AI Daily Digest: DeepSeek 开源生产推理框架 DeepInfer、假统计污染 LLM 引用链、harness 上下文管理成为被评测变量 - 2026/10/20
今天的关键词是**"基础设施的下沉与污染链的上浮"**。DeepSeek 把真正的生产推理框架 DeepInfer 开源到 10.8k stars，推理竞争从"能跑"深入到确定性采样与置信度调度；与此同时，一个 $50 的实验证明编造的统计数字可以穿透 LLM 检索层进入学术论文和银行投研——防线建在哪里，攻击面就移到哪里。
DeepInfer：HN 1920 分的生产级推理框架
DeepSeek 开源了支撑其线上服务的推理框架（Apache-2.0，开源 13 小时 10.8k stars），这份特性清单几乎是 2026 推理工程的目录：Attention DP / 均衡 CP、MoE EP + EPLB 负载均衡、DSpark 投机解码配置信度调度验证（用 draft token 的置信度决定何时触发验证）、SWA bounded replay 只重放有界后缀来削减 decoder prefill、零开销异步批调度，以及最值得注意的 batch-invariant 推理与确定性采样——相同输入和采样参数在任意 batch 组合下输出完全一致。硬件同时支持 NVIDIA SM100 与昇腾 950。两个信号：推理差异化竞争的焦点已是可复现性与调度策略；前沿实验室的新名片是开源生产代码而非论文复现。同日 Google 开源 TorchTPU（PyTorch 原生 TPU 后端）——infra 每一环都在被开源化、原生化。
$50 污染一条引用链
Peec AI 的 GEO 研究者做了个昂贵教训式的实验（HN 258 分）：花 $50 用 GPT-4.1 一天生成 5 万条完全编造的统计数字挂在新域名上。Google 很快去索引——传统反垃圾防线正常工作；但 ChatGPT 持续引用，7 个月送来 1 万+ AI 会话、330+ 引用域名（Shopify、Bluehost、DHL），假数字最终进入一篇学术论文和一份银行投资研究。AI 生成 → AI 引用 → 人类采信 → 出版物背书，闭环完成。对 agent 工程的直接含义：检索 grounding 必须假设来源层已被定向污染，来源信誉评估（域名年龄、独立佐证、数据可溯源）应成为管线标配。另见 Mistral Voxtral 3（HN 294 分）：语音 agent SDK 把听、想、工具调用、说整合成实时流式管线，50+ 语言、EU 主权部署，语音赛道的主战场从"转写准"上移到"多步业务工作流"。
Harness 的上下文管理，本身就是变量
今天的 arXiv 有两篇直接瞄准 harness 工程：
- When the harness decides success：harness 决定模型跨轮次看到什么——截断、摘要或重放旧推理。预注册探针显示仅截断上下文窗口就足以让低成本任务失败。上下文管理策略需要被当作实验变量评测和遥测，而不是实现细节
- Same Simulation, Different Evidence：把长工具输出外置到文件、按需检索是控成本的主流模式；用 USGS PHREEQC 真实工具实验刻画了它在何处损耗准确率——"证据被读过"和"证据被正确读到"是两回事
配合 OpenAI 本月给顶级模型推理循环设上限（Pachocki 称 CoT 监控正变得"脆弱"）：可观测性正在成为推理规模化的瓶颈。
其余值得关注
- SlopCodeBench 10/2026：Opus 5.5 与 Astra 领跑，而 xhigh 推理档在多模型上反而降分——推理预算不是免费午餐
- OpenAI 低资源编程语言研究：COBOL 等语言的代码 agent 能力，决定遗留系统现代化的速度
- Anthropic 5% 股份注入自持公益基金（估值每涨 50% 追加 2 个点，累计约 20%），同周被报道将是 2026 年最后一个 AI IPO——公益结构与资本退场同框
arXiv 摘要
- [2610.26847] WeAct：把"切换权重"本身变成 agent 动作，用调度参数对抗灾难性遗忘
- [2610.26809] Safety Mid-Training：Yejin Choi 等主张在 mid-training 注入安全数据——安全是基础能力，不是 post-training 补丁
- [2610.26860] OpenVLHarness：22 个基准上单纯增加推理预算收益有限，视觉 agent 需要多模态记忆做 grounded 感知
- [2610.26496] 演化惩罚对抗奖励黑客：偏好奖励模型的 reward hacking 有了系统性缓解方案