跳到正文
只看一手#Agent
10月17日周六
  2. 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。

10月16日周五
  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。

  3. 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。

10月15日周四
  2. 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。

  4. AWS Machine Learning Blog50

    用 Amazon Bedrock AgentCore 构建自改进的文档处理系统

    基于 Amazon Bedrock AgentCore 的多智能体 IDP 系统可自动分类、提取、校验并学习新的业务文档格式，无需为每种版式手工配置模板。系统由 8 个专用智能体组成，分识别、训练、自动化三条流程，新文档类型首次处理时生成并保存提取指令，后续同类文档直接复用。方案称通常可在 20 分钟内完成部署，支持发票、采购订单、保险理赔等文档。

  5. 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。

  6. 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。

10月14日周三
  2. AWS Machine Learning Blog31

    Tamnoon 如何用 Amazon Bedrock 构建 AI 云安全修复平台 Tami

    Tamnoon 基于 Amazon Bedrock 构建了智能体式云修复编排器 Tami，可自主调查 CNAPP 等来源的安全发现并评估修复安全性，再在护栏与治理下生成并执行修复。该方案在 90 天内将关键云暴露减少超过 90%，且未出现生产问题。平台由调查、安全评分、修复和代码生成四类专用智能体组成，通过单一 API 按任务调用最合适的模型。

  5. 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。

  6. 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。

10月13日周二
  2. Microsoft Research42

    微软研究院推出 StudentSim：用个性化学生模拟器评估和改进 AI 辅导

    微软研究院提出 StudentSim，从公开的去标识化学习记录训练个性化 AI 学生模拟器，用于在真实学生测试前评估和改进 AI 辅导系统。该研究同时发布 StudentSimEval 基准，从行为保真度和指导响应性两个维度评估模拟器，覆盖国际象棋、英语二语写作和数学三个领域，StudentSim 均优于主流基线。StudentSim 是研究系统，并非产品，不会部署到课堂，也不旨在取代教师。

10月8日周四
  2. Google Research71

    Google 研究：AI 辅助提升专利撰写产出，但初级律师的无辅助判断力未同步提升

    Google Research 在 NBER 发布专利撰写三个月实地实验，133 名律师随机获得当时未发布的 Google Labs AI 专利撰写工具（现属 Gemini Notebook）的使用权。

    推荐理由：三个月实地实验区分了 AI 带来的即时产出提升与无辅助判断力的变化，并指出资深与初级律师的差异。

  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。

10月7日周三
  1. Microsoft Research22

    微软研究院播客：AI 会犯哪些错，失败又能教我们什么

    微软研究院播客中，partner research manager Jennifer Neville 与首席应用科学家 Chad Atalla 对谈，讨论评估如何推动当前 AI 系统突破性能边界，以及模型在超出传统 benchmark 测试时出现的“意外失败”。她还分享使用当前 AI 系统的实用建议，并强调当结果偏离预期时应仔细检查数据。

10月6日周二
  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。

  2. Google Research34

    Google 发布智能体隐私与安全研讨会报告：从上下文完整性看开放与新兴问题

    Google 发布《智能体隐私与安全的开放与新兴问题：上下文视角》研讨会报告，汇集 50 多位学界与业界专家，梳理自主智能体在系统、模型、用户和生态层面面临的隐私与安全挑战。报告以上下文完整性（CI）理论为基础，将信息流的适当性扩展到智能体行为的适当性，并提出用上下文策略引擎在动作执行前评估其是否恰当。

10月2日周五
  1. GitHub Blog · AI & ML27

    GitHub 博客：AI 正在改变开发者工作，值得强化的三项技能

    GitHub 博客提出 AI 时代开发者应强化的三项技能：学会指挥 AI 智能体而非仅使用它，不轻信 AI 的第一个答案，以及用 AI 节省的时间去解决更大的问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明用第二个模型审查计划、代码和测试能发现首个模型遗漏的问题。

10月1日周四
  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。

9月26日周六
9月25日周五
  1. GitHub Blog · AI & ML48

    GitHub Copilot 用 canvas 替代聊天框：当聊天不是合适的 UI

    GitHub Copilot 应用推出 canvas，一种在应用内运行、无浏览器外壳的全栈小应用，可与 Copilot 智能体双向通信。官方演示用它做 Connect 4 对战、Winget 包管理和 SQLite 操作，并称让智能体造工具比反复用聊天消耗 token 更划算。canvas 可调用第三方 API 并在本地执行代码，复杂工作流示例耗时近一天调通。

  2. 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。

9月16日周三
9月9日周三
  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。

7月26日周日
  1. Berkeley AI Research38

    ABBEL：通过信念状态监督让 LLM 高效进行长程交互

    伯克利 AI 研究团队提出 ABBEL 框架，将 LLM 的交互摘要隔离为自然语言"信念状态"并对其内容进行监督评分。在协作编码基准 CollabBench 上，ABBEL 把与全上下文模型的性能差距缩小约 50%，训练步数减少 50%，峰值上下文 token 数仍显著低于全上下文。该方法用受自编码器启发的重建评分作为通用奖励，缓解递归摘要带来的性能损失。

7月7日周二
  1. Berkeley AI Research44

    智能免费之后：为智能体、由智能体、属智能体的数据系统

    UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本已从 GPT-4 级约 $30/百万 token 降至不足 $1，部分厂商低于 $0.10，年均降幅中位数约 50x，数据系统需围绕智能体重构。文章给出三个方向：为智能体设计的数据系统（如复用 80-90% 重复子查询）、支撑智能体集群运行的数据系统，以及由智能体自行合成数据系统。