OpenAI推出面向金融服务的ChatGPT，内置数据与GPT-6 Astra
OpenAI已推出面向金融服务的ChatGPT，该产品结合GPT-6 Astra推理能力与内置的高级金融数据，为团队的研究、建模和客户材料制作提供支持。该产品由OpenAI与摩根士丹利（Morgan Stanley）和Evercore合作开发，旨在解决投资银行和股票研究中的关键挑战。
V7 使用 GPT-6 Astra 为 AI 代理提供机构记忆
V7 已将 OpenAI 的 GPT-6 Astra 集成到其 V7 Go 平台中，通过 Context Graph 为 AI 代理提供持久的“机构记忆”，显著提高了复杂企业查询的检索准确率。
联合国启动System Data Commons以统一全球统计数据
联合国系统正在推出UN System Data Commons，这是一个基于Google's Data Commons构建的开源平台，将全球统计数据整合为一个互联的资源，即所谓的AI就绪知识图谱。在Google.org的支持下，该项目旨在使关键数据普遍可访问，并帮助实时跟踪全球进展。
OpenAI 为 ChatGPT 添加 Epic EHR 集成和医疗公共数据插件
OpenAI 推出了一项新集成，允许医疗机构将来自 Epic 电子健康记录的授权患者上下文连接到 ChatGPT for Healthcare，同时提供医疗公共数据插件以结构化访问官方数据集。
Llama Index v0.14.25 修复安全警报并添加异步支持
Llama Index 于 2026 年 9 月 21 日发布了 0.14.25 版本，主要解决了其生态系统中广泛存在的安全漏洞。
Cohere 发布 Embed 5 Pro 和 Fast 嵌入模型
Cohere 发布了 Embed 5，这是一个新的前沿嵌入模型系列，在 Cohere API、Microsoft Foundry 和 Amazon SageMaker 上提供 Pro 和 Fast 两个层级。这两个层级共享一个单一的嵌入空间，允许团队使用 Pro 进行索引以获得最高质量，并使用 Fast 进行查询以降低延迟和成本，而无需重建索引。
Perplexity 发布 Photon，将检索 p99 延迟从 800 毫秒降至 65 毫秒
Perplexity 发布了 Photon，这是一个基于 Rust 的内部检索和排序引擎，现已处理所有生产流量，取代了此前分叉的开源组件。新系统使 Perplexity Search API 中启用了“快速搜索”模式，为智能体工作流提供显著更低的延迟。
ProvenanceGuard 为 MCP 代理添加源感知验证
ProvenanceGuard 是 Model Context Protocol (MCP) 代理的生成后验证层，通过确保声明归因于正确的证据来源来检测跨源混淆。该系统在不重新训练代理的情况下分析捕获的 MCP 跟踪记录，将答案分解为声明，并验证支持来源是否与输出中命名或暗示的来源匹配。
RareDx 利用图基策略优化提升罕见病诊断
作者介绍了 RareDx，该系统将受控证据使用与知识图谱基策略优化相结合，以解决罕见病诊断中的长尾推理问题。训练流程结合了 Top-10 后训练与 RareDx-KGPO，后者将预测结果投影到规范疾病图谱中，并整合了精心策划的分级相关性、本体邻近性、生物医学相似性和表型一致性。
Grok 在未获请求的情况下将 Covenant 项目与罗伯特·汉森的研究联系起来
点对点账本“Covenant”的作者报告称，X 平台上的 Grok 独立地将该项目与罗伯特“灰熊”汉森的研究进行了比较，尽管没有任何提示或先前提及。这是 AI 系统第三次在未获请求的情况下将 Covenant 与外部研究联系起来。
Highlight-Then-Summarize压缩证据以改善长上下文理解
研究人员提出Highlight-Then-Summarize (H2S)，这是一种先压缩后推理的范式，它识别与问题相关的证据，并在生成答案之前将其整合为紧凑的摘要。团队构建了包含6,647个示例的H2S-Dataset，并引入H2S-RL为证据选择提供过程级奖励。
Highlight-Then-Summarize 压缩证据以提升长上下文理解能力
研究人员提出 Highlight-Then-Summarize (H2S)，这是一种“先压缩后推理”的范式，能够识别与问题相关的证据，并在生成答案前将其整合为紧凑的摘要。为支持该方法，团队构建了包含来自11个基准系列的6,647个示例的 H2S-Dataset，并引入了用于过程级奖励的 H2S-RL。
过期文档投毒导致过时检索覆盖模型正确答案
研究人员发现了“过期文档投毒”现象，这是检索增强生成（RAG）中的一种时间对齐故障：过时的外部证据会导致模型在无需检索本可给出正确回答的情况下提供错误答案。
KuaFu将用户行为压缩为十亿级理解
Tencent推出KuaFu，这是一个统一的行为压缩层，可将原始用户历史压缩为对话代理和推荐系统的紧凑表示。该系统使用双轴投影器将每个行为项压缩为宽度128-256的2-4个token，解决了为十亿用户处理长序列时的瓶颈。
生物 JEPA 模型利用生物约束对疾病进展进行建模
一个名为 Biological JEJA 的新开源项目将 JEPA 风格的表示学习与生物约束相结合，以模拟疾病随时间的进展。该方法在来自 2,347 名患者的真实 ADNI 数据上进行了测试，并与几种其他模型进行了比较。
R3Con应用相关性实现原理以改进大规模推理
研究人员提出了R3Con，这是一种将认知理论原则操作化、用于构建非常大型上下文的有效表示的工具。该系统解决了在超出标准模型上下文限制的海量来源中组装相互依赖信息的挑战。
Together AI 允许以 17 美元微调类似 Jev 的分类器，基于 Qwen3.5 4B
Together AI 发布了一份指南和一个开源仓库，用于使用 Qwen3.5 4B 基础模型微调类似于 Jev 的分类模型。
YUCLAW 8.0.0 添加显式快照模式以支持可复现的证据演示
YUCLAW 8.0.0 引入了显式快照模式，以确保命令行界面演示无论主机环境的网络连接状况如何，都能产生字节级精确且可复现的输出。
jbsalles 实验 SelMem，一种用于大语言模型的 selective memory 系统
作者开发了一个名为 SelMem 的 Rust 项目，旨在为大语言模型探索不完美的、路径依赖的记忆。这种方法模仿人类记忆，允许智能体随时间推移压缩、遗忘和重建记忆，而不是存储交互的完美副本。
语义路由在14K上下文压力测试中将Qwen2.5输入标记减少41%，延迟降低45%
在HotpotQA桥接问题上对冻结的4位Qwen2.5-7B-Instruct进行的GPU压力测试表明，任务感知的语义路由在高干扰条件下显著提高了效率和准确性。该研究对比了完整截断上下文与保留60%预算的查询感知语义选择器，揭示了速度和精度方面的显著提升。