n8n@2.46.7
n8n 2.46.7 更新修复了核心系统中与等待和排队执行的恢复尝试次数过多相关的错误，从而提高了稳定性和可靠性。
AI NEWS JOURNAL
搜索 AI 资讯
检索标题、摘要与正文，把分散的信息连起来。
n8n@2.47.3
n8n 2.47.3 更新修复了一个错误，该错误导致只有工作流编辑器才能拥有迁移结果；通过分批清理过时任务来改进计划任务的清理；并新增了直接从通知邮件中打开迁移报告的功能。
突发：OpenAI开始大规模封号
机器之心编辑部什么？OpenAI 也开始大规模封号了？今天中午前后，社交媒体炸锅了，一堆人在喊 OpenAI/ChatGPT 大规模封号。很多帖子说得挺邪门：号直接没了，连封号邮件都没收到，登录就显示删号或者登不上。现在有哪些账号被封？从反馈来看，重灾区比较集中，包括：卖过 / 拆过 API 免费额度的号；拼车、多人共享、Team 席位的号；反代的，尤其是 codex2api 这类把 Codex 逆向转成 API 分发的；低价区号（土耳其、菲律宾、埃及等）；学生认证号；甚至有些老资历、Pro 高档位的也中招。有人说纯自用、没反代、没卖额度的也有被波及的，哪怕只是用免费版看看文献。但也有博主反馈...
Meta、CoreWeave回应中期选举后的数据中心建设新形势
11月4日，Meta总裁兼副董事长 Dina Powell McCormick 在《华尔街日报》举办的 WSJ Tech 科技大会上接受该报总编辑 Emma Tucker 的现场采访。采访中，主持人特别提到得州州长换届，询问这一政治变化是否会影响Meta在得州的数据中心投资。McCormick的核心观点是：美国AI数据中心建设正面临越来越大的政治和社区阻力，算力将因...
消息称微软不再续签甲骨文AI算力租赁协议，重新评估超800亿美元云合作
IT之家 11 月 7 日消息，据彭博社今日报道，微软正在逐步结束与甲骨文（Oracle）的 AI 算力租赁合作。据介绍，微软此前已决定不再续签相关合同，然后近期开始关闭从甲骨文租用的部分计算资源。这也是微软重新评估数十亿美元云计算合作关系的一部分。知情人士透露，由于微软自身的技术规格不断变化，原先租用的计算资源逐渐...
一场数据中心风暴，如何引发科技股暴跌？
图片由AI生成文｜晓静编辑｜徐青阳两天之内，华尔街上演了一场剧烈反转。美国当地时间11月4日，道琼斯指数上涨约3%，标普500上涨1.6%，纳斯达克上涨1.4%。微软、亚马逊分别上涨6.7%和6.1%，大型科技股带动市场迎来美国中期选举后的反弹。但在大盘上涨的同时，AI基础设施板块已经出现明显抛售。数据中心开发商Hut 8暴跌23.2...
GPT-6.2 Astra要来了？
GPT-6.2 Astra 要来了，厉娜。据 The Information 今天凌晨放出的风声，最快当地时间本周五，OpenAI 的下一代模型家族就要组团突袭，一口气端出全新的 Astra、Sol 以及主打网络安全的新模型。而在此之前，全网吃瓜网友已经找到了不少关于新模型的蛛丝马迹。昨天凌晨，模型追踪机器人突然在 OpenAI 的 API 列表里抓到了两只...
FenixWalk：面向异构架构的大规模动态图自适应采样
arXiv:2611.04683v1 公告类型：新 基础摘要：随机游走是图分析的基础，但在大型动态图上高效执行仍具挑战。现有方法需在采样效率、更新开销和内存消耗之间权衡。为吞吐量优化的采样结构往往带来显著的内存开销和高昂的维护成本，而轻量级方案在高度数顶点或权重分布偏斜时又可能面临较高的采样延迟。这些挑战在异构CPU-GPU平台上尤为突出：主机内存容量充足，但GPU内存限制了可从并行加速中获益的图数据量。我们提出了FenixWalk，一个面向大规模动态图的内存高效随机游走系统，将统一的原地采样与选择性GPU加速相结合。核心上，FenixWalk采用原地Fenwick表示，无需复制边级权重存储即可支持拒绝采样和逆变换采样。该表示使拒绝采样具备期望O(1)的权重查询时间，并支持O(log d)的前缀采样与更新。为高效利用异构硬件，FenixWalk将完整图及其采样结构保留在主机内存，同时将频繁重用的顶点本地采样器有选择地放置在GPU上。通过传输紧凑的游走器状态而非反复迁移图分区，该系统减少了跨设备通信，并有效利用了有限的GPU内存。在大型真实世界图及代表性随机游走工作负载上的实验表明，FenixWalk相较于现有随机游走系统实现了平均2.06倍至400.57倍的加速。
n8n@2.46.5
n8n 2.46.5 更新修复了多个错误，包括修正 AI 智能体节点已弃用的代理类型标注、改进节点参数的凭据解析，并支持在表达式中读取命名数组键。新功能包括在迁移报告中默认隐藏已归档的工作流，以及在迁移报告加载时间过长时显示提示信息。
n8n@2.47.1
n8n 2.47.1 更新引入了多项功能，以提升迁移报告的使用体验，包括默认隐藏已归档的工作流，并在报告加载耗时较长时显示提示信息。
AMD财报刷新纪录！单季营收134亿美元，数据中心业务接近翻倍
AMD首席执行官苏姿丰。图片经由AI生成文丨苏扬编辑丨徐青阳美国当地时间11月3日，AMD发布了公司截至2026年9月26日的第三财季财报。受益于人工智能基础设施建设需求持续增长，AMD第三季度业绩再创新高，营收与净利润双双超出华尔街预期。公司当季营业收入达到133.77亿美元，同比增长45%，环比增长16%，超出华尔街预期的109亿美元。数据中心业务成为本季度增长的主要动力，营收达到85.46亿美元，同比增长97%，占公司总营收的比例升至64%。按照GAAP（通用会计准则）计算，公司净利润为24.28亿美元，同比增长95%；非GAAP净利润达到34.71亿美元，同比增长77%。非GAAP摊薄...
你不知道的客户端开发：AI 时代下的选型、原生与借力
选型选得好只是锦上添花，最终还是要先把用户最真实的需求解决好。查看全文
Anthropic还在疯狂抢算力：8954亿美元承诺，连旧煤电厂都不放过
Anthropic CEO达里奥·阿莫迪。图片经由AI处理文丨苏扬编辑丨徐青阳 AI公司正在变成大型基础设施买家。Anthropic的扩张路径，已经从训练模型、争夺企业客户，延伸到建设数据中心、采购芯片和协调电力资源。为了获得足够的计算能力，这家公司开始直接介入过去主要由云服务商和基础设施运营商承担的工作。美国当地时间11月2日，Anthropic向美国证券交易委员会提交更新后的招股书。文件补充了2026年第三季度相关财务数据，并披露长期采购和租赁安排。文件显示，算力成为Anthropic扩张过程中最重要的成本项。为了满足Claude模型训练和企业客户调用需求，该公司不仅与亚马逊、谷歌、微软等...
社区速递 164 | 1500 元圆梦昔日卡皇与派友们做的 AI 平替
手工压花器、二手 TITAN V，以及派友们用开源项目与 AI Coding 替代付费订阅的讨论。查看全文
n8n@2.46.3
## [2.46.3](https://github.com/n8n-io/n8n/compare/n8n@2.46.2...n8n@2.46.3) (2026-10-30) ### 修复内容 * **核心：** 在重新发送迁移所有者提醒之前添加冷却时间（[#42567](https://github.com/n8n-io/n8n/issues/42567))（[724efc3](https://github.com/n8n-io/n8n/commit/724efc352f51a52910924789b79cf66770807e09)) * **核心：** 在激活后解析 IMAP 触发表达式（[#42612](https://github.com/n8n-io/n8n/issues/42612))（[17594a7](https://github.com/n8n-io/n8n/commit/17594a7eefa42bc37f532af35c4f38eb1986bbc5)) * **核心：** 在表达式中以 __isError 键作为数据返回用户数据（[#42490](https://github.com/n8n-io/n8n/issues/42490))（[9fe595e](https://github.com/n8n-io/n8n/commit/9fe595e1b83179b54ac5768d03c5f90f9c409f16)) * **编辑器：** 在工作流项目名称下显示该项目
n8n@2.45.7
核心：在工作流作用域的路由读取执行数据时，要求具备“read”权限（#42446）（93638f4）
FilingLoop：用于企业披露审查与修订的LLM智能体评估与演化
arXiv：2610.37905v1 发布类型：新 摘要：诸如美国证券交易委员会EDGAR等公开披露数据库通过网络访问企业申报文件，为知情投资提供支持。借助语言模型智能体对这些文件进行审查时，需要发现相关文档中未明示的缺陷、获取缺失的企业信息，并验证所请求的修订是否符合有据可依的要求。然而，现有的金融问答评测难以充分反映此类交互能力。我们提出了\textbf{FilingLoop}，一个用于企业披露审查与修订的交互式基准测试及自进化智能体框架。FilingLoop以美国证券交易委员会的历史往来函件为基础，从96家公司的文件中重构出380项以首次公开募股审查为主的任务。
制品蒸馏：无需训练的前沿模型到小型语言模型的迁移
arXiv:2610.37680v1 发布类型：新 摘要：缩小前沿模型与小型语言模型之间的差距，通常采用蒸馏方法：在前沿模型（教师）的输出上对小型模型（学生）进行微调，但这使得迁移过程依赖于训练计算，并且被迁移的知识往往难以解释。我们提出了一种名为“制品蒸馏”的方法：由教师模型解决一系列训练实例，并将其求解过程外化为一个制品库，学生在推理时直接查询该库，而无需进行梯度更新。在四项LiveBench任务中，由Claude Opus 4.5构建的制品库使Claude Haiku 4.5在空间推理任务上的表现（0.707 vs. 0.647）达到其自身成本的60%时，已超越未借助任何辅助的Claude Sonnet 4.5；而在表格连接任务上，该制品库仅以Sonnet 4.5成本的89%便达到了相同水平。同样的原始制品库还提升了
评估与改进用于理解测序协议的 AI 智能体
arXiv:2610.37851v1 发布类型：新 摘要：现有的科学智能体基准测试很少评估智能体是否能够重建测序协议所指定的精确分子结构和生成流程，而这一能力对于分析定制化测序实验至关重要。我们提出了 LibStructBench，一个基于文档的基准测试，用于重建测序文库结构和分子工作流程。我们的实验表明，前沿的智能体通常能够生成大致正确的重建结果，但在精确重建方面仍不够可靠，尤其是在分子状态表示和工作流程连通性方面。更换底层语言模型所带来的平均性能差异，甚至大于更换智能体框架所产生的差异，且这种差异具有统计学上的显著性。
在不阅读解释的情况下进行评分：自动化可解释性评估中的结构化捷径
arXiv:2610.37676v1 公告类型：新摘要：自动化可解释性通过让模型逐个标记地预测特征在评估样本上的激活位置，或判断标记的标记是否与该特征相符，从而对稀疏自编码器（SAE）特征的解释进行评分。我们发现，评估数据的标准处理流程可以在不读取解释的情况下完成评分。在Neuronpedia存储的针对500个随机GPT-2小型特征的模糊测试运行中，91.3%的激活样本都以中心标记为峰值进行裁剪；而当中心标记被标记时判定为“是”的规则，其平衡准确率达到了0.979，相比之下，基于存储的LLM评分器（根据管道代码重新计算的逐项判决结果）的准确率为0.838；仅依据标记数量的规则则达到了0.969。T