AI DAILY / 2026-09-22
Agent 开发与 AI 进阶实践
Improving synthesis prediction of small molecules at scale with RetroChimera
RetroChimera发表于Nature的逆合成模型，结合两个互补的深度学习模型并采用学习排序策略。在盲测中，化学博士对其单步反应预测的偏好超过先前模型与文献反应，且能召回稀有反应类型，并支持零样本迁移与微调。
为什么读可以一窥当前逆合成AI的最前沿水平，特别是模型集成与排序策略在化学发现中的实际效果。
带着问题读RetroChimera集成的两个子模型具体架构是什么，学习排序阶段使用了哪些特征？
The current balance of power in open models
作者在国会简报中分享开源模型现状：自2025年4月起，中国在开源模型领域领先美国，Hugging Face下载量约为美国两倍。文中区分开源、开放权重与闭源模型差异，并提到GLM-5.2、Kimi K3等中国模型在代理能力上的跨越。
为什么读用下载量等客观指标看清开源模型竞争格局，并厘清开源、开放权重与闭源之间的本质差异。
带着问题读中国开源模型下载量领先的具体驱动因素是什么，是否包含大量商业复用？
MCP was always a bad idea?
作者参加MCP全天活动后坦言对该协议感到厌倦，认为它是早期为不成熟LLM设计的方案，已被当下更强的代理工作流超越。文章回顾MCP由Anthropic于2024年11月发布的历史，并探讨其局限。
为什么读了解社区对MCP现状的真实反思，以及为何需要新的协议或方法取代它。
带着问题读MCP在当前代理场景中具体哪些设计已成为瓶颈，有哪些替代方案被提出？
0xNatoshi/jev-codex-router
GitHub项目，为Codex提供按轮次的模型与推理路由。由Jev（TypeSafe System One）驱动，可为每轮自动选择模型、思考深度与速度模式，以适配不同任务需求。当前星标约155，面向macOS用户。
为什么读看看如何为Codex配置按轮次的模型路由，以在成本、速度与质量之间灵活取舍。
带着问题读Jev在选择模型时考虑了哪些信号，是否包含成本、延迟或任务类型？
AbdelStark/awesome-typesafe-jev
GitHub资源汇总，围绕TypeSafe System One（Jev）模型的SDK、实时演示、代理工具与独立评测。列表内容由源码佐证，星标约423，覆盖AI代理与开发者工具方向，可作为入门与扩展参考。
为什么读集中获取Jev相关的SDK、演示与评测资源，快速建立对这一新生态的完整认知。
带着问题读列表中列出的独立评测是否覆盖Jev的安全性、长上下文或越狱能力？
mcncarl/jianying-headless
GitHub项目，提供剪映（Jianying）原生无头模式预览，支持隔离编辑与导出，并附带独立Agent Skill。星标约2331，仓库当前为私有预览，具体接入方式与稳定性需进一步核实。
为什么读若需自动化剪映剪辑与导出流程，可关注此项目提供的隔离编辑与Agent能力。
带着问题读项目如何保持与剪映官方版本的兼容性，更新频率与稳定性如何？
AI Evals: Everything You Need to Know
这份FAQ汇集向700多名工程师与产品经理讲授AI评估时被反复问到的问题，按入门基础、误差分析与数据采集、评估设计方法论、人工标注流程等主题分类，对二元评估、相似度指标、合成数据可靠性等议题给出明确立场，但作者强调这些观点仅适用于多数情况，需读者自行判断。
为什么读把零散的评估疑问按使用场景分层组织，新手与老手都能快速定位到当下最关心的问题。
带着问题读二元通过/失败评估在多数场景下真的优于1-5分Likert量表吗？
Jev: System One models for Prod, not God — with Diogo Almeida, CEO, TypeSafe AI
TypeSafe AI推出Jev，定位为面向生产场景的System One决策模型：输入文本，输出类别概率、是/否判断、评分及置信度等浮点数，并采用名为RLCD的新型强化学习方法。播客追溯RLHF三条支线历史，并展望Jev在分类、检索重排、智能体等场景的应用前景。
为什么读一次性了解一种全新模型范式及其背后哲学动机，并获得官方推荐的用例清单与延伸阅读路径。
带着问题读RLCD作为RLHF与RLVR之外的第三条路线，是否真能系统性避免幻觉与谄媚？
Jev introduces a new shape of LLM - System One, aka Decision Models
Jev接收文本或半结构化state对象，并行回答多个是/否、分类或评分问题，按输入token计费且免输出费，定价低于GPT-5 Nano。它适合垃圾检测、标签建议、搜索重排等分类任务，但完全不提供文本解释，偏见审计难度大增，作者呼吁慎用于简历评分等高风险场景。
为什么读清晰解释决策模型这一新范式的边界、定价与适用场景，并坦率指出黑箱回归带来的审计与偏见隐患。
带着问题读在缺乏文本依据的情况下，如何审计Jev用于简历筛选等高风险场景的潜在偏见？
Debating RSI, the US-China Gap, and Jaggedness with JS Denain of Epoch AI
Interconnects主播与Epoch AI洞察负责人JS Denain围绕递归自我改进的最新证据、中美模型能力差距及蒸馏解释力、机器人在加速中的角色、开源与闭源模型安全性等议题展开辩论，并勾勒前沿后训练配方的大致样貌，双方都强调对AI轨迹仍存高度不确定性。
为什么读提供难得的温和派视角，避免极端预测，有助于读者校准对AI进展节奏的判断。
带着问题读OpenAI公布的Codex支出增长能否作为AI自我加速的实质证据？
jev-chat/jev-chat-jarvis
仓库简介显示该项目借助Android无障碍服务读取微信、QQ、X、飞书等聊天界面，为用户生成候选回复并支持一键填入输入框，强调非侵入、只读屏幕、不hook不改包。摘要未提供架构、模型选型与性能数据等进一步细节。
为什么读把决策模型思路直接落地到日常聊天回复建议，工程实现思路值得移动端开发者借鉴。
带着问题读只读屏幕的无障碍方案在不同ROM与应用版本上的稳定性如何？
yifanzhang-pro/KLPO
仓库为KL-Regularized Policy Optimization for Agentic Reinforcement Learning（KLPO）的官方项目页，摘要仅给出标题与一句话说明，未披露具体算法细节、实验结果或对比基线。
为什么读提供面向智能体RL的KL正则策略优化新方法的官方入口，便于追踪论文与代码。
带着问题读KLPO相比传统PPO等算法在长视野智能体任务上的优势是否得到充分验证？