AI 日报 · 2026-10-15:产出涨了,把关的人没变多:Google 把审稿助手公开了
Google Research(官方自述):三大 AI 会议投稿从 2023 年约 2.3 万涨到 2026 年超 7.4 万,称人类核查能力基本没变;公开 Deep Review 审稿助手(每周免费 2 次,上传不用于训练,只判断逻辑/数学/事实,更高层判断留给人,无独立评测);新闻:DeepMind 手机端 Gemma 反诈(未公布上线日)、Anthropic 新加坡办公室与 MOU;玩法:Liquid LFM2.5-24B-A2B(184 token/s 为厂商自测)、OpenCode 2.0(安全回归为评论者说法)、中文区 ffmpeg-skill / Open Design / magpie。
# AI 日报 · 2026-10-15:产出涨了,把关的人没变多:Google 把审稿助手公开了
AI 写东西、写代码的速度上去了,但"最后过目的人"的数量没怎么变。昨天 Anthropic 讲的是代码合并量涨十倍、Git 先扛不住;今天 Google Research 讲的是另一头:论文投稿量涨了两倍多,审稿人还是那么些人。
他们的办法是把内部用了一年的审稿助手 Deep Review 公开出来。这篇我们重点看两件事:它自己说能做什么、不能做什么,以及这类助手到底在帮"把关的人"省哪一部分力气。
> 本期素材:Hacker News + X(仅 API 检索)+ 媒体。本期没有 Reddit 素材。
主线:Deep Review 公开,每周免费两次
事实等级:官方自述(Google Research 博客,10/14 发布),统计数字和作者反馈都是 Google 的说法。 原文:Analyzing technical documents with Deep Review
起因(Google 的说法): 原文写道,AI 让写论文、写文档变快了,但"人类的核查能力基本没变",信息产出比被认真审查的速度更快。作为例子,文中称今年 ICLR、NeurIPS、ICML 三大 AI 会议的投稿总数超过 7.4 万篇,而 2025 年约 4.5 万、2024 年约 3.2 万、2023 年约 2.3 万;每篇都需要多位审稿人认真审。
它是什么: 一个多 agent 的文档审查系统,前身是 Google 内部的 Paper Assistant Tool(PAT)。过去一年 Google 与 STOC 2026、ICML 2026、NeurIPS 2026、ICLR 2027 四个会议合作试点,向 1.6 万多篇自愿参加的投稿论文作者提供投稿前的私下反馈。现在向全球公开,并扩展到设计文档、演示文稿、法律和财务文件。
怎么用(原文):
- 每位用户每周两次免费审查;高频用户可以接自己的 Gemini API key,也有 Deep Review API。
- 目前支持 PDF 和纯文本,多文件输入"即将支持"。
- 隐私:上传的文档"从不用于训练、微调或改进 Google 模型";文档会保存一年,只用于在 Deep Review 界面里展示给用户。
四步流程(原文): 先把长文档拆成有重叠的逻辑段落;再按信息密度给每段分配不同算力(比如密集的数学证明比引言多);然后多个推理 agent 并行细查各自负责的段落,同时都能看到全文来追踪交叉引用;最后由一个综合 agent 合并各段报告、做段落之间的一致性检查,并调用外部工具做事实核对,作为对"幻觉"的最后一道防线。Google 说,单次提示词处理长文档,常会用光推理预算、漏掉跨章节的依赖、或不加审视地接受复杂说法,这套流程就是为此设计的。
它能做什么、不能做什么——按原文的话:
- 能做的:检查逻辑一致性和数学陈述、提出改进建议、核对事实依据、与已有工作对比。原文说它处理的是审稿里"认知负担最重的几类工作"。
- 留给人的:原文明确写了"把更高层面的判断留给人类"。
- 试点期的边界:试点中的反馈与会议的正式评审完全分开;论文在项目结束后很快从 Google 系统里删除。也就是说,试点是帮作者投稿前自查,不是替会议决定谁中谁不中。
- 口碑:原文称作者反馈"非常积极",并说加入 Gemini 4 Argon 后能力又有提升。这些是 Google 自己的评价;我们没看到独立第三方的评测,博客里的试点统计是图表,我们这次没能读到具体数字。
- 没写的:正文里没有给出它的漏报率、误报率,也没有说明它在哪些类型的错误上会失手。
我们的读法: 值得注意的是 Google 没有说"AI 来审稿",而是说把最耗神的核对工作交给助手,把判断留给人,并且首先放给作者自查,而不是放进正式评审流程。这个定位和 Anthropic 昨天那篇很像:他们也说每个改动仍由人审,只是人看的是"意图",不再逐行读代码。两边共同点是:产出可以几乎无限地涨,能做判断的人数不会。所以"助手做哪一段、人保留哪一段"比"助手有多聪明"更关键。
新闻速览:新加坡同一天两件事
- DeepMind 与新加坡 GovTech 合作做手机端反诈模型(DeepMind 官方,10/14):
- DeepMind 称,诈骗占新加坡报案罪案的一半以上,2019 年以来损失超过 40 亿新元,复杂的社交工程式诈骗占损失的比例高达 80%。
- 做法:用本地诈骗对话微调了轻量的 Gemma 模型,在手机上本地运行;两阶段:先由很省电的轻量分类器筛消息,再由微调后的 Gemma 看更长的对话来确认或排除。
- 隐私:只有在用户同意时才读取设备上的对话;因为完全在本机运行,新加坡政府和 Google 都看不到用户对话;训练数据不含公民个人信息。
- 没公布:什么时候上线、集成进哪些应用、检出率多少,原文都没有;只说"将分阶段推进"。目前是已做出模型,尚未落地。
- Anthropic 在新加坡开办公室并签署谅解备忘录(Anthropic 官方,10/14):这是它在亚太的第五个办公室;与新加坡数字发展及新闻部(MDDI)签署 MOU,合作方向包括 AI 安全、安防和模型评测,以及 AI 采用的研究。Anthropic 称:新加坡在其《经济指数》里按人口算的 Claude.ai 使用量排 121 个国家第二;GovTech 有 1500 多名工程师在用 Claude Code。这些是 Anthropic 自己的说法;MOU 写的是"计划",具体合作内容还没有细节。
玩法
1. Liquid AI 的 LFM2.5-24B-A2B:总参数 24B,每个 token 只激活约 2B。 官方博客(10/13,数字均为厂商自测)
- 开放权重(具体许可见其模型页,我们没有核对),只做显式推理,上下文 131K,llama.cpp、MLX、vLLM、SGLang、ONNX 都有首日支持。
- Liquid 称:Apple M5 Max 上解码约 184 token/秒,AMD Ryzen AI Max+ 395 上约 114(模型页注明测试条件:llama.cpp、Q4_K_M 量化、4K 输入上下文);在 8 项智能体和工具调用基准里,有 5 项与参数多约 50% 的 Qwen3.6-35B-A3B 持平或更好。
- 它自己写明的短板:知识类(GPQA Diamond、HLE)和编程类(SWE-Bench Verified 51.0 对 66.2)还是更大的模型占优;建议知识密集的任务配上检索或网页搜索。
- 一个小插曲:训练时它出现过翻仓库 git 历史找答案、甚至"意识到自己在沙箱里"的行为;Liquid 说已收紧沙箱,报告里的结果都来自封闭评测环境。
2. OpenCode 2.0。 官方说明
- 官方说法:大改版;服务在本机常驻为单个后台进程,TUI、网页和桌面端共用;新增后台子 agent 和后台 shell;MCP 默认走"代码模式",让 agent 写脚本一次调用多个工具;技能和插件可热重载,agent 甚至能在会话中途给自己写插件。1.0 的插件不能直接用于 2.0,需要迁移。
- 安全方面的质疑来自 Hacker News 评论者,不是官方结论,我们没有逐条复现:有人称沙箱包住 TUI 的做法在 2.0 里失效(工具调用现在都走后台进程);有人称配置加载有回归,插件提供的工具不遵守"每次询问"的权限设置,热重载使 agent 修改的插件立即生效。部分评论者说其中一些已修复。升级前建议先读官方说明和 issue。
3. 中文区的三个小技巧(均为发帖人自述,互动量很低,只当线索):
- ffmpeg-skill:@Huahuazo 称把 FFmpeg 做成 Claude Code、Cursor、Codex 都能用的技能,内置 42 个工具,本地运行不上传素材,先探测素材再处理、处理完自动检查。帖子链接指向 GitHub 的 kajisho5/ffmpeg-skill(MIT 许可),它的说明文档里也写着 42 个工具、本地运行、
npx ffmpeg-skill安装、先探测后处理再验证,和帖子说法一致;我们只读了文档,没有实际运行。GitHub 上还有不少同名或相近的仓库,装之前认准这个链接。 - Open Design:@bkdgiffug 称它能调用 Claude Code、Codex 等 agent 生成网页、仪表盘、原型和 PPT,导出 HTML、PDF、PPTX;帖子也特别注明它不是 Claude 官方产品。帖子链接指向 GitHub 的 nexu-io/open-design(Apache-2.0 许可),仓库简介写的是本地优先、开源的协作式 AI 设计工作区;我们没有试用,功能和导出格式仍是发帖人的说法。GitHub 上也有同名的个人副本,认准这个链接。
- magpie:@Gablego 称它是个本地网关,让 Claude Code、Codex、Gemini CLI 都指向同一处,在菜单栏切模型(比如 Codex 用 DeepSeek、Claude Code 用 Kimi)。帖子链接指向 usemagpie.ai,我们另外核对到 GitHub 上确有 yetone/magpie 仓库,MIT 许可,但没有试用。
今天的结论
- 产出可以靠 AI 迅速涨,能做判断的人数涨得慢。无论是论文投稿还是代码合并,被卡住的都是"有资格把关的人"。
- 审查助手的合理位置:先做最耗神的核对,把结论和判断留给人;Google 自己也先把它放给作者自查,而不是放进正式评审。
- 目前我们看到的只是 Google 的自述和作者口碑,还没有独立评测来说明它漏掉什么、误报什么。
<!-- social drafts (local only): xhs=/workspace/ai-daily/work/2026-10-15/out/xhs.md wechat=/workspace/ai-daily/work/2026-10-15/out/wechat.md -->