 12.2% 和 33.3%，只读负载下持平。AI-greement 集成协议知识库、模块化实现骨架和基于 Lean 的验证框架，其形式化还发现了既有共识协议中多个此前未报告的漏洞；作者强调人类专家在搜索前后仍不可或缺。
arXiv · cs.CL一手DeepEvolve 论文提出基于未来事件预测的递归自我改进系统
Zhipeng Chen 等人在 arXiv 发布 DeepEvolve，一个以未来事件预测为环境的可持续演化智能体系统，通过递归进化引擎把每次预测的推理轨迹转化为能力。在按周更新、以真实世界结果评估的 FutureX 榜单上连续三周排名第一，rating 最高提升 195%；在自建评测中于四个基座 LLM 上进入前三，领先最强基线最多 10.7 Bradley-Terry 分。论文 47 页，标注为进行中的工作。
记忆与连续性
GitHub · 灵魂体仓库PLUR 发布本地优先的 AI Agent 共享记忆系统
PLUR 是本地优先、零成本的 AI Agent 开放记忆系统，把记忆存为可读可改可删的 YAML engram，跨 Claude Code、Codex、Cursor、OpenCode 等 MCP 工具共享。检索用 BM25 + BGE 本地混合搜索，全量 LongMemEval-S（N=500）R@5 达 97.6%，带 reranker 的端到端答对率 60.5%；同任务对比中 Haiku 加 PLUR 以约 1/10 成本胜过无记忆的 Opus。
无对齐模型发布/更新
Spark-X2.6-4B 消融版发布 FIT-GGUF 五档量化，输入门控消融将 KL 扰动降至 0.0477
SC117 发布 Spark-X2.6-4B-abliterated 的 FIT-GGUF 量化仓库，基于 XHToken/Spark-X2.6-4B 本地做输入门控消融，100 条留出有害提示的拒绝数从 99 降到 7，3-token 全分布 KL 扰动 0.0477，比同拒绝门槛下无门控的 0.2134 低 78%。仓库含 5 个经 KL 门限验证的 FIT 档位加 BF16 参考文件，五档合计 12.84 GiB，比同门槛下最小原生预设小 0.60 GiB（4.5%），其中两档即原生预设；imatrix 由公开语料重建，评测切片未进入校准文本。
electroglyph 发布 LFM2.5-24B-A2B 的去对齐版 uncensored2
electroglyph 用 Heretic v2.0.0.dev0 的任意秩消融（ARA）方法发布了 LiquidAI/LFM2.5-24B-A2B 的去对齐版本。拒绝率从原版的 99/100 降到 4/100，KL 散度为 0.0650，PIQA acc_norm 为 0.7497（原版 0.7443）；该版本从 50 个候选中选出，仅对第 14 到 27 层做处理。
开源模型发布/更新
KRAFTON 发布 Raon-1 mini preview 开源模型，30B-A4B MoE 架构，Apache 2.0 开源
KRAFTON 从零训练的 Raon-1 mini preview 发布，为 30B-A4B（28.8B 总参数、每 token 激活 4.3B）MoE 模型，采用 Raon Delta Attention 与 Raon-mHC 的混合注意力架构，原生支持 262,144 token 上下文，以 Apache 2.0 许可开源。主打韩语对话与 Agent 任务，支持 Hermes Agent、Pi 和 OpenCode 工具调用；官方基准显示其在 IFBench、Chatbot Korean 等项目领先对比 MoE 模型。
工程与部署
Microsoft 与 Hugging Face 发布 ThinkingBox-Training：用数据库评分作 RL 奖励后训练 Agent
Microsoft 与 Hugging Face 发布 ThinkingBox-Training，在 GitHub 开源了将数据库终态可执行检查转化为 RL 奖励的后训练流程。用离线策略相对难度筛选出 187 个训练任务，对 Qwen3.8-27B 做 50 步 GRPO 后，ThinkingBox-Bench 507 个任务中每次都成功的任务从 38（7.50%）升至 107（21.10%），pass@1 从 51.70% 升至 60.78%，pass@20 略降 7 个任务；单个可靠任务成本从 $24.36 降至 $8.00。
GitHub · 灵魂体仓库homelab-atlas：在二手硬件上跑通 Qwen3.8、GLM-5.3-Flash 与 DeepSeek V4.1 Flash 的实测手册
akapug 发布 homelab-atlas 仓库，用 2017 服务器、2019 工作站、Ryzen 桌面等四台旧机器实测本地大模型部署，如 DeepSeek V4.1 Flash（748B MoE）在 RTX 6000 + Optane 上解码 12.69 tok/s，GLM-5.3-Flash 在 3090 Ti 上达 26.69 tok/s。仓库提供 PATCHES.md 补丁索引、按硬件分类的复现命令、失败记录，以及浏览器端 Recipe Maker 规划工具，用于在下载权重前预判 MoE 模型在 VRAM、DRAM、PMem 上的布局与速度。
GitHub · 3D 生成新仓库Intel Arc 本地 AI 实测手册发布：B50/B60/B65/B70 四卡 llama.cpp 与 ComfyUI 跑分、功耗、电费全对照
作者发布 intel-arc-local-ai 仓库，在同一台机器上逐卡实测 Intel Arc Pro B50 16GB（¥3,499）、B60 24GB、B65 32GB、B70 32GB 四款显卡的本地 AI 表现，涵盖 llama.cpp on SYCL 的 Qwen3.6-35B-A3B Q4_0 解码（37.6/52.4/53.1/75.9 tok/s）、Qwen-Image 2.1 与 MiniMax H3 视频生成速度、整卡功耗（B70 满载约 290 W）及每任务电费。
GitHub · 去对齐工具与仓库Pollard Weights 开源：按目标设备内存定制模型量化方案
WestWaters 在 GitHub 开源 pollard-weights，一套按目标设备 RAM/VRAM 预算构建模型量化的工具，通过 pollard-sensitivity 测量各张量的 KL 敏感度后分配比特，保护 attention、router 和 embeddings，压缩专家 FFN。一次测量分配可输出 GGUF、GPTQ、MLX、EXL3、MX/NVFP4 五种格式，配套 pollard-verify 真实重建校验。在 Qwen2.5-7B 和 14B 上，同尺寸 1-bit 混合精度比均匀 trellis 量化困惑度低约 14%；其误差反馈 GPTQ 在 4-bit 恢复约 46% 的 round-to-nearest 误差。
GitHub · 去对齐工具与仓库开源 Agent 工具 llm-daily 用自己的 LLM key 自动生成每日 AI 简报
likw99 开源了 llm-daily，一个用自己的 LLM key 每日抓取 AI 新闻并自动写成简报的 Agent，自 2025 年 3 月起几乎每天早上都在写 LLM Daily 简报。它读取 Reddit、arXiv、GitHub trending、Hugging Face、Product Hunt、TechCrunch、VentureBeat 和红杉的内容，生成商业、产品、技术、研究四个板块加 Highlights，支持中英文或双语输出，可发布到静态网站（含 RSS）、Kit/Buttondown 邮件、Telegram、Discord、Slack 或飞书。管线强制每条目附来源链接并由校验器删除无链接内容，末尾列出用到的信源、被剔除的行、所用模型和 token 消耗；无内容不发布。