AnyGoal 提出世界模型组合泛化基准，现有模型在目标偏移任务上普遍失败

arXiv 论文 AnyGoal 研究世界模型在专家轨迹之外能否泛化，并配套发布一套目标偏移任务基准和开源库。每个任务中单个状态因子与动作都仍在训练支撑范围内，但它们的组合在专家轨迹里出现稀少，用来检验模型能否把熟悉的因素重组为有效动力学。

Agima 训练框架让智能体先想象行动后果再决策

研究者提出 Agentic Imagination（Agima）训练框架，用单个 omni 模型先提出动作、生成动作结果的图像，再在这些想象出的未来上推理，决定实际执行哪一步。

WeAct 将动态权重切换纳入智能体动作空间

WeAct 提出在冻结主干上训练多个能力专用的 LoRA 适配器，并把适配器选择加入智能体的动作空间，通过模型原生工具调用接口按需组合能力。在八个深度研究基准上，Qwen3-32B 配合 WeAct 相比全量微调平均准确率提升 6.2%，相比最强的静态 LoRA 合并方法提升 27.5%，且算力消耗更少。作者还展示了模块化持续适配，新增代码计算适配器、更新写作适配器时主干与其他适配器均保持不变。

arXiv 论文提出 PhysRSI-eval，用五轴指标刻画 LLM 策略的物理递归自我改进

这篇 arXiv 技术报告提出 PhysRSI-eval，用首次尝试表现、效率、成功率、预算和失败后的改进五个轴量化物理递归自我改进。作者在固定交互预算下用 18 个操作任务评测多个 VLM，据此提出物理木桶假说，认为不同能力约束改进的不同环节。五轴指标可区分公开榜单平均分接近的系统，高分未必对应更早或更高效的改进；工作区干预实验还显示移除历史会降低后期成功率。

CoopUQ 用不确定性感知协同预测提升多机器人社交导航安全性

论文提出 CoopUQ，一个结合不确定性感知协同占用栅格预测与鲁棒决策的多机器人社交导航框架。它通过跨机器人时空特征融合预测未来占用栅格，再用预测结果及其不确定性约束多智能体强化学习的代价函数，惩罚驶入高占用或高不确定区域的导航行为，使策略在分布偏移下调整风险敏感度。

VAG：视觉可归因的在线自蒸馏强化学习

研究提出 Visual-Attribution Gating（VAG），通过对比有证据与证据退化的教师视图来过滤特权纠正，抑制视觉推理在线自蒸馏中的「特权校正污染」。VAG 以验证器导出的 advantage 为优化锚点，只采纳被视觉对比方向性支持的 token 级纠正。在六个视觉推理 benchmark 上，其平均性能优于 GRPO 和 OPSD，达到新的 SOTA。

arXiv 论文提出 Halcyon 系列文本生图模型，从零预训练不依赖语言模型

arXiv 论文提出 Halcyon 系列早期融合多模态自回归模型，完全从零在 1 亿图文对数据集 GPIC 上预训练，说明强文本生图系统不必依赖互联网规模的语言预训练。

Show HN：Death Plan Switch，面向独立开发者的自托管失联通知开关

Death Plan Switch 是面向独立开发者的自托管失联通知开关：每周发邮件要求按下按钮签到，未响应则依次询问近亲并通知相关联系人。所有步骤从每周签到邮件起算：24 小时提醒、48 小时最后提醒、72 小时询问近亲、144 小时通知联系人。项目在 GitHub 免费下载，MIT 许可，需 PHP 8.1+，无数据库。

TMPlayer 发布开源 Telegram 视频播放器，可在电视和桌面上边下边播

TMPlayer 发布免费开源的第三方 Telegram 媒体播放器，可在 Android TV、Fire TV、Android 手机以及 Windows、macOS、Linux 上播放自己聊天和频道里的视频，文件还在下载时几秒内就能开始播放，拖动进度会重新定向下载而非等待。

SendReward 上线按面值发送礼品卡，支持仪表盘、表格和 API 调用

SendReward 上线按面值发礼品卡的服务，可在仪表盘单发、上传 CSV 批量发送，或用一次 API 调用触发，收件人自行从数百个品牌中挑选。平台费、单笔费和月费均为 0，最低充值 $20，单张金额 $1 到 $1,000，银行转账免费，信用卡充值另加 3% + $0.30。

Show HN：AML CYCLE 2，面向智能体长期记忆的评测基准

AML CYCLE 2 是面向智能体长期记忆的评测基准，已在 Show HN 展示。它用于评估智能体在长期记忆方面的表现，当前页面显示 1 分、0 条评论。

Show HN：一个开源飞机项目

Hacker News 的 Show HN 展示了一个开源飞机项目，当前获 2 分、6 条评论；页面未提供更多项目信息。

Rouler 上线 Windows 分流工具，可按应用或 IP 指定出口网卡

澳大利亚独立开发者发布 Windows 分流工具 Rouler，开启免费公测。它可按应用、目标 IP 或子网指定出口网卡，让 WireGuard、Tailscale、OpenVPN 等客户端同时运行，未写规则的流量仍走系统默认路由，也不改路由表。

Jeffy 为 Activepieces 发布免费文本分类 piece，内置 70 个预训练分类器

Jeffy 在 Activepieces 上线免费文本分类 piece，把 70 个预训练分类器做成了下拉选项，不用写提示词，也不用解析 JSON 输出。它用冻结嵌入向量上的逻辑回归做分类，单条本地约 15ms，自托管免费，也可以直接连无需 API key 的公共 playground。

Yana 发布本地优先、人类掌权的 Rust AI 运行时与 IDE

Yana 发布本地优先、人类掌权的 Rust AI 运行时 yana-rt 与桌面 IDE Yana Studio，模型只能提议动作，能否执行要经能力清单、策略和人工审批逐层判定。

AppMaker 发布，用自然语言生成业务应用并可导出 Node.js 代码

AppMaker 在 Hacker News 的 Show HN 发布，用户用自然语言描述业务应用，AI 在平台已有的表单、数据、用户角色和服务端逻辑骨架上生成可运行的应用。

Show HN 发布自托管 AI 支出归因工具

Show HN 上出现一款自托管的 AI 支出归因工具，可按供应商、密钥和成员查看谁花了多少，并让数字与账单一致。它提供虚构公司 Acme Analytics 的只读示例，包含 Anthropic、OpenAI、OpenRouter 和 Cursor 十三个月的合成支出，无需登录即可浏览。工程和财务团队可先看示例判断归因粒度是否满足对账需求。

Show HN：一款拒绝引用无法核实法律条文的法律助手

Show HN 上出现一款法律助手，明确拒绝引用其无法核实的法律条文。该工具主打法律引用的可验证性，约束是“无法核实就不引用”。该帖子当前获得 8 分和 2 条评论。

Show HN 发布 Claude Code 常亮软件工厂样板仓库

一位开发者发布面向 Claude Code 的常亮软件工厂样板仓库，基于其为 Votito 搭建的配置，编排器把 token 消耗相比直接跑 Claude Code 工作流降低约 80%。

Omasharp：用 C# 和 .NET 构建 Omarchy 应用

Omasharp 提供一套用 C# 与 QML 编写 Omarchy 应用的模板和工具链，开发者只改 Backend.cs 和 Main.qml 两个文件。dotnet publish 把 C# 编译成原生代码并配一个 Qt 宿主，运行时不需要安装 .NET，应用跑在 Omarchy 自带的 Qt 上。

Resourcedeck 开源发布资源与项目组合规划桌面应用

Resourcedeck 是一款 MIT 许可的免费开源桌面应用，面向项目经理和 PMO 做资源容量与项目组合规划。它把人员、项目和预算存进单个可移植的 .rdeck 文件（SQLite），提供可拖拽甘特图与月度人力、预算图表联动，People × Months 利用率矩阵会把超过 100% 的负载标红。

OpenFlow 发布多智能体工作流可视化构建器，基于 opencode 分支

OpenFlow 是一个可视化搭建多智能体 AI 工作流的工具，把角色卡拖到画布上连成流水线（planner、architect、coder），保存后由真实并行的 agent 执行。

Nscale 与 Anthropic 据报洽谈又一项 $45B 算力协议

Nscale 与 Anthropic 据报正洽谈又一项 $45B 算力协议，而一个多月前双方刚宣布过一项 $45B 算力协议。彭博社援引知情人士称，谈判仍在进行，细节可能变化。两家公司也都在推进 IPO，Nscale 的 $30 billion 估值据报遭遇投资者阻力。

barn.app 发布 macOS 智能体监控工具，界面类似 Stream Deck

barn.app 是一款 macOS 上的智能体监控工具，能在进程表里自动发现你已经在跑的编码 Agent，并显示它们处于工作、等待还是完成状态。它会把对应的 Ghostty、iTerm2、Terminal 标签页、tmux 面板或 VS Code、Cursor 窗口调到前台，Agent 弹出权限确认或提问时发出通知，另有快捷键唤出的切换器。

Show HN：Spacebar — 在 macOS Finder 中预览 .sqlite3、.geojson、.ipynb 等文件

Spacebar 是一款 macOS 应用，通过 Quick Look 扩展让用户可在 Finder 中按空格预览 .sqlite3、.geojson、.plist、.ipynb、.md、.zip、.epub、.srt 等文件。

Microsoft 推出 Guardian Agents 监控企业 AI 智能体，称前沿模型不可信

Microsoft 推出 Guardian Agents，用于监控企业使用的 AI 智能体，属于 6 月发布的 Project Perception。Microsoft Defender 同时新增智能体检测，可识别 Claude Code、Codex、OpenClaw 等最多 60 类员工带入的智能体，并提供数据访问限制、权限动态调整和高风险操作人工审批。

GitHub Copilot 弃用 GPT-5.5、Gemini 3.7 Flash、Grok 4.5 等六款模型

GitHub Copilot 已于 10 月 19 日在多数体验中弃用 Gemini 3.7 Flash、GPT-5.5、GPT-5.4、GPT-5.4 mini、GPT-5 mini 和 Grok 4.5 六款模型，涉及 Copilot Chat、inline edits、ask 与 agent 模式及代码补全。

OpenAI@OpenAIAI 评分3434

我们最新的模型进展，为使用 COBOL、Fortran、Visual Basic 等低资源编程语言构建和迁移软件带来了更强的能力。 这些语言支撑着银行、政府和企业所依赖的软件。这方面的进展意味着

Show HN 项目 Accessibility Context for UI with AI：用 AI 为 UI 提供无障碍上下文

Hacker News 的 Show HN 条目 Accessibility Context for UI with AI 聚焦用 AI 为 UI 提供无障碍上下文。该条目当前为 1 分、0 条评论，正文未给出模型、参数或可用性细节。

Show HN：Road Rash 通过 Three.js 移植到浏览器运行

作者将经典 PC 游戏 Road Rash 用 Three.js 构建成可直接在浏览器运行的版本，原因是试过的浏览器模拟器体验卡顿。项目源于怀旧，打开链接即可重新竞速并把对手撞下摩托。

Show HN：Where Celebs Go 提供香港名人出没地图，像明星一样旅行

Where Celebs Go 在 Show HN 亮相，用地图汇总香港名人的即时目击信息与出没地点。页面可按餐厅、酒店、酒吧浏览香港“最受欢迎”地点，并查看其他城市本周明星被目击的情况。

Show HN：打造由复古电视立体模型构成的星舰舱，配乐横跨 1950–2019

Show HN 展示了一个用复古电视立体模型搭建的星舰舱，配乐时间跨度为 1950–2019。作品以复古电视呈现立体布景，并串联跨年代音乐主题。

Show HN：Flyingcar.pet——用 Claude Opus 5.5 模拟 Tesla Roadster 飞行特技

开发者用 Claude Opus 5.5 和 three.js 构建 Flyingcar.pet，以物理模拟还原 Tesla Roadster 的飞行特技视频。项目原预计一两次生成，最终迭代多日，Opus 先需识别视频中的五辆停放 Tesla 与六辆车的尺寸。之后逐帧校正 Roadster 的左偏轨迹、翻滚及飞行中推进器点火，以贴近视频。

Group Commit 上线条件式承诺工具，凑够人数才触发执行

Group Commit 上线一个条件式承诺工具，发起人设定人数门槛，参与者用邮箱签名，达标后系统统一发邮件通知所有人。发起人可控制谁能签名、目标按人数还是按受邀者百分比计算、截止日期、是否展示姓名或邮箱、是否开放评论，以及自己能否看到邮箱，这些设置在创建时固定。

Craig 开源 TUI 上线，可在独立 Git worktree 中并行运行编码智能体

Craig 是一个开源 TUI 编排器，能同时运行 Claude Code、Codex 和 Cursor，为每个任务新建分支和独立 Git worktree，让多个智能体分目录并行工作。

Show HN：SiteSolide——面向小型软件的开源云

SiteSolide 在 Hacker News 的 Show HN 亮相，定位为面向小型软件的开源云。现有信息仅包含项目名称、开源属性和目标场景，尚无具体功能、版本或部署方式。

Claude Code 技能库 agent-workflow 发布，用退出码证明修复的测试在旧代码上失败

ehnruiz 发布 Claude Code 技能库 agent-workflow，含 21 个技能、子代理和 hooks，可作为插件安装。supervisor 把多步任务拆成工单派给更便宜的模型，同一工单失败两次就升一档；tdd 要求先写失败测试，regression-proof 在临时 worktree 里证明无修复时新测试确实失败，门禁按退出码判定。

Show HN：更高效使用 DNS-AID 发布智能体的方法

DNS-AID 让智能体通过互联网现有的去中心化 DNS 命名基础设施相互发现。作者提出一种更有效地通过 DNS-AID 发布智能体的方法。

Krites 开源 Claude Code 插件，用检查命令的退出码强制测试通过才放行停止

Krites 是 Quinn Lott 开源的 Claude Code 插件，智能体每次尝试停止时由插件自己运行仓库里配置的检查命令，第一个失败就拦下停止并回传该命令和最后 60 行输出。

Bolted 上线 iPhone 和 iPad 版，实时可视化全球闪电并给出避险状态

Bolted 上架 App Store，在 iPhone 和 iPad 上实时显示闪电落点并给出避险提示。用户可以把家、学校、球场、营地等设为 Watch Zone，附近闪电会折算成 Clear、Caution、Shelter 三种状态，并显示最近落点距离与 30 分钟倒数。