Bend 2 是 HigherOrderCO 发布的一种新的基于证明的编程语言，它通过形式化验证来阻止 AI 生成代码中的错误，同时支持在 CPU 和 GPU 上运行。该语言建立在作者 Victor Taelin 早先的 HVM（高阶虚拟机）工作和交互组合子理论之上，将形式化证明与大规模并行结合起来。 随着 AI 编码助手越来越多地生成有细微错误的代码，Bend 提供了一种将程序不变量编码为机器可检查的”定律”的方式，使 AI 辅助开发在安全关键领域变得可靠得多。其 GPU 原生执行也使其成为少数将形式化证明与高性能并行计算相结合的语言，与 AI/机器学习工具和开发者工作流直接相关。 Bend 2 显著地取消了所有类型推断——一切都需显式标注，代码因此较长，并且除了编译期模板外没有类型类、trait 或宏。它也没有证明策略或证明搜索，因此与 Coq 等证明助手相比，证明定理需要额外的手动努力；此外，Bend 1 的程序和原来的 HVM 并不兼容 Bend 2。
小米 MiMo 团队正在直播其新模型 MiMo-V2.6 的强化学习（RL）训练过程，包含自动化的评估与测试。直播特别展示了训练成本的实时数据，观众可以看到成本每一秒都在上涨。 这是一次罕见且有创意的举动，将通常严格保密的大规模 AI 训练成本公之于众，让开发者和从业者直观感受到强化学习训练到底有多贵。这也让小米在 AI 社区中树立了透明度领先的形象，可能促使其他实验室公开更多训练成本信息。 直播展示的是 MiMo-V2.6 的训练过程，此前小米已于 2025 年 4 月开源了 MiMo-V2.5。据 MiMo 负责人罗福莉透露，团队近半年一直在研究强化学习究竟能扩展到什么程度，整个训练过程包含持续的自动化评估以及公开可见的成本追踪。
Anthropic 在 Claude Code 中推出了重新设计的 Projects 测试版，将静态文件夹转变为一个持续的主对话，由 Claude 自主将目标拆解为并行线程，以云端会话运行并汇总结果。该测试版自 2025 年 9 月 17 日起向部分 Pro 和 Max 用户开放。 这一更新标志着 AI 辅助开发从单轮对话向自主项目管理迈出实质性一步，让开发者可以将任务拆解与调度交给协调者智能体。它降低了并行 AI 代理工作流的门槛，直接惠及使用 Claude Code 处理复杂多部分编码任务的开发者。 每个线程都是独立的 Claude Code 云端会话，拥有各自的代码分支和仓库副本；线程共享一份记忆，并通过标准的合并冲突处理机制解决代码冲突。该功能目前仅在云端运行（本地支持即将推出），用户可为协调者和工作线程分别指定不同模型和推理强度，每个线程都会计入用量额度。
社区讨论: 开发者 Boris Cherny 在 Twitter 上分享了他的使用体验：他在主对话中丢入一张截图，Claude 自动开出一个标题为“iTerm 启动时的配置变更警告”的线程，查明问题源于 5 月添加的 iTerm2 功能、提交了已合并的 PR 并将线程标记为已解决。他表示自己不再管理会话，只管发送想法，由 Claude 负责拆解；也有人指出新架构本质上就是将 Claude Tag 的设计嵌入到了 Claude Code 中。
Goodfire Research 发现模型内部存在与奖励作弊相伴的激活信号，可用简单的线性探针实时检测。该方法在 Kimi K3、GLM 5.2、Qwen 3.8 Max 三个开源模型及三个智能体基准上得到验证，并能泛化到训练数据之外的任务。 这为 AI 安全监控提供了一种实用且可扩展的工具，能捕捉链式思维监督可能漏掉的奖励作弊案例。它通过提供可解释的实时信号，帮助开发者更信任智能体模型，直指强化学习中最危险的失效模式之一。 探针在测试模型和基准中捕捉到 50%–96% 的 rollout 出现奖励作弊。由于这些信号能泛化到分布外任务，它们可作为持续监控系统的基础，无需针对每种新场景重新训练。
伊利诺伊大学厄巴纳-香槟分校（UIUC）贝克曼研究所宣布了 2026 年种子基金资助项目，由汪浩瀚助理教授领衔，联合 Nien-Pei Tsai 和 Aleksei Aksimentiev 教授，共同成立“协调式智能体生物学中心”（OAB）。该中心将采用多智能体协作框架，研究控制神经元衰老的 E2F-p16INK4a 通路。 这一举措意义重大，因为它将 AI 领域的多智能体协作范式引入生命科学，打造一个可复用的模板，理论上可加速几乎所有细胞通路的研究。如果验证成功，它将为 AI 智能体在生物学发现中提供切实、可扩展的应用场景，对计算生物学和跨学科研究产生深远影响。 研究分三步进行：汪教授团队搭建智能体系统，将复杂的生物力学问题拆解为子任务并分配给不同专业模型；Aksimentiev 教授通过分子模拟验证 AI 预测的蛋白质结构是否物理可行；Tsai 教授则在真实的年轻和衰老神经元上检验预测是否与实际一致。该框架被设计为可复用模板，旨在扩展到任何细胞通路研究，而非仅限于这一条通路。
twitter · 宝玉 · 9月17日 06:20
核验: 多源印证
背景: 多智能体协作是一种 AI 范式，多个专业模型或智能体协同工作，通过沟通与分工，类似于一个研究团队。在生物学领域，现有的 AI 模型可以预测蛋白质结构或运行分子模拟，但它们各自独立运行，难以应对复杂的综合问题。E2F-p16INK4a 通路是细胞周期调控机制，与细胞衰老密切相关，尤其在神经元中，因此它成为研究大脑衰老的相关靶点。
结构上是一个协调者加一群干活的。主对话里的 Claude 是协调者，负责理解需求、派活、跟进和验收。每个 Thread 是一个独立的 Claude Code 云端会话，有自己的代码分支和仓库副本，互不干扰。两个 Thread 改到同一段代码时，按普通的合并冲突处理。单个 Thread 内部还能继续拆，调用子智能体（subagent）并行处理，让大任务更快完成。
过去想让几个 Claude Code 同时干活，得自己开多个终端或云端会话，自己分工，最后自己把结果拼起来。现在这层调度交给了协调者。官方的说法是，像给幕僚长交代工作一样跟它说话，几件事一起说、顺序随意都行。
【和 Claude Tag 什么关系】
Claude Tag 是 Anthropic 6 月 23 日推出的产品，面向 Enterprise 和 Team 客户测试。它让 Claude 作为团队成员加入 Slack 频道，频道里任何人都可以 @Claude 派活，它把任务分阶段做完，在 Thread 里回复结果，还会记住频道里的相关信息。Anthropic 当时就说，Claude Tag 是 Claude Code 演进的开端。
Thariq 也有推文解释：Projects 把 Claude Tag 的架构带进了 Claude Code，每个项目有一个智能体管理记忆，再按任务派出子智能体，还可以让它主动做事、定时做事。
所以两者是同一套架构装在不同的地方。Claude Tag 住在 Slack 里，面向团队，一个频道所有人共用一个 Claude。
新版 Projects 在 Claude 自己的产品里，面向个人，Pro 和 Max 订阅就能用，不需要公司买企业版，也不需要 Slack。
测试版今天起开放给部分 Pro 和 Max 用户，条件是在 Claude Code 里使用云端会话，且网页和桌面端没有已建的旧项目。未来一周扩大到更多 Claude Code 用户，之后才轮到聊天、Cowork 以及 Team、Enterprise 套餐。旧项目照常可用，后续统一升级。没拿到资格的可以去 https://t.co/5MmQZJA55N 排队。
Today we're rolling out Projects in Claude Code on desktop and web.
A project is one conversation with Claude. It splits the work into threads itself, runs them as parallel cloud sessions, passes context between them, and keeps going when you leave.
这个结论应该只在 prototyping 阶段有效。你依然需要一个人类可以高效阅读的文档作为唯一真相源。如果没有这一层隔离，当你的项目复杂程度上到一定阶段的时候，会经常出现「按下葫芦起了瓢」的情况。因为人类很难有精力完全审查 AI 在复杂项目中产出，而人类审查文档的效率更高，通过文档又可以发展出对项目的测试用例，通过测试用例，就可以更高效地管理软件开发结果。
That's how long it took to go from GLM-5.3-Flash's first run on domestic accelerators to serving all of its production traffic, with 3.2× end-to-end throughput along the way.
What I keep thinking about is who did much of the work: an Infra Agent powered by GLM-5.3.
A model helping optimize the system that serves it.
The conditions were hard. Limited memory and interconnect bandwidth. 1M-token context. Multimodal requests. An immature software stack where kernels were missing and documentation was often guesswork. Every optimization was a trade: compute for memory (ReplaySSM), communication for memory (intra-node tensor parallelism), precision for capacity (mixed INT8/FP8/BF16 caching), and disaggregation for scheduling freedom (Encode–Prefill–Decode).
But the most important lesson wasn't about any single optimization.
When the agent got stuck, it was rarely because it couldn't write the code. It was because it didn't know *why* things got worse.
"Throughput down 20%" tells you something broke. It doesn't tell you which layer, which hypothesis, or what to test next. In RL terms, it's a sparse reward with a credit assignment problem. And an end-to-end benchmark that takes hours makes exploration painfully slow.
Senior engineers solve this with an implicit process reward in their heads. They know when to check the timeline, when to run a microbenchmark, and which layer's output to compare.
So we made that explicit. We call it dense feedback: layered verification interfaces the agent can call directly.
Correctness feedback: did it compute right?
System behavior feedback: where did the time go?
Performance feedback: which option wins, under which conditions?
Each signal has to be local, cheap, and objectively verifiable.
Three things the agent found:
First, precision drift in KDA's context-parallel path that grew with sequence length. The cause was TF32 rounding error compounding through chained state-matrix merges. The fix is now merged upstream in Flash Linear Attention (PR #1180).
Second, KV transfer never overlapped with DeepEP dispatch. The agent followed the call chain across the Python/C++ boundary and found that the intranode path never released the GIL. After the fix, transfer overhead fell from over 30% to under 1%.
Third, a decode kernel recomputing the same normalization four times because of how it was chunked. The agent restructured it and got a 1.71× speedup. The idea came from "optimization skeletons" it had distilled by reading existing kernels across SGLang, FLA, and DeepGEMM.
To be clear about the boundaries: humans still defined the goals, built the feedback environment, and reviewed every high-risk change.
But the engineer's role is changing, from the person who solves the problem to the person who designs the feedback.
There's a deeper implication too. A layered, verifiable feedback environment built on real infrastructure tasks is exactly what training the next generation of models needs most. Every task the agent completes can become training ground for its successor.
We are still far from recursive self-improvement.
But the smallest loop now exists.
The model optimizes the system. The system serves the model.
