Vercel AI Gateway日志新增会话视图，可追踪Claude Code、Codex、Cursor会话成本与缓存命中亚马逊用AI监控英国仓库工会活动，涉及伯明翰、考文垂等地设施实时环境下Agent动作会“迟到”：RealtimeBench用180个任务测LLM代理的时间敏感性自改进Agent会保留“错技能”：无Oracle算子归纳方法要求答案精确可验证技能与策略共同进化会“一起进化、各自失败”：自改进Agent的技能-策略协同陷阱把“继续推理还是收手”变成三选一：置信度校准的推理扩展控制策略推理链会跟证据“打架”：答案配置方式影响模型是否遵循证据文生视频常搞错先后顺序：用形式化时序规约约束生成过程Vercel AI Gateway日志新增会话视图，可追踪Claude Code、Codex、Cursor会话成本与缓存命中

据Open Democracy报道，亚马逊在英国仓库部署AI系统监控工会活动，涉及伯明翰、考文垂、Atlas和Sutton Coldfield等设施。报道称该系统用于识别组织工会的迹象。该消息在Hacker News获得145点、57条评论，讨论集中在职场监控的边界与员工组织权。对英国仓储员工而言，这意味着工会组织面临算法层面的额外审查；对关注AI治理的读者，这是算法监控从生产力管理延伸到劳资关系的一个具体案例。

研究指出，LLM代理能完成复杂交互任务，但推理和工具调用都要花时间，在持续变化的环境中，本来正确的动作可能因为到达太晚而失效。为此作者提出RealtimeBench，包含六个类别共180个任务，在实时时钟下评估代理。这补上了现有基准普遍忽略的一环：动作的正确性不只取决于内容，还取决于时机。对做代理部署的团队，这意味着评估体系需要把延迟和时效纳入指标，否则离线测试的高分未必能转化为线上可用性。

论文指出自改进代理的一个实际问题：代理必须决定保留哪些新技能，而实践中它保留的是那些奖励高、能说服评审模型或能压缩技能库的技能，即使该技能本身是错的。在答案需要精确正确的场景下，这套筛选机制会失效。作者提出无Oracle的算子归纳方法，让代理自行生长出领域特定语言（DSL）来支持精确问答，而不是依赖外部评判或奖励信号来筛选技能。核心含义是：技能保留标准必须与答案的精确性对齐，否则自改进会稳定地积累错误。

论文研究自改进代理中的技能-策略协同进化：训练过程中策略模型与技能库相互提升。作者指出当前评估方式存在盲区——只在共同进化结束时的最终技能库上评测策略，因此看不到协同过程本身带来的问题，并将其称为技能-策略协同进化陷阱。这对自改进代理的评测方法提出质疑：如果评估只用最终状态，训练过程中的退化或不匹配可能被掩盖，实际部署时的鲁棒性会被高估。

论文把评估器引导的推理看作每一步的局部控制问题：信任当前答案、返回备选，还是投入更多推理算力。作者将其形式化为算力感知的三动作控制器，用预测值对终止动作打分，并用置信度校准来决定何时扩展推理。这样做的好处是把推理预算的分配从固定策略变成按步骤动态决策。对推理成本敏感的部署场景，这类控制器提供了在准确率与算力开销之间做显式权衡的框架。

论文指出，答案阶段保留的推理链有两个作用：既能提高准确率，也会在它与当前证据不一致时与证据竞争。作者通过交叉组合已验证的证据版本与由各版本生成的推理链，把这两种作用分离开来。结论指向一个工程问题：推理链不是无条件有益的，答案如何配置（是否附带推理过程、附带哪一版推理）会改变模型对证据的遵循程度。对需要以证据为准的问答系统，这意味着推理链的保留策略需要按场景设计。

论文指出文生视频模型的一个常见问题：模型能生成提示词里要求的视觉概念，但满足不了这些概念的先后顺序、时间点和持续时长要求。作者提出把这些要求表示为形式化时序逻辑中的规约，用规约指导生成过程，而不是只靠自然语言提示。这针对的是当前文生视频在叙事连贯性和动作时序上的短板。对做视频生成的开发者，这条路线意味着可控性可以从提示工程转向可验证的形式化约束。