跳到正文
只看一手#Agent
  1. Google Research72

    Google Research 介绍让 AI 智能体接入湿实验室的三项研究

    Google Research 发布博客，介绍三项让 AI 智能体从计算设计走向真实湿实验室实验的研究：VERID 框架为实验工作单元建立语义数字孪生，支持实时 3D 状态追踪、虚拟试运行和硬件安全检查。

    推荐理由：Google Research 用三个项目展示 AI 智能体如何接入湿实验室的真实反馈，读者可了解闭环实验的工程难点与安全约束。

  1. AWS Machine Learning Blog69

    Reflection AI 发布开源权重模型 Beam，并在 AWS 上部署

    Reflection AI 发布面向智能体编码与长周期任务的开源权重模型 Beam，总参数 501B、激活参数 23B，Reflection 称有效上下文长度为 100 万 token，权重以 Apache 2.0 许可在 Hugging Face 发布。

    推荐理由：原文给出 Beam 的参数量、上下文长度与三种部署路径，可据此比较托管与自建推理的取舍。

  2. Hugging Face Blog88

    Reflection 在 Hugging Face 开源 501B 模型 Beam

    美国新实验室 Reflection 在 Hugging Face 发布首个开源模型 Beam，采用 MoE 架构，总参数 501B、每 token 激活 23B，支持 1M token 上下文，以 Apache 2.0 许可开放，面向编码与智能体场景。

    推荐理由：原文给出 501B MoE 的架构细节、多精度基准和部署配置，可据此判断自托管前沿模型的硬件门槛。

  1. Hugging Face Blog88

    Meta 发布开源权重多模态 MoE 模型 Muse Spark Open

    Meta 发布开源权重模型 Muse Spark Open，采用 MoE 架构，总参数约 816B、每 token 激活约 42B，上下文窗口最高 1M token，可输入文本、图像、音频和视频并输出文本。

    推荐理由：原文给出 816B 总参数、42B 激活的 MoE 架构与多模态输入细节，并附 llama.cpp、vLLM、SGLang 部署和 TRL 微调配方。

  2. Google Research62

    Google 发布地理空间推理智能体技术报告并扩大 Earth AI 早期访问

    Google 发布地理空间推理智能体的技术报告，在 CBGB、UnivEARTH 及自建的 GeoExpertQueries、GeoKTools 四个基准上对比四种配置，结果显示接入 Earth AI 专用工具能显著提升定量空间任务表现，开放式问题还需前置规划。

    推荐理由：技术报告用四个基准对比四种配置，量化了领域工具与前置规划对地理空间推理的增益。

  3. Google Research74

    Google 发布 Deep Review 智能体文档审阅系统

    Google 公开发布 Deep Review，这是一个面向复杂文档的智能体审阅系统，可检查逻辑一致性、数学陈述、事实依据并与已有工作对比。系统采用文档分段、自适应算力分配、并行分段核查与全局综合四阶段流水线，并已加入 Gemini 4 Argon 支持。

    推荐理由：原文交代了四阶段智能体流水线的分工方式，以及会议试点中超过 16000 篇稿件的反馈规模，可据此判断自动审阅在哪些环节替人分担。

  1. Hugging Face Blog76

    Liquid AI 发布 LFM2.5-24B-A2B 端侧推理智能体模型

    Liquid AI 发布 LFM2.5-24B-A2B，这是一个 24B 总参数、每 token 仅 2B 激活参数的推理模型，面向端侧私有智能体，会先思考再作答并调用工具。

    推荐理由：Liquid AI 公布 24B 总参数、2B 激活参数的端侧推理模型，并给出与更大 MoE 的逐项基准对比和本地部署方式。

  2. Google DeepMind93

    Google DeepMind 发布 Gemini 4 Argon 模型

    Google DeepMind 发布前沿模型 Gemini 4 Argon，面向开发者、企业、科研人员和消费者开放，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元。

    推荐理由：官方给出定价、可用渠道和多领域实测案例，可据此判断前沿模型在工程与科研任务中的落地方式。

  1. Hugging Face Blog72

    作者用 ML Intern 两天做出六个模型，总花费约 103 美元

    作者借助 HuggingChat 中的 ML-intern，在几天内完成六个模型项目，包括把 Qwen-Image 2.1 的 9B 提示词改写器蒸馏成 0.8B 的 CPU 版本，总 GPU 与 CPU 费用约 103 美元。

    推荐理由：作者用同一套提示词流程在两天内做出六个模型，并公开了每个项目的算力成本与提示词写法。

  3. Microsoft Research72

    微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体强化学习框架

    微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的智能体 harness 直接参与训练，无需在训练框架内重写智能体。

    推荐理由：微软研究院开源了约 3500 行的智能体强化学习框架，并给出用 6000 条样本训练编码智能体的完整流程与结果。

  1. Mistral AI82

    Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态

    Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的原生多模态模型，可在 Mistral Studio 试用预览 API，权重将于本月底放出。

    推荐理由：官方披露了 1 万亿参数、520 亿激活的开放权重模型在编码、智能体与网络安全基准上的位置，以及月底放权重的安排。

  1. Google DeepMind82

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，之后再逐步扩展到开发者、企业和消费者。

    推荐理由：官方披露了 Gemini 4 Argon 在编码、企业知识工作和网络安全防御上的基准表现与内部落地案例，可据此判断前沿模型的能力边界。

  1. GitHub Blog · AI & ML64

    GitHub Security Lab 发布 Fuzzing Taskflow 智能体模糊测试流水线

    GitHub Security Lab 发布 Fuzzing Taskflow，这是一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就会自动识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，还会对每个崩溃做分类并生成漏洞报告。

    推荐理由：作者公开了自动化模糊测试流水线的架构与运行方式，读者可了解 LLM 智能体如何接手编写 harness、追踪覆盖率与崩溃分类。

  1. Mistral AI60

    Mistral 如何用 AI 智能体迁移 4 万行 Fortran 遗留代码

    Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 水库模拟器代码迁移到 C++，并公开了其中的智能体工作流。团队先搭建数值对齐测试框架，用检查点比对迁移前后的输出，再用自定义解析器生成调用树，由上百个智能体借助 Mistral OCR 读取旧 PDF 文档并补全注释。

    推荐理由：Mistral 公开了用智能体迁移 4 万行 Fortran 代码的完整流程，其中先建数值对齐测试、再分模块推进的做法可以迁移到其他遗留系统改造。

已经到底了