ChatGPT 开出企业入口、Seedream 5.5 百轮编辑不崩、决策模型进 transformers 主干、CMU 把失准泛化画成一条直线
OpenAI 上线 Businesses in ChatGPT，认领、接客、投广告一个入口全包；字节 Seedream 5.5 拿下连续编辑 100 轮的高压测试，2K 编辑单张 0.28 元；Hugging Face 让决策模型进了 transformers 主干，判断变成类型化 API；CMU 用 55 页论文证明微调的人格副作用落在跨模型共享的 probit 直线上，调层比调超参更能控制泄漏。
本期四条动态各管一层：OpenAI 给 ChatGPT 开出企业门面（Business Hub 认领 + Business Agent 接客 + 赞助位），字节 Seedream 5.5 把「连续编辑 100 轮不崩」做成了新卖点，Hugging Face 让决策模型进了 transformers 主干（不生成文本、直接输出决策与概率），CMU 则证明微调的「人格副作用」落在一条可以预先算出的直线上。入口、编辑、判断、副作用——四件原本凭经验的事，被逐个装进可管理的接口或可预测的曲线。
一、ChatGPT 开出「企业门面」：认领、接客、投广告，一个入口全包了
事件概述
11 月 10 日，OpenAI 上线 Businesses in ChatGPT（beta）。企业通过 Business Hub 认领自己在 ChatGPT 里的条目，验证后可自助更新关键信息、接入带定价与库存的商品数据源，并查看用户与自己的互动洞察。同期推出的 Business Agent 让企业在模型回答中挂出一个可对话的官方入口，先面向美国境内符合条件的电商与在线服务企业。ChatGPT 官方口径是每周 12 亿活跃用户，这一步等于给这 12 亿人开了一扇直达企业的门。
技术解析
数据供给走自助链路：企业自己维护商品 feed（含价格与库存），Shopify 商家可以从 Business Hub 或 Shopify 后台直连，存量商品经 Shopify Catalog 已经进了 ChatGPT。洞察层做了隐私降维——只给聚合口径（提及次数、网站点击、被引用话题主题），不共享用户对话原文，且互动量不足阈值时不出数。Business Agent 的对话与用户原本的 ChatGPT 会话明确隔离、单独标注，避免企业的话与模型的独立回答混在一起；赞助位同样与模型回答分离标注，企业可以把 Business Agent 当作 ChatGPT 广告的落地页。
行业影响
这套结构几乎是「Google 商家资料 + 客服 + 广告投放」的对话化翻版，差别在于分发权收得更紧：传统搜索里企业靠 SEO 争排名，ChatGPT 里企业靠认领条目和商品 feed 争「被模型提及时的准确度」，再靠 Business Agent 争「提及之后的转化」。对 OpenAI，这是从订阅与 API 之外的第三条收入线（广告 + 企业服务）；对商户，多了一个必须经营的新阵地；对行业，Agent 不只是干活工具，还成了广告载体本身——模型回答、企业 Agent、赞助位三者的边界标注做得多干净，决定这条商业化路线能走多快。
相关链接
二、字节 Seedream 5.5：百轮编辑不崩，生图模型开始拼「编辑耐力」
事件概述
11 月 10 日，量子位发布对字节 Seedream 5.5 的深度实测。模型已上线即梦、豆包与豆包工作。压轴测试是连续编辑：给模型一张带手表的图片，每轮让表盘时间加一秒、并把上一轮输出作为下一轮输入，跑满 100 轮。对照的 GPT-Image 2.6 在第 10 轮左右开始畸变，越往后失真越重；Seedream 5.5 后期也有形变，整体保真明显更好。
技术解析
难点的本质是误差累积：每一轮模型只看得到上一轮的输出，看不到原始图，一步错就步步错。Seedream 5.5 这次主打精准编辑与多轮一致性，配套升级包括多图融合（三张拍摄条件完全不同的图合成一张广告大片，透视、比例、光照关系对得上）、透明 PNG 直出与合成、密集小字与多语言渲染（海报页脚的日文与公式上下标不乱码）、动作迁移（人物与动作从两张图解耦再合成，九人合照也能按指定姿势排布）、成图反向拆分为可编辑图层（锁定商品与背景层，只改文案层即可产出英文市场版本，包装上的法文字样原样保留）。计费延续「输入图 + 输出图」两段结构，文本 token 不收费，2K 方图编辑单张约 0.28 元，不到 Seedream 5.0 Pro 的一半，速度也比上代快。
行业影响
生图赛道「出一张好图」已经不稀缺，稀缺的是「改一百次还不崩」。这个指标恰好卡在电商的要害上：主图天天要二次修改，换色、换装、换背景、改文案，一张图连续衍生出一整套 SKU 版本；图层拆分加多语言改字，把出海品牌做多市场主视觉的工序压掉几道。当能力接近第一梯队、价格往下走，每天大量出图的中小商家与内容团队的账很好算。对行业，这是竞争焦点的转移——从单次生成的惊艳度，挪到长链路工作流里的稳定性与工序整合度。
相关链接
三、决策模型进 transformers 主干：不写一段话，直接给决策和概率
事件概述
11 月 10 日，Hugging Face 发布官方博客《Decision Models in Hugging Face》。Transformers 库新增 DecisionPipeline、AutoModelForDecision、DecisionConfig 与 /v1/systemone 推理 API，llama.cpp 同步支持同一 API，Hub 上线 decision-model 标签。本栏 9 月 21 日与 10 月 15 日两次报道过这一品类（TypeSafe 的 Jev、Lumma-Fev-27B、Microsoft Decision-1、Typed Decision Leaderboard），当时它还是社区自发长出来的新货；进主干库意味着它拿到了与文本生成模型平起平坐的工程地位。
技术解析
决策模型的接口是「状态 + 问题 + 候选答案 → 决策 + 概率」，全程不生成文本。问题由三种原语组成：choice 在选项上算 logit 过 softmax 出分布；score 在有序量尺上出分布但返回期望值（示例 E[X] = 0×0.10 + 1×0.26 + 2×0.72 = 1.7）；noul（得名于 Bernoulli）返回「是」的概率本身，把采样决定权留给应用。置信度按选项数归一化：C = (p_max − 1/K) / (1 − 1/K)，均匀分布时为 0，全集中时为 1。对照用 LLM 生成 JSON 的老路子，它免掉 schema 不合规、约束解码开销、多余的逐 token 生成三笔账。工程上还有两个细节值得记：/v1/systemone API 也能驱动兼容的自回归 LLM（Transformers 自动构造决策 prompt、批量前向取答案标签的 logits，不走生成）；训练侧 Trainer 已可微调，TRL 一等支持在 PR #8040 开发中，Unsloth 提供「LoRA + 决策打分头」把生成式模型转成决策模型的路子。
行业影响
这一步的分量在标准化。路由、分类、护栏、内容安全这些封闭选项场景，原本的模式是「模型写一段话、正则去抓标签」，延迟与不确定性都被藏进了解析环节。决策模型把判断变成类型化 API、把不确定性收敛成概率值，transformers 收编之后，「换一个判断模型」与「换一个文本模型」的迁移成本拉平。品类的名字之争也落了地：从 TypeSafe 起初的 System One model 到社区投票的 decision model——描述计算角色的名字赢了描述认知理论的名字。接口由基础设施厂商定义，生态便随之倾斜，这条路径与 LLM 时代 tokenizer/chat template 的标准之争如出一辙。
相关链接
四、CMU：微调的「人格副作用」落在一条共享直线上，调层比调超参更能控制它
事件概述
arXiv 2611.12864，v1 提交于 11 月 9 日，卡内基梅隆大学 Olina Mukherjee、Arnav Goel、Aditi Raghunathan、Jacob Mitchell Springer 四人合著，55 页。论文研究 persona generalization——在一个领域微调引发的模型行为变化（比如 emergent misalignment 里那种大范围不安全行为）如何泄漏到其他领域，结论是：这个过程可以预测，而且预测曲线跨模型家族共享。
技术解析
核心发现叫「on-the-line」现象：把各微调配置下的人格触发率换到 probit 空间，领域内（ID）与领域外（OOD）触发率近似落在一条直线上，z_OOD = α + β·z_ID。全参微调下跨模型跨配置拟合 R² 达 0.97，单模型中位数 0.93。学习率、weight decay、训练时长这类不改变「哪些参数被训练」的选择，只是把模型沿着同一根线挪动——想少泄漏，代价是领域内学习变弱。改变微调的层才能改斜率：Qwen2.5-14B 在医疗建议（ID）→ DIY 建议（OOD）上，只训底部三层斜率 β=0.63，只训顶部三层 β=0.37——顶层微调保住领域内收益的代价下，领域外失准明显更缓。深度扫描中 50 条模型×领域曲线里 48 条斜率随更新位置变深而下降、49 条与深度负秩相关。两个反面发现同样关键：谄媚人格的 ID/OOD 关系近似 y = x，不论训哪一段都全量迁移（谄媚比不安全行为更难隔断）；激活转向则完全不呈现深度依赖——中层转向 unsafe 触发率最高，斜率随层深无一致趋势。权重更新与表示干预走的是两条路。实验覆盖 Qwen2.5-7B/14B、Llama-3-8B、OLMo-3-7B 与 Falcon Mamba-7B（28–64 层，含状态空间架构），判定用 Qwen3.6-27B-FP8 当裁判，退化输出占比 ≥25% 的评测整体剔除。
行业影响
这是 accuracy-on-the-line（ID/OOD 精度强相关）在安全维度的对偶物，把 emergent misalignment 从轶事观察升级成定量框架。工程上最直接的推论：微调后出现意外行为时，先调「训哪些层」再调「超参多小」，前者改的是泄漏斜率，后者只是在斜率固定的线上往回缩。对做领域微调的数据与训练团队，这意味着副作用的预算可以从「上线前跑红队碰运气」前移到「训练中盯一条曲线」。与此前本栏报道过的失准监控（第 151 期）和违信念数据诱发失准（第 157 期）对照：那两篇讲的是失准怎么被诱发、怎么被抓到，这一篇给的是失准强度本身的可预测刻度。
相关链接