AI 日报 · 2026-10-22

今天最值得关注的是基础模型向「少训练/免训练」落地推进：NVIDIA Kumo Relational 直接在关系数据库上做预测，声称无需任务级训练即超过有监督模型；Google AI 超声研究则让非专业操作者用低成本探头完成孕周评估，已在两个地域前瞻性验证。Agent 基础设施补上治理层，LangSmith LLM Gateway 进入公测，提供分层预算/限流、跨模型 fallback 与 PII 脱敏。模型与工具方面，IBM 发布 Granite 时间序列集成和 Granite Speech 5.0，NVIDIA Cosmos 扩展世界模型工具，Modal 推出 LLM 训练库 Dojo，VocabX 通过词表专业化把推理成本降低 77%。安全与政策上，OpenAI 公布跨服务统一安全策略和新版 Usage Policies，PHP 紧急修复两个 RCE 漏洞并披露了时间线泄露过程。

北美一手（LLMs 官方 & 关联账号）

OpenAI

⭐⭐ [其他] Broad access through consistent standards

OpenAI 发布博客，说明其在提供其模型访问的各类服务之间统一安全策略的工作：与客户和合作伙伴对齐安全政策，并要求托管模型及作为转售方的合作伙伴维持与 OpenAI 一致的安全防护、调查潜在违规，并在发现问题时协同执法，使限制在各项服务间保持有效。OpenAI 表示，模型部署前会评估其能力与风险、训练模型遵循安全要求，并测试防护在有人刻意绕过时是否有效；部署后则监控潜在滥用并展开调查。公司将于 2026 年 11 月 20 日生效新版 Usage Policies，明确安全模型开发与敏感用途的规则，并要求模型路由器、AI 网关等直接提供模型访问的服务须先获得 OpenAI 的审核与批准。OpenAI 还表示正与客户推进 SafetyIDs，使其在调查中可区分单个终端用户而不获知这些用户身份，并提及在 Private Safety Processing 上与客户和伙伴的合作。

Google

⭐⭐⭐ [研究] Empowering frontline maternal care with AI-assisted ultrasound

Google Research 与 Google for Health 介绍了一项发表于 JAMA Network Open 的前瞻性多中心研究：AI 模型通过「盲扫」超声评估孕周，使未接受专业超声培训的一线人员也能用低成本便携探头完成检查。文章指出，WHO 估计全球每年有超过 25 万例可预防的妊娠相关死亡，而三分之二的人无法获得超声等诊断影像。该 AI 系统此前基于美国北卡罗来纳州和赞比亚采集的超声数据、使用 Sonosite、GE 和 Butterfly Networks 商用探头训练；本次研究仅在其中一个目标人群上做少量调优，随后在美国芝加哥的 Northwestern Medicine 和肯尼亚内罗毕的 Jacaranda Health 两个场景进行前瞻性测试。测试中系统在移动设备上实时运行，操作者为新手，并使用此前不熟悉的 Clarius C3 手持式腹部探头。文章称该研究是朝扩大全球孕产护理覆盖迈出的一步。

衍生 & 周边（产品 / Agent / Tools / 观点）

模型发布

⭐⭐⭐ [模型发布] NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required

英伟达发布 Kumo Relational，一个预训练的关系型基础模型，可直接在企业数据库上做预测：给定一个预测查询，它从数据库里取最多 1 万条历史样本作为上下文，在一次前向传播中预测流失、需求、欺诈等结果，无需任务级训练、无需特征工程、也无需把多张表展平。英伟达称它是首个在常见关系型基准上超越有监督机器学习的小样本基础模型：在 15 个数据库的 41 个任务上优于有监督关系深度模型与专家特征工程的梯度提升树流水线，在 SAP SALT 企业基准上平均倒数排名（MRR）比 AutoGluon 集成高 8%。具体数字上，在 RelBench V1 分类任务上平均比基于专家特征的梯度提升树高近 4 个 AUROC 点；在 SAP SALT 上开箱即比基于工程特征的 XGBoost 高 7 个 MRR 点，微调后高 13 个 MRR 点。模型可扩展到 5000 亿行以上的数据库，可通过英伟达开源、GPU 原生的 structured-data-models 库或 NVIDIA NIM 调用，并已设计为可被智能体调用，提供预测查询语言 PQL 作为接口。

⭐⭐ [模型发布] Ensemble forecasting with IBM Granite time-series models

IBM 研究团队在 Hugging Face 发布 Granite Timeseries Ensemble 配方（granite-timeseries-ensemble-r1），把四个预训练 Granite 时间序列模型组合到一个可扩展的预测接口中：Granite PatchTST-FM-r1（patched Transformer）、PatchTST-FM-r2（patched Conformer）、FlowState-r1.1（状态空间模型）与 TTM-r3（Tiny Time Mixers，MLP mixer）。该集成无需在自有数据上重训，也不拟合集成权重；默认使用均匀概率池化的「Probabilistic Ensemble」，另提供基于四分位距（IQR）的自适应版本，并允许接入兼容的其他预测器。输出同时包含点预测与分位数预测（默认 0.1–0.9，例如 0.1 与 0.9 构成名义 80% 覆盖的区间）。配方仓库保存的是集成配置而非合并后的权重，运行时下载四个成员 checkpoint，因此首次运行需要更长时间；使用需安装 granite-tsfm>=0.3.11，配方与默认成员模型均为宽松许可。

⭐⭐ [模型发布] Granite Speech 5.0: Transcribe, Translate, and Attribute more Accurately and Faster

IBM 在 Hugging Face 上发布 Granite Speech 系列的三个更新：新模型 granite-speech-5.0-2b，以及更新版 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。granite-speech-5.0-2b 与 4.1-2b 参数量相同，可转写英语、法语、德语、西班牙语、葡萄牙语和日语，并在这些语言与英语之间互译，另支持英语译意大利语和普通话；训练数据为 39 万小时公开音频及针对日语 ASR、关键词偏置和翻译构建的合成数据，新增语言 ID 提示、最多 2000 条关键词偏置、按需标点与大小写，模型以 Apache 2.0 发布并支持 Transformers、vLLM、llama.cpp 和 mlx-audio。据文中图表，该模型在开放权重 ASR 模型的英语平均 WER 上以 5.06% 排第二。Turbo CTC 更新后支持七种语言、原生标点与大小写，并增强了对混响环境的鲁棒性；4.1-2b-plus 则改进了说话人归属、时间戳、关键词偏置和长语音表现。

产品更新

⭐⭐⭐ [产品更新] LangSmith LLM Gateway: Runtime Controls for Agents

LangChain 宣布 LangSmith LLM Gateway 进入公开测试（public beta）。该网关位于智能体与被调用的模型之间，作为集中治理层，用一个网关同时接入闭源与开源的模型，并避免厂商锁定。运行时控制包括：在组织、工作区、API key、用户四个层级设置带时间范围的支出上限与速率限制（触顶后智能体收到 402 响应），监控用量，以及跨模型、跨提供方、跨主机的模型兜底（fallback）规则。此外还支持多租户场景：通过自定义请求头识别终端客户，在共用同一 API key 的情况下为不同客户分别设置支出与速率限制；并可在请求送达模型提供方前检测、脱敏并替换 PII 与密钥。

⭐⭐ [产品更新] NVIDIA Cosmos Opens New Tools to Train, Evaluate and Deploy World Models

NVIDIA 扩展了 Cosmos 平台，新增训练工具、仿真 checkpoint 以及 Cosmos Data Factory blueprints，目标是帮助开发者更快构建世界模型，让物理 AI 系统能够理解并模拟真实世界。NVIDIA 表示，Cosmos 平台在六个不同的开放模型排行榜上进入前五名。文中把该平台定位为世界模型构建者获取前沿开放能力（frontier open）的途径。

⭐⭐ [产品更新] Get started with LLM training on Modal

Modal 发布训练库 Modal Dojo，称其为面向生产环境的 LLM 训练提供所需构件、调优好的默认配置与可观测性，目前已可用。该库建立在开源框架 Miles 和 Slime 之上，Modal 表示自己也向上游提交过若干 PR，用户可以调整训练配方、构建复杂环境、修改底层框架，甚至重做自带的观测面板。文中给出的示例不到 100 行代码：选择模型（如 Qwen3 8B/27B）、从 Hugging Face 载入数据集、定义自定义 reward function、指定 recipe，然后调用 launch() 启动训练；例子是在 GSM8K 上做训练。作者称该库已在从 5 亿到数万亿参数级别的模型上验证过，并支持用户自带模型，同时为所有支持模型提供自动优化的 recipe。文章的核心论点是：如果已有部署中的 agent harness 以及从中收集的评测和 trace，那么离开始用自己的数据训练只差一个易用的入口，而自建全栈控制是企业在任务智能上按每美元竞争的途径。

研究

⭐⭐ [研究] How Specializing the Vocabulary of SLMs Can Cut Inference Cost by 77% in Real Applications

文章预览了即将发布的 VocabX 论文：它不按词频、而按每个 token 的成本来专门化小语言模型的词表。作者在生产环境的葡萄牙语作文评分器上验证，该系统基于 Qwen3-4B，原先沿用通用 Qwen3-4B 的 151,669 条词表，导致领域高频文本被拆成多 token，且每生成一个 token 都要在整个大词表上打分。VocabX 在保持基础模型、数据和训练配方不变的情况下重建词表，实测推理成本下降 77%。文章还解释了推理分为 prefill 与 decode 两个阶段，并指出生成阶段逐 token 计算使写比读更贵。论文仍在评审中，文中数据可能变化。

其他

⭐⭐ [其他] Profiling TorchNeuron (Part 1): System-level profiling on AWS Trainium.

这是「Profiling TorchNeuron」系列的第一篇，介绍如何在 AWS Trainium 上系统分析推理性能、找出时间花在哪里；文章从零讲起，预设读者没有 profiling 经验。文中说明 TorchNeuron 是 Trainium 的开源原生 PyTorch 后端，支持 eager 执行、torch.compile 和标准 PyTorch API，并可通过 NKI 接入自定义算子。实践部分使用 torch.profiler：先由 NeuronConfig 指定要采集的数据流与 NeuronCore、输出目录，以及是否用 correlate_device_time 把设备时间带进 key_averages() 表；再由 NeuronProfiler 提供 export_trace 回调写出 trace.json。随后讲解如何读 key_averages() 表比较算子占用的 Neuron 设备时间与 Self CPU 时间，并借助浏览器端工具 Neuron Explorer 查看系统 trace、设备时间线和分引擎明细；采集设备数据时会生成成对的 .neff 与 .ntff 文件。文章最后以 RMSNorm 作为第一个分析对象展开。

⭐⭐ [其他] Today's PHP Security Release, and How We're Strengthening PHP Security

PHP 8.x 全线发布安全更新，修复两个远程代码执行漏洞；由于协调披露流程出现泄露，相关利用自前一晚起已在流传，任何运行 PHP 的环境都需尽快升级。PHP 基金会说明了泄露经过：10 月 20 日 15:00 UTC 左右，两个 CVE 编号在论坛和社交媒体流传，附带了错误的发布时间和错误的 CVSS 10.0 评分（实际为 9.2），当时没有泄露技术细节；项目因此把预告提前到 19:30 UTC 发布，并将发布日期从 10 月 22 日 14:00 UTC 提前至 10 月 21 日 14:00 UTC。泄露与预告之后约 20:00 UTC，报告问题的安全公司之一 Calif 误发了一段视频，展示其 PoC 在多个目标上生效，并透露了少量额外细节；视频删除后的副本在社交媒体流传，加速了各类 PoC 的开发，并在 10 月 21 日扩大了传播。发现漏洞的团队给出的时间线为：2026 年 8 月 19 日 Wiz Research 借助 Wiz Atlas、Gemini 4 Argon 和 GPT-5.6 Sol 发现第一个 PHP 漏洞；8 月 20 日确认可对 Drupal 实现未授权 RCE，8 月 21 日确认可对 WordPress 实现未授权 RCE；8 月 24 日向 PHP 安全团队报告；9 月 21 日 PHP 确认报告并开始开发协调修复；10 月 21 日补丁发布并公开披露。