2026年9月至10月，AI研究与行业观察领域出现多条动态，涉及模型能力演进、递归自我改进（RSI）争论、文本分类技术回顾以及实际应用中的能力落差等议题。这些线索分别来自One Useful Thing、Interconnects、Latent Space和Ahead of AI等通讯与播客平台。
新书发布与30个月指数级回顾
One Useful Thing于10月20日发布新书，作者在通讯中表示，新书旨在回顾上一本书出版以来AI领域发生的变化。该通讯标题为“30 Months on the Exponential (in Charts)”，暗示以图表形式呈现过去30个月的指数级增长轨迹。具体内容尚未在摘要中展开，但发布时间与选题日期接近，显示作者对近期行业变化的持续追踪。
此前在9月18日，One Useful Thing还发布了题为“The Overhang”的文章，摘要提及“运用你的深度知识、广泛知识、品味与能动性”。该文似乎探讨在AI能力快速提升背景下，人类如何利用自身独特优势应对潜在的能力过剩或应用滞后问题。
RSI争论：AI温和派视角与中美差距
Interconnects在9月连续发布两篇关于递归自我改进（RSI）的内容。9月19日的文章“Why I still haven’t bought into true RSI”中，作者自称持“AI温和派”立场，对近期事件和前沿模型轨迹发表看法。摘要显示，作者尚未完全接受“真正的RSI”即将到来的观点。
9月22日，Interconnects发布播客第19期“Debating RSI, the US-China Gap, and Jaggedness with JS Denain of Epoch AI”。该期节目邀请Epoch AI的JS Denain，围绕RSI、中美AI差距以及模型能力的“参差性”（jaggedness）展开辩论。两篇内容相互呼应，呈现了AI研究社区对技术发展速度与地缘竞争格局的分歧。
“An ‘AI moderate’s’ view on recent events and the trajectory of frontier models.”——Interconnects在9月19日文章中如此描述自身立场。
文本分类技术演进与播客新尝试
Ahead of AI于9月29日发布技术综述“Language Models for Text Classification: From Bag-of-Words to Jev”，副标题为“RNN、CNN、Transformer与校准的视觉指南，附带准确率与效率的动手实验”。该文系统梳理了文本分类方法从词袋模型到现代语言模型的演进路径，并包含实验对比，为理解模型能力发展提供了技术背景。
Latent Space于10月17日推出新播客节目“High Taste Testers Ep. 1”，摘要称“安静的一天让我们试播一档新节目”。该节目名称暗示关注“高品味”或高质量内容筛选，但具体内容尚未在摘要中详述。
后续关注点
综合多条线索，当前AI行业关注点集中在几个方向：前沿模型能力是否正走向递归自我改进，中美在AI领域的差距如何演变，以及模型能力在不同任务上的参差性如何影响实际应用。One Useful Thing新书与“The Overhang”一文可能进一步探讨人类在AI时代的知识运用与能动性。Interconnects与Epoch AI的辩论则持续为RSI争论提供不同视角。后续可关注这些通讯与播客的详细内容，以及行业对上述议题的进一步回应。