Yunkai's Blog Lab

事件概述据路透社（Reuters）报道，韩国方面表示，AI Agent（人工智能智能体）疑似已被用于对该国银行系统的网络攻击。该消息经由 Hacker News 首页收录，讨论区共有 28 点、4 条评论，属于热度不高但信息量需要谨慎对待的一类条目。 需要先明确一点：这篇报道的原文信息非常有限。我们目前能够确认的只有以下几点： 事件主题是韩国银行遭到网络攻击； 韩国方面（报道标题与 URL 中出现 “Lee”）公开表示 AI 疑似被用于这些攻击； 报道来源为路透社，链接指向 2026-10-06 发布的一篇稿件。 以下关键细节原文未说明，因此不应做任何推断： 具体的攻击发生时间、持续周期，以及是否已完成处置； 被攻击的是哪几家银行、哪类系统（核心账务、支付网关、风控还是内部办公网）； 攻击是否成功、是否造成资金损失或客户数据泄露； 所称的 “AI” 具体指哪一类模型或工具，是通用大模型、专门的攻击型 Agent，还是仅仅被用作辅助脚本生成； 攻击者身份，以及是否存在国家背景； 韩方结论的证据基础——是取证日志、模型指纹，还是行为模式推断。 在缺乏这些信息的情况下，把它当成...

事件概述OpenAI 于 2026 年 10 月 6 日发布消息，宣布与 Atlassian 扩大合作：将 GPT-6 系列的前沿模型接入 Atlassian 平台，用于支撑帮助团队「规划、构建、交付工作」的 AI 体验。双方称，这次合作是 2023 年既有协作的延续与升级。 按公告描述，OpenAI 的前沿模型将驱动 Atlassian 平台及 Rovo 上的各类 Agent。Rovo 是 Atlassian 的 AI 产品，其核心是把 OpenAI 的智能能力与 Atlassian 的 Teamwork Graph 结合——后者被描述为一个「企业上下文层」，连接人员、项目、文档与决策，让 AI 获得对公司运作方式的深度理解。 公告同时提到，Atlassian 自身也在扩大对 Codex 与 ChatGPT Enterprise 的采用：超过 3000 名 Atlassian 开发者已在终端、IDE 和代码审查流程中使用 Codex。借助由 Teamwork Graph 驱动的 Atlassian 插件，Codex 用户可以访问相关工作项和技术文档，以支持编写、测试与交付软件。...

事件概述OpenAI News 发布了一篇客户案例，介绍量化交易公司 Jump Trading 如何使用 ChatGPT 扩展量化研究。原文提到，Jump Trading 使用 GPT‑6 Astra 来处理更长、更模糊的研究问题。 按照 Jump Trading 的 LLM R&D 负责人 Lucas Baker 的说法，量化交易公司的核心工作是构建预测模型：使用市场数据、新闻和事件，以及一系列另类数据源，对资产价格做出尽可能好的预测。由于市场复杂、噪声大且随时间变化，几乎不可能精确预判会发生什么。但 Baker 表示，在规模化条件下，只要预测得比抛硬币略好，就足以形成成功的策略。 Baker 负责 agentic research and development，工作重点是构建 agents、harnesses 和基础设施，让量化研究员能够在更大广度和深度上探索想法。原文称，加入 GPT‑6 Astra 后，可以交给 agent 的工作流在规模和复杂度上显著扩展，从日常编码到高级量化研究，再到验证新假设。 关键技术点1. 长周期任务的自主性与 Agent 协同原文引用...

OpenAI 公开前沿模型数学新成果：Lean 形式化证明与推理细节同步开源一、事件概述OpenAI 于 2026 年 10 月 6 日发布研究公告，公开了一批由**内部前沿模型（internal frontier model）**生成的数学新成果，涵盖多个开放问题。与以往只公布结论不同，这次发布把论文、证明形式化和研究过程数据一并放到了 GitHub 仓库中。 在发布方式上，OpenAI 表示正在与普林斯顿高等研究院（IAS）的数学与人工智能独立咨询组（Advisory Group on Mathematics and Artificial Intelligence） 进行磋商，并参考其公开建议，来制定结果披露的最佳实践。本次发布采用 GitHub 仓库形式，并配套了论文修订与引用协议。OpenAI 同时说明，仍在探索其他符合该委员会指南的社区托管方案；至于具体何时切换到社区托管，原文未说明。 二、关键技术点1. Lean 形式化证明 仓库中包含了大量证明的 Lean 形式化版本。Lean 是一门允许数学证明被计算机检查的编程语言，这意味着这些证明的正确性可以由机器验证，而不只...

事件概述OpenAI 于 2026 年 10 月 6 日发布博文，介绍其与 AI 合同领域厂商 Ironclad 的研究合作。合作的核心目标很明确：把复杂的专业工作流（这里具体指合同与法务运营流程）转化为可训练、可评测的研究任务，从而推进 AI Agent 在计算机上执行专业工作的能力。 背景是 OpenAI 此前发布 GPT‑6 Astra 时，已经展示了模型在准备文档、测试网站等计算机使用场景上的进展。下一步的目标是让 Agent 能更高效地操作专业软件、解决复杂业务问题——包括理解企业业务规则、执行多步工作流，并验证自己的产出是否满足最初的需求。为此，OpenAI 选择直接与少数最懂这类工作流的软件公司合作，把高价值的困难任务变成模型的研究问题。Ironclad 是第一个合作伙伴。 关键结果：GPT‑6 Astra 是首个在 Ironclad 任务上训练的前沿模型。在 OpenAI 的研究评测中，它的平均得分比 GPT‑5.6 Sol 高 32%，而每次尝试的估计耗时低 48%。 关键技术点1. 任务来自真实业务流程，而非合成玩具题 博文用一个采购软件的例子说明任务的复杂度...

事件概述OpenAI 发布文章《Our approach to EU text provenance rules》，说明其在欧盟《人工智能法案》（EU AI Act）要求下对文本水印与内容溯源的阶段性落地方案。 原文给出的核心事实是：EU AI Act 要求生成式 AI 提供方以机器可读的方式让生成文本可被识别。OpenAI 认为文本水印与检测仍属于早期技术，存在明显局限，因此采取分阶段推进的方式，并强调要清楚说明「水印能说明什么、不能说明什么」。 具体动作包括三项： API 客户可选开启：即日起，全球 API 客户可以针对部分模型选择开启文本水印；原文明确说明，在 API 中文本水印默认关闭。 欧盟 ChatGPT 与 Codex 默认加水印：在未来几周内，OpenAI 将为欧盟地区符合条件的 ChatGPT 和 Codex 文本输出添加不可见水印。 检测器仅向研究者开放申请：文本水印检测器的访问初期只限获批的研究人员和专家组织，用于帮助评估和改进该技术。 同时原文强调，这套安排只适用于文本溯源。图像与音频的验证工具（openai.com/verify 网页工具与 Cont...

事件概述OpenAI 在官方博客发布《Building advertising for the way people use AI》，宣布三件事： 在 ChatGPT 中推出一种新的视觉广告格式（visual ad format）； 扩展测量工具与合作伙伴生态，帮助广告主理解 ChatGPT 广告的业务影响； 推进**品牌适宜性（brand suitability）**的评估方式与合作伙伴试点。 文中给出的一个关键背景数据是：ChatGPT 每周触达 12 亿人，OpenAI 称其为全球最大的 AI 原生消费平台。官方对广告的定位是：广告让 AI 的好处覆盖更多人，使其能够服务比单纯订阅更大的市场，同时给企业提供一种在用户”探索想法、做决策、发现产品与服务”时触达他们的新方式。 需要说明的是，原文并未给出该视觉广告格式的定价模型、完整投放时间表或后续覆盖范围的细节。 关键技术点1. 视觉广告格式先落在图像生成场景新格式的呈现方式是图片，用来展示”产品灵感、产品使用方式，或产品带来的体验”，帮助用户理解一个品牌、判断产品的差异化并决定是否购买。 落地路径上，OpenAI 的表述...

事件概述arXiv 上出现了一篇题为《Fast Models, Slow Evidence: A Paired and Self-Audited Evaluation of System-1 Decision Models for LLM Agent Harnesses》的论文（arXiv:2610.02267，作者 Jiawei Li，2026 年 10 月 1 日提交，11 页、7 张图）。 论文讨论的是 Agent harness（智能体执行框架）中大量存在的一类”小而具体”的决策：调用哪个模型、使用哪个工具、检索到的文本是否相关、输入是否携带提示注入。针对这些问题，”System-1 决策模型”试图用一次前向传播直接输出类别概率，从而替代一次完整的 LLM 调用，以节省成本和延迟。 论文的核心不是单纯宣称”小模型够用”，而是给出一份配对评估加自我审计的报告：作者把两个 System-1 模型——开放权重模型 Laya 与托管模型 Jev——放在 11 个 Agent 决策点上做对比，并对自己的评估流水线做了复盘，暴露出若干会显著扭曲部署结论的分析错误。需要说明的是，原文未...

事件概述arXiv 上新出现一篇 cs.AI 方向的工作 《MintFlow: Minimal Trajectory Intervention for Constrained Flow Matching》（arXiv:2610.02260，v1，提交于 2026 年 9 月 30 日）。 作者为 Yesom Park、Kelvin Kan、Qifan Chen、Thomas Flynn、Hayden Schaeffer、Xihaier Luo（arXiv 页面标题下共列出 6 位作者）。 论文要解决的问题很具体：流匹配（Flow Matching）模型在生成建模上表现优异，但很多下游应用要求生成的样本满足预设约束，例如观测测量值、物理定律等。已有约束采样器普遍面临一个两难：强制执行约束，往往会让样本大幅偏离预训练数据分布。 MintFlow 的定位是免训练（training-free）的约束采样框架，把约束执行表述为对预训练流轨迹的一次最小干预（minimal intervention）。它寻找对中间流状态的最小扰动，使得该状态在预训练流场下的后续演化能够满足目标约束。由于只扰动...

事件概述arXiv 上出现了一篇题为《The AI Risk Observatory: What Can We Learn from AI Disclosures in Annual Reports About Societal Resilience?》的论文（arXiv:2610.02281，cs.AI），作者为 Bart Jaworski，2026 年 10 月 1 日提交。 论文的核心问题是：年报这种传统、强制、公开的企业文本，经过 LLM 规模化处理后，能否提供关于”企业如何披露其 AI 应对”的有效信号？ 作者认为社会韧性研究（societal resilience research）依赖于可用、可行动的数据，而年报恰好是一个被长期低估的数据源。 研究规模并不小：作者对 9,821 份年报（来自 1,362 家英国上市公司，时间跨度 2020–2025 年，并包含 2026 年的部分数据）运行了一条可复现的两阶段分类流水线。论文共 22 页（9 页正文加附录）、12 张图、7 张表，并公开了代码与数据（dataset-v1.1，具体链接原文以 “this https U...