2026年9月至10月，AI研究與行業觀察領域出現多條動態，涉及模型能力演進、遞歸自我改進（RSI）爭論、文本分類技術回顧以及實際應用中的能力落差等議題。這些線索分別來自One Useful Thing、Interconnects、Latent Space和Ahead of AI等通訊與播客平台。

新書發佈與30個月指數級回顧

One Useful Thing於10月20日發佈新書，作者在通訊中表示，新書旨在回顧上一本書出版以來AI領域發生的變化。該通訊標題為“30 Months on the Exponential (in Charts)”，暗示以圖表形式呈現過去30個月的指數級增長軌跡。具體內容尚未在摘要中展開，但發佈時間與選題日期接近，顯示作者對近期行業變化的持續追蹤。

此前在9月18日，One Useful Thing還發佈了題為“The Overhang”的文章，摘要提及“運用你的深度知識、廣泛知識、品味與能動性”。該文似乎探討在AI能力快速提升背景下，人類如何利用自身獨特優勢應對潛在的能力過剩或應用滯後問題。

RSI爭論：AI溫和派視角與中美差距

Interconnects在9月連續發佈兩篇關於遞歸自我改進（RSI）的內容。9月19日的文章“Why I still haven’t bought into true RSI”中，作者自稱持“AI溫和派”立場，對近期事件和前沿模型軌跡發表看法。摘要顯示，作者尚未完全接受“真正的RSI”即將到來的觀點。

9月22日，Interconnects發佈播客第19期“Debating RSI, the US-China Gap, and Jaggedness with JS Denain of Epoch AI”。該期節目邀請Epoch AI的JS Denain，圍繞RSI、中美AI差距以及模型能力的“參差性”（jaggedness）展開辯論。兩篇內容相互呼應，呈現了AI研究社區對技術發展速度與地緣競爭格局的分歧。

“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場。

文本分類技術演進與播客新嘗試

Ahead of AI於9月29日發佈技術綜述“Language Models for Text Classification: From Bag-of-Words to Jev”，副標題為“RNN、CNN、Transformer與校准的視覺指南，附帶準確率與效率的動手實驗”。該文系統梳理了文本分類方法從詞袋模型到現代語言模型的演進路徑，並包含實驗對比，為理解模型能力發展提供了技術背景。

Latent Space於10月17日推出新播客節目“High Taste Testers Ep. 1”，摘要稱“安靜的一天讓我們試播一檔新節目”。該節目名稱暗示關注“高品味”或高質量內容篩選，但具體內容尚未在摘要中詳述。

後續關注點

綜合多條線索，當前AI行業關注點集中在幾個方向：前沿模型能力是否正走向遞歸自我改進，中美在AI領域的差距如何演變，以及模型能力在不同任務上的參差性如何影響實際應用。One Useful Thing新書與“The Overhang”一文可能進一步探討人類在AI時代的知識運用與能動性。Interconnects與Epoch AI的辯論則持續為RSI爭論提供不同視角。後續可關注這些通訊與播客的詳細內容，以及行業對上述議題的進一步回應。