今天的核心是把 self-attention 從公式講到工程判斷：Q/K/V 怎麼從輸入投影出來、為什麼要除以 √d_k（避免 softmax 梯度消失）、多頭注意力怎麼讓模型同時學不同種類的關係、causal mask 跟 padding mask 各解決什麼問題。再往上走到 BERT（MLM，雙向，適合理解類下游任務）跟 GPT（next-token prediction，單向，適合生成）的預訓練目標差異如何決定各自的下游用法。練習題取自 Amazon Software Engineer（Machine Learning）技術篩選輪的真實問法——完整推導 scaled dot-product self-attention 並比較 BERT 跟 GPT——陷阱是只會背 Attention(Q,K,V) = softmax(QK^T/√d_k)V 這個公式，答不出每一步為什麼存在。
Composio CLI 0.6.0 三個重點：(1) Breaking：SIGINT/SIGTERM/SIGHUP 中斷改回報明確 exit code（130/143/129），不再視同成功結束；(2) Breaking：developer 帳號連結要求能解析出明確的 project 與 acting user，否則直接失敗；(3) Breaking：一個 toolkit 下有多個帳號又沒有 default 別名時，不再隱性挑最新帳號，須明確指定。
Clark 推出 Clerks——像初階審計員一樣被指派任務的自主 AI 員工，同步完成 $11M Seed，由 Touring Capital 領投，累計融資 $16M。這筆錢的信號：審計這個「每年算一次舊帳」的產業,正在被重新定義成「持續驗證」,而 Agent 要做的不是回答問題,是自己把工作一路做到底。
Larridin 完成 $30M Series A，由 Pelion Ventures 領投，a16z、Gradient Ventures 等跟投,累計融資 $47M。這筆錢的信號：當企業把 AI 從「小額雜支」燒成「前五大支出項目」,市場終於需要一個第三方稽核層,告訴老闆這些錢花在人跟 Agent 身上到底值不值。
Mistral 在 2026-10-29 開放 Large 4 權重的同一天公告，把它從 10/6 預覽時「五折促銷、無到期日」的定價直接訂為正式掛牌價：input $0.70、cached input $0.07、output $2.10（USD/1M tokens），比促銷前的掛牌價 $1.36/$0.14/$4.18 低了 48.5%／50%／49.8%，但只比促銷價貴了 2.9%／0%／0.5%。10/10 本系列就點出這種「無到期日促銷」讓開發者承擔『帳單何時翻倍』的風險——這次 Mistral 選擇把促銷價留住，而不是讓它消失。
今天的練習題是外送 App 完成訂單單週掉 12%，但真正的重點不是背出 AARRR 這五個字母，是練習怎麼把一個籠統的『訂單掉了』定位到漏斗的哪一段——是新使用者打開 App 的那一步（Acquisition/Activation），還是老使用者回購的那一步（Retention），因為兩種掉法要查的方向完全不同。第二個框架是 OEC（Overall Evaluation Criterion，整體評估準則）：A/B 測試不能只看單一主要指標有沒有漲，因為主要指標可能用犧牲使用者體驗換來的短期暴增，所以要同時盯著一組護欄指標，確認漲幅不是拿長期信任去換的。案例是 Ron Kohavi 與 Stefan Thomke 在 Harvard Business Review 公開的第一手敘述：Bing 一個把廣告標題和第二行文字合併顯示的改版想法，在待辦清單裡放了半年才排進測試，一上線監控系統就跳出『好得不像真的』警報——營收漲幅遠超預期，團隊第一反應不是慶祝，是先排查是不是記錄重複計算的 bug，排查後確認沒有 bug，再檢查護欄指標（使用者體驗相關數字）有沒有被犧牲，確認沒有之後才正式上線，年化貢獻超過一億美元，是 Bing 史上單一改版帶來最大的營收成長。
AnythingMCP 是一個 AGPL-3.0 授權、可自架的開源 MCP gateway，匯入 OpenAPI、SOAP/WSDL、GraphQL、OData 或資料庫 schema，就能自動把每個操作變成 MCP tool 給 Claude、ChatGPT、Copilot 用。安裝：`docker compose up -d`（搭配官方 quickstart compose 檔）。解決了「公司裡一堆 ERP、SOAP 老系統、自家 REST API 都沒有 MCP server，得自己一個個手寫」的問題。
今天的核心是 bias-variance tradeoff 在「規模變大」這個條件下會怎麼變化：資料量變大會在同樣模型複雜度下自然壓低 variance，所以規模夠大時常常可以負擔得起更複雜的模型而不過擬合；L1／L2 正則化的差別是幾何上的（diamond 有角 vs circle 沒有角），bagging 降 variance、boosting 降 bias 則是用演算法設計直接對應誤差分解裡的兩項；優化器選 SGD 還是 Adam，也是另一種规模下的 trade-off（Adam 收斂快但記憶體多三倍、可能收斂到較平的 minima 而略為犧牲泛化）。練習題取自 Apple Machine Learning Engineer 面試的真實問法——解釋 bias-variance tradeoff，以及規模變大時你會怎麼想——這類題目的陷阱是只會背公式，答不出「規模」這個條件到底改變了什麼。
Microsoft Mage-VL-Cowork（HF ID `microsoft/Mage-VL-Cowork`）：2026-10-30 上架 HuggingFace，4B 參數、32,768 tokens context（架構支援到 262,144），Apache-2.0 開源、無官方付費 API；OSWorld-Verified 66.0%，是目前 4B 量級最高分，贏過 27B 的 Qwen3.6-27B（63.9%）、72B 的 OpenCUA-72B（44.9%），以及用兩倍 step budget 的 Claude Sonnet 4.5（62.9%）；單一策略同時用螢幕截圖 GUI 操作（`computer_use`）與 `bash` 終端機執行，不需外部 router 做通道決策；Online Hybrid RL（GRPO）比純 Hybrid SFT 再進步約 10pp，同時模型呼叫次數減少 13%、輸出 token 減少 25.4%；官方明講只能在隔離沙箱/VM 跑，不可掛載真實帳密或本機檔案系統。
OpenAI 在 8/28 宣布終止向 Cursor 供應模型的合約，理由是 Cursor 遭 SpaceX 收購觸發了合約裡的變更控制權條款，提議停用日為 2026-11-12（距今約 10 天）；屆時 Cursor 裡的 OpenAI 模型需改用自備 API Key（BYOK）才能繼續用，且 OpenAI 未來模型（如 GPT-6.1 Astra）不會再提供給 Cursor。OpenAI 引用 Musk 旗下公司過去違反服務條款的紀錄作為理由；Cursor CEO 回應稱 OpenAI 模型僅占其流量 5%，雙方仍在協調。
CIRCLES 負責把題目拆成七步結構，Sean Ellis 的『很失望』分群法負責決定該聽誰的話——這兩個框架合起來才是今天的重點：分群不是面試裡隨口列幾個人設，是決定後面所有分析該往哪個方向走的第一個選擇。練習題是真實 PM 模擬面試題庫收錄的『設計一個幫助長者獨立使用大眾運輸系統的產品』，拆解示範怎麼把長者這個籠統標籤，先切成『認知清楚但行動不便』與『認知退化但行動自如』兩種完全不同的失敗模式，再各自配不同的解法與安全防線。案例是 Rahul Vohra 在 First Round Review 公開的 Superhuman 原始敘述：早期只有 22% 使用者說『如果不能用了會很失望』，遠低於 Sean Ellis 認定的 40% 產品市場契合門檻，Vohra 沒有急著改產品，而是先把回答『很失望』的那群人單獨抓出來分析他們共同的使用情境，光是這個分群動作、什麼都還沒改，分數就跳到 32%，接下來四個季度用同一套『調查→分群→分析→迭代』流程跑完，分數依序推進到 47%、56%、58%。
Agent Cockpit 是一個 AGPL-3.0 授權的本地看板 + MCP server，任何支援 MCP 的 agent（Claude Code、Codex、Cursor、Gemini CLI）都能把研究過程畫到同一塊板上。安裝：`git clone https://github.com/chutingyean/Agent-Cockpit.git && cd Agent-Cockpit && npm install && npm run demo`。解決了「agent 改了某個 helper function，之前驗證過的結論卻沒人發現已經不成立」的問題——靠的是對每次實驗、每個依賴檔案、每個被呼叫到的函式算雜湊，雜湊一變，結論自動標紅，整個過程零 LLM 呼叫、零 token。
Pydantic AI v2.64.0 四個重點：(1) Breaking：重試傳輸放棄後的錯誤狀態改丟 `ModelHTTPError` 讓 fallback 接手、`Coder` 工具預設關閉嚴格 schema、`json-repair` 改成選用依賴；(2) 新增 `ModelFallback` capability，支援 `sticky` 黏在答對的 fallback 模型，並帶 `prepare_model_request` hook 與 `RetryModelRequest`；(3) 新增 `BoxdSandbox`，把 `Coder`／`Shell`／`FileSystem` 等整組 harness capability 裝進同一個 boxd 沙箱機器；(4) 新增 `ArtifactScanner`，為 `Memory` 與 `Skills` 這類 agent artifact 做安全掃描。
GPT-6 Rosalind（API ID：`gpt-6-rosalind`）：OpenAI 於 2026-10-30 發佈 system card addendum，2026-11-01 定價頁正式上架；與 GPT-6 Astra 權重完全相同、未新增訓練資料或額外 post-training，差異只在生物安全拒答邊界放寬＋受信任存取（trusted access）；定價 input $15.00／output $75.00（每 1M tokens，cached input $1.50，超過 272K input 後 $30／$112.50），是 Astra（$10／$50）的 1.5 倍；MedChemBench v7 49.6%、GeneBench Pro v13 37.7%、LifeSciBench Gold 61.3%，皆比前代 GPT-Rosalind-5.5 翻倍以上；但敏感生物資安測試通過率僅 79.0%，明顯低於 Astra 的 99.8%——多答對的題目來自拒答率下降，不是能力變強
mcp4mail 是一個 MIT 授權、可自架的 MCP server，讓 AI 助理透過 OAuth 2.1 讀取與搜尋你的 IMAP 信箱。安裝：`docker compose up -d`（或直接用 hosted 版 https://mcp4mail.online/mcp）。解決了「AI agent 要讀信就得把 IMAP 密碼交給某個第三方」和「每個案子都要重寫一套信箱存取膠水程式碼」的問題；寄信、刪信、搬信預設全部關閉，要信箱主人手動逐項開權限，送信也永遠要人按下 Send 才真的寄出。
今天的論文是 Continual Learning Exam（arXiv:2610.33956，2026-10-25 發布），用 120 個五關任務鏈、89 種職業角色，測 agent 能不能把前面任務學到的東西用在後面的任務上。結果是最強系統也只闖過 47.7% 的關卡、完整通關五關的任務只有 23.3%，而且加回饋重做一次,中位數只進步 5.3 個百分點。練習題模擬面試官丟一組『單次任務分數很高、但長任務鏈表現很差』的評測結果，要你診斷是模型真的學不會，還是評測設計本身把『記得住』跟『用得上』混在一起算。
Bites 完成 $40M Series A，由 PeakSpan Capital 領投,累計融資 $55M。這筆錢的信號：這波 AI 融資潮不是每一筆都在買「自主行動的 agent」,還有一大塊是在買「用生成式 AI 重做過去靠人力產出的企業內容」——這類公司門檻較低、但市場夠大。
Broccoli AI 完成 $30M Series B，加上同次首次揭露的 $22M Series A，累計 Series A+B $52M，由 Khosla Ventures 連續領投。這筆錢的信號：vertical agent 的下一個戰場不是再卷一個 coding agent，而是深入藍領、中小企業市場，讓 AI 變成水管工、HVAC 師傅的「幽靈辦公室員工」。
Phonic 完成 $27.5M Series A，由 First Round 領投，累計融資 $31.5M，同步發布 speech-to-speech 模型 Phonic-1，在盲測中贏過 GPT-Live-1、Grok Voice 3、Eleven v4 Turbo 三個對手，但仍輸真人配音員。這筆錢的信號：語音 agent 的競爭正從「串接三個模型」轉向「原生端到端模型」。
SenseNova Loop-9B-Preview（`sensenova/SenseNova-Loop-9B-Preview`）：2026-10-30 商湯（SenseTime）開源，Apache 2.0；32 個獨立解碼器層中，第 4–27 層共享權重重複執行兩次（共 56 次層執行），搭配 two-stream mHC（Manifold-Constrained Hyper-Connections）管理兩條殘差流；訓練序列長度上限 262,144 tokens；官方消融實驗顯示單純加入 mHC 讓 GPQA Diamond +4.42 分、TeamBench +13.34 分；在 WorkBuddy Bench（66.9 vs 60.5）、AutomationBench（13.7 vs 10.2）、RaccoonPPT Bench（70.7 vs 59.1）三項評測上以 9B 參數超過參數量三倍的 Qwen3.5-27B，但在 Terminal Bench 2.1 與 T³-Banking 兩項落後；開源無官方 API，無定價