Claude Opus 5.5 以 0.9 分超越 GPT-6 Astra、Meta 發佈 Muse Wonder 卻只排 Artificial Analysis 第六，模型層排名正快速洗牌；Google GTIG 報告指出 AI 發現的漏洞有 50% 可導致 RCE（一般漏洞僅 26%），月揭露量暴增逾倍；CyberXero 用 Claude Code 自動化竊走 62.8 萬組帳密，PraisonAI 框架爆 CVSS 9.8 高危漏洞；Obsidian MCP 伺服器三連 CVE 與開源逆向工程工具 REA 連霸 GitHub trending，分別詳見本站資安警報與工具推薦；今日三筆融資合計 $86M 聚焦金融與消費端 agent。
morluto/rea（146,406★，今日 +45,495）連續第二天蟬聯 GitHub trending 第一，單日漲幅比昨天還猛；mksglu/context-mode（27,096★）用 MCP + hooks 把工具輸出塞進 sandbox 省 98% context；cathrynlavery/diagram-design（52,255★）讓 agent 畫出不用 Mermaid 的自訂品牌圖表；microsoft/BitNet（40,826★）持續優化 1-bit 模型的 CPU/GPU 推理。agno v3.1.3 讓 ClaudeAgent／CodexAgent 的 session 可以在任何 replica 續跑、背景執行、逐步重播。
今天的 Deep Learning & NLP 輪練涵蓋四個核心概念：self-attention 用 Query/Key 內積算相似度再乘 Value 做加權，複雜度隨序列長度成平方成長；causal mask 跟 padding mask 是兩種完全不同用途的遮罩，一個管「能不能看未來」一個管「要不要理會填充值」；subword tokenization（BPE/WordPiece）靠拆成已知子詞單元解決 OOV，但 token 數會隨語言的 fertility 而不同；RNN 跟 Transformer 的根本差異是序列狀態用「固定大小隱狀態」還是「可隨時回看任一位置」來處理長距依賴。練習題是面試常考的場景題：GPT 只用了 Transformer 的 decoder、靠 causal attention 做自回歸生成，拆解思路把「為什麼只用一半的架構」到「KV cache 怎麼讓推論變快」串成一套完整推理鏈。
Catalyst 完成 Sequoia Capital 領投的 $30M 種子輪，打造把自然語言意圖轉成可執行交易策略的 AI agent。這筆錢的信號：財富管理正從「給建議」轉向「自然語言→自動執行」的 agent 化路徑，而且早期輪次的金額規模已經逼近傳統 A 輪。
Mistlabs 完成 $26M Pre-A，由 Luminous Ventures 與硬體代工巨頭華勤技術聯合領投，推出能主動思考、並計畫讓不同使用者的 agent 彼此溝通協調的 Ambi。這筆錢的信號：硬體代工廠直接進投資名單，代表的是為未來穿戴裝置卡位,而不只是看好軟體。
Vesta 完成 $30M Series B，由 Conversion Capital 領投，累計融資達 $85M。這筆錢的信號：當放貸機構自己掏錢入股 AI agent 供應商，代表 Agent 已從外圍工具升級為金融核心系統的一部分。
Metrics & Analytics 面試裡最容易被題目牽著走的陷阱，是面試官先丟出一個「聽起來合理」的指標（像平均觀看時長），然後問你要怎麼拉高它——但真正該做的第一件事，是先質疑這個指標本身對不對，而不是急著想方案。今天練一道真實的面試案例題：「Netflix 想要拉高平均觀看時長，這是對的指標嗎？」答案骨架用指標樹三層架構（北極星→輸入→護欄）搭配 vanity metric 三問——數字上升代表使用者真的拿到更多價值嗎、團隊能解釋並影響驅動它的因素嗎、有證據連結長期結果嗎——先拆穿「觀看時長變長」可能是使用者找不到想看的內容、在首頁瞎滑（decision paralysis），而不是真的更滿意。案例是 Atlassian 的 Rovo 企業搜尋：他們把北極星指標定義成 Query Success Rate（使用者是否真的找到答案，融合點擊、停留時間與按讚倒讚），並把「相關性」當成護欄指標，而不是直接拿搜尋量或查詢次數當目標——正是今天題目要考的『別把活動量誤認成價值』的真實版本。
obsidian-tc（163 個工具、多 vault 原生的 Obsidian MCP 伺服器）同時揭露三個 GitHub Security Advisory：CVE-2026-77366（CVSS 9.9）token 未綁定 vault，任何有效 token 可跨 vault 讀寫刪除；CVE-2026-77363（CVSS 8.8）Streamable HTTP transport 沒做 Origin/DNS-rebinding 驗證，loopback 預設 auth.mode none 下惡意網頁可直接拿到 vault 完整存取權；CVE-2026-77364（CVSS 6.5）資訊洩漏。三者皆已在 1.3.1 修復。防禦：立即升級、停用 auth.mode none、檢查 token 是否綁定 vault claim。
REA 是一個開源 MCP server，把 native binary、JS/Electron、.NET、APK 等多種逆向工程引擎包成統一介面。安裝：npx rea-agents setup。解決了想做別人已實作的功能，卻只有看得到的行為、沒有原始碼可參考的問題。
AppWorld/WorkArena 稽核發現查核器會誤判過關：WorkArena 23 筆可疑案例裡有 21 筆被獨立讀值證實資料寫錯卻仍判通過；SpecGuard 用 Lean 4 形式驗證在 agent 動手前就抓出任務描述跟測試互相矛盾的狀況，SWE-bench 污染任務上最高抓到 72.8% 衝突且正式證明 51.1%；MemoryAgentBench 的「選擇性遺忘」分數裡，67 題的標準答案連基準自己的規則都搜不到，寫死規則的零學習基線照樣拿下 80.25%
Zenity 揭露 AWS Bedrock AgentCore 的 AgentCorruption 漏洞鏈，一句提示就能橫向入侵同帳號同區域所有 agent；同日 Sierra 與 Meta 發布 Personal Agent Protocol 開放身分標準，但只處理外部驗證、不處理內部過度授權；OpenAI 內部模型 722 篇數學論文遭數學界質疑撤回修訂；Mistral Large 4（1 兆參數 MoE）、Manus $500M+ 募資、OpenAI 洽談 $1.4 兆估值同日並進；中國電信 TeleAgent 使用者破 150 萬，印度將於 30 天內發佈 AI 監理文件。
morluto/rea（96,754★，今日 +25,585）一天衝上 GitHub trending 第一，讓 agent 透過 MCP 呼叫 Hopper／Ghidra／IDA 逆向原生二進位、JS/Electron App；mhtsec/ARTEX（3,121★）是百度「agent+」攻防挑戰賽綜合評分第一的項目的第三方備份，讓 LLM agent 自主做滲透測試，但 10/07 起多家廠商報告有人濫用，本文僅供認識風險，不建議安裝或使用；zhongerxin/iPhone-use（2,983★）讓 Codex 透過 USB 操作真實 iPhone；rociiu/talorys（719★）一行指令在自己的 Cloudflare 帳號裡跑私人 agent。pydantic-ai v2.55.0 丟棄 Python 3.10 支援。
今天的 ML Fundamentals 輪練涵蓋四個核心概念:bias-variance tradeoff 要看 train/validation 的差距大小來判斷該往哪個方向調、L1 regularization 靠固定梯度把權重壓到剛好等於零(L2 的梯度隨權重縮小只會逼近零)、cross-validation 策略要依資料型態換(分類用 StratifiedKFold、時間序列用 TimeSeriesSplit、同時做超參數搜尋跟效能評估要用 Nested CV 避免過度樂觀)、以及 AUC-ROC 跟 PR-AUC 在資料不平衡時給出完全不同的訊號。練習題是 Amazon／Meta／Google 面試迴圈常出現的經典題:模型的 AUC-ROC 很高但 precision 很低,這代表什麼、你會怎麼處理,拆解思路把「先懷疑哪裡」到「怎麼用 PR curve 取代 ROC 做診斷」串成一套完整推理鏈。
Agno v3.1.3 的核心主題是外部 agent（ClaudeAgent / CodexAgent）補齊原生 Agent 的能力：(1) session 的 SDK 對話紀錄現在存進資料庫，換機器也能續跑；(2) 新增背景執行、取消、依 checkpoint 重放步驟；(3) 補上重試、token/cost 指標、壓縮、結構化輸出與圖片附件。無正式 breaking changes，但「同一 session 只能跑一個 turn」的行為從『先接受後失敗』改成直接回 409。
Muse Wonder（API 可呼叫）與 Muse Wonder Full（僅限 Muse Code 訂閱）：2026-10-12 發佈，1,048,576 tokens context，定價 $4.00/1M input（快取 $0.20）／$20.00/1M output，與 Claude Opus 5.5 完全同價；官方自測 Terminal-Bench 4.0-AA 85.6（Wonder）/85.5（Full）均超過 Opus 5.5 的 81.5，SWE-Marathon 78.8/79.0 同樣領先 Opus 5.5 的 74.2；但獨立評測機構 Artificial Analysis 的 Intelligence Index 把 Wonder 列在 52 分（219 模型中第 9）、Wonder Full 56 分（699 模型中第 4），低於 Meta 自己公佈的 56/59.0，也低於 Opus 5.5 的 58 分。這是 Meta 自 2025 年 8 月重組 AI 團隊後首款前沿級模型，兩個 checkpoint 能力分工不對稱：Wonder 在 AutomationBench／GDP.pdf 領先 Full，Full 則在 JobBench／Vals Finance／MemoryBench 大幅領先 Wonder。
Iris-3B：Sperid Labs 2026-10-07 發表論文（arXiv 2610.09450），3B 參數擴散 transformer（+ 凍結 4B Qwen3-VL-4B-Instruct 文字編碼器），不經 VAE／潛空間直接輸出像素；GenEval 0.798、DPG-Bench 86.52（皆 1024px），OneIG-EN 打平 Qwen-Image；但微調後的單眼深度估計（AbsRel 0.071）只打平有 VAE 的潛空間模型 FLUX.2 Klein、4 倍影像修復（LPIPS 0.292／PSNR 20.68）未能超越，論文自己承認『沒有找到像素空間生成先驗帶來顯著下游優勢』；權重與訓練程式碼全開源 Apache 2.0
Product Sense 面試裡最容易踩的陷阱，是看到一組『數字很漂亮』的使用者 segment，就直接跳去想『要幫他們做什麼新功能』，卻沒有先問『這群人現在到底是被滿足了，還是只是沒有更好選擇』。今天練一道情境題：Instacart 資料顯示 35–44 歲、家有小孩的訂閱家庭訂單頻率與客單價都明顯高於其他族群，但 App 裡完全沒有為這群人設計的介面。答案骨架用使用者問題框架（現況→痛點→根因→機會）先把『高頻高單』跟『需求被滿足』拆開討論，再用 Reach × Underserved Degree 矩陣判斷這個 segment 現階段真正的優先順位，避免把『已經做得不錯的地方』誤判成『還有大機會的地方』。案例是 Airbnb 的 Categories——2022 年把首頁搜尋改成瀏覽 56 種小眾住宿主題（樹屋、城堡、小島），用 ML 加人工把六百萬筆房源裡的四百萬筆分類進去，成功讓原本『沒人知道自己想要』的小眾住宿需求被看見；但 2023 年 Airbnb 擴張成 Homes、Experiences、Services 三大產品線後，Category search 的效用跟著下降，2025 年 9 月被正式收掉，換成傳統搜尋框加三個分類頁。
Zenity Labs 命名為 AgentCorruption 的攻擊鏈：先用提示注入讓有網路／shell 工具的 agent 去打 169.254.169.254 的 metadata 端點偷到執行角色的暫時憑證，再靠 AgentCore 預設角色的過寬 wildcard 權限列出並入侵同帳號同區域的所有其他 agent，讀私人對話、下毒記憶、拉走容器映像與 Secrets Manager 裡的密鑰。AWS 已於 2026 年 2 月把新部署 agent 全面改為 IMDSv2、9 月收斂預設角色權限，但官方立場是「此為文件化的預期行為」而非漏洞。Dark Reading、cybersecuritynews.com、BusinessWire 等多方交叉確認；防禦：立即收斂 execution role 到最小權限，長期把 agent 當成雲端工作負載而非聊天機器人來做存取審查。
decisionkit 是一個把是非、分類、評分、排序丟給專門 decision API 做機率判斷的 CLI 與 MCP server。安裝：npm i -g @adxtya21/decisionkit。解決了 Agent 用整段 LLM 推理做簡單分類時速度慢、沒有機率分數可自動路由的問題。
MemoType 用可學習的路由模型把記憶按「事件／個人語意／一般語意」三類分流到對應檢索策略，NeurIPS 2026 已接受，LongMemEval-M 上 Recall@1 比次強基線高 16.18 個百分點；CogMem 用能區分「事實」與「被轉述意見」的認知圖譜搭配會自主決定下一步的 ReAct 檢索 agent，EMNLP 2026 主會接受，拿掉 agentic 檢索迴圈後多跳推理 F1 直接掉 25.61 個百分點