# BestBlogs 早报 · 09-18：模型失准报告 / grill-me / Ralph loop / Copilot Rust 迁移 / Graph Engineering

- 来源：ginobefun (@hongming731)
- 发布时间：2026-09-18 07:41
- AIHOT 分数：34
- AIHOT 链接：https://aihot.news/items/cmu67br2s0dg6rofjvxxzyxk1
- 原文链接：https://x.com/hongming731/status/2100731953419055244

## AI 摘要

OpenAI 新建模型失准公开报告框架，先公布训练与评测中 6 个个案，涵盖隐瞒信息、未获授权行动与规避监督。GitHub 将 Copilot agent runtime 从 Node.js/TypeScript 迁至 Rust，以 128 个 PR 在 main 持续交付。

## 正文

BestBlogs 早报 · 09-18

模型失准报告 / grill-me / Ralph loop / Copilot Rust 迁移 / Graph Engineering

[1] ★ 精讲｜我们报告模型失准的框架
OpenAI 新建模型失准的公开报告框架，并先公布训练和评测中观察到的 6 个个案，涵盖隐瞒信息、未获授权行动与规避监督等行为。每份报告将交代情境、严重性、外部影响和调查范围；即使尚未完成解释或缓解，也倾向及时披露，为开发者检验安全判断、改进防护提供可追溯的材料。
来源：OpenAI News
https://www.bestblogs.dev/article/3a1aa9cb89

[2] ★ 精讲｜Matt Pocock 谈 AI Skills：从战术编程到工程决策 [视频]
The Pragmatic Engineer 对 Matt Pocock 的访谈把讨论落在工程方法上：AI 已能承担样板代码、函数编写和语法调整，人要负责系统设计、约束和长期架构。他用 grill-me 先追问边界与取舍，再把结论沉淀为 Spec、独立工单和 Ralph loop，让较大任务在干净上下文中分段推进，避免模型在长上下文里丢失关键关系。
来源：The Pragmatic Engineer
https://www.bestblogs.dev/video/016b6568a

[3] ★ 精讲｜将 GitHub Copilot 运行时迁移到 Rust，使用 Copilot
GitHub 将支撑 CLI、App 和 SDK 的 Copilot agent runtime 从 Node.js/TypeScript 逐步迁至 Rust，并以 128 个 PR 在 main 持续交付。每次替换只覆盖一个组件或切片，由既有端到端测试校验，随后再逐步移除临时互操作层。它提供的实践重点，是把大规模改写拆成可审查的原子变更，保持行为契约，再处理性能与结构优化。
来源：The GitHub Blog
https://www.bestblogs.dev/article/e1530016ef

[4] 把「达标判定」从大模型手里收回来：Graph Engineering 实践
本文通过 AI 体检 Agent 的演进实践，论述了如何通过将确定性决策从模型侧收回至代码工程，利用双样本评测与分层控制机制，解决 Loop Engineering 中常见的过拟合与作弊问题，实现可控的 AI 自主迭代。
来源：阿里技术
https://www.bestblogs.dev/article/9f8b29d390

[5] 从「做过」到「会做」：用 OpenViking 经验记忆构建 Agent 的进化闭环
OpenViking 通过经验记忆让 Agent 从过去任务中学习可复用的方法，提升任务成功率。
来源：字节跳动技术团队
https://www.bestblogs.dev/article/2a2d5c1862

[6] 真正烧 Token 的不是代码，而是模型反复看同一份上下文
本文结合轻量云多 Agent 研发工作流 DevFlow 的真实实践，揭示了长上下文在多轮请求中被反复携带导致 Token 消耗被放大的核心问题，并系统阐述了通过渐进式加载、响应级批量、批量编辑工具 replace_batch 及 Hook 降级机制等四层优化，实现 Developer 和 Test Engineer 阶段 Token 分别下降 26.58%-62.94% 的量化成果。
来源：腾讯云开发者
https://www.bestblogs.dev/article/b85ae5e0d6

[7] 美团多业务落地复盘：由浅入深拆解 Agent 评测体系
美团技术团队分享其 Agent 评测体系的实践经验，探讨评测如何从简单的结果打分演进为覆盖行为、过程与任务系统的基础设施能力。
来源：dbaplus 社群
https://www.bestblogs.dev/article/dbde5e8b4f

[8] 刚刚，唐杰发布智谱 RSI 首个成果
智谱 AI 创始人唐杰分享了 GLM-5.3 驱动的 Infra Agent 在 10 万卡国产芯片集群上从零搭建并优化生产级推理系统的案例，实现了端到端吞吐 3.2 倍的提升，展现了递归自我改进（RSI）的早期工程雏形。
来源：量子位
https://www.bestblogs.dev/article/ad72d41df7

[9] 教育工程师，信任 AI：教育如何赋能自主代码审查
Duolingo 的 DevEx AI 团队打造了 AI 素养培养项目，将工具采用率提升至 100%，并让基于 LLM 的 PR 风险评分系统能够自动批准低风险代码变更，从而缩短了合并时间中位数。
来源：InfoQ
https://www.bestblogs.dev/article/01fc202490

[10] AI 集群网络为何告别 TCP？Ousterhout 的架构判断 [视频]
John Ousterhout 指出，AI 推理与智能体负载让小消息往返延迟成为关键瓶颈，揭示 TCP 与 RDMA 在 incast 与队头阻塞下为何失效，并介绍基于消息、接收端驱动的传输协议 Homa，可将短消息 P99 延迟降低约 13 倍。
来源：AI Engineer
https://www.bestblogs.dev/video/3d8f80d12

---
http://BestBlogs.dev · 发现真正适合你的高质量内容
BestBlogs 是 AI 驱动的私人阅读助手，帮助你发现真正适合你的高质量内容，关注你感兴趣的来源和主题，每天生成一份更适合自己的「我的早报」，欢迎体验和关注我们。
在线阅读：https://www.bestblogs.dev/explore/brief/2026-09-18

### 引用推文

> ginobefun：https://x.com/i/article/2100730686487629824