Google 研究人员提出 RRSI，减少智能体 harness 对测试任务的记忆
Google 研究人员提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），通过约束智能体 harness 的自我优化，减少其记忆测试任务的问题。
#Agent
The DecoderAI 评分5757 TechCrunch · AIAI 评分5252 研究者追踪疑似运行于腾讯基础设施的中国 AI 智能体群
独立研究者公布初步发现，称一批 AI 智能体似乎运行在腾讯基础设施上，并查询阿里巴巴地图服务 Amap。研究者称其为“agent fleet”而非“swarm”，因为多个智能体虽执行相似任务，却没有相互通信的迹象；查询记录涉及公园、动物园和医院等公共场所不同入口的路线。研究仍在进行，现有记录显示这些智能体可能是在绕过阿里巴巴的 API 规则。
AWS Machine Learning Blog精选AI 评分7878 GLM 5.3 在 Amazon Bedrock 上线，支持缓存配置与 Strix 安全测试
AWS 宣布 GLM 5.3 已在 Amazon Bedrock 上提供，企业用户可通过托管 API 调用该模型，并使用跨区域推理、提示词缓存和不同服务层级。文章给出 OpenAI 兼容 API 调用及显式提示词缓存的 Python 示例，还演示了如何将模型接入开源 AI 渗透测试智能体 Strix，对本地 OWASP Juice Shop 执行授权安全测试。
推荐理由：文章把 GLM 5.3 在 Amazon Bedrock 上的接入方式与缓存配置写成可操作示例，并展示了它在授权安全测试工作流中的用法。
Google ResearchAI 评分4747 Agent 隐私与安全中的开放问题与新兴问题：一种情境视角
Google Research 发布《Agent 隐私与安全中的开放问题与新兴问题：一种情境视角》研讨会报告，汇集 50 多位学界和业界人士的合作成果，梳理自主 Agent 面临的隐私与安全挑战。报告以情境完整性理论为基础，提出通过情境策略引擎评估数据流和行动是否恰当，并从系统、模型和用户层面探索多层防护。
TechCrunch · AIAI 评分6565 Instinct 将 AI 智能体带入群聊，未注册用户的朋友也可参与
Instinct 推出群聊功能，用户可以将 AI 智能体加入朋友群聊，即使朋友尚未加入 Instinct 也能使用。该功能目前向早期体验用户开放，之后将扩展至所有用户。群聊智能体与个人账号隔离，个人智能体分享信息或采取行动前会征求用户许可。
TechCrunch · AIAI 评分6262 TikTok推出AI购物助手和应用内一键结账
TikTok宣布推出AI购物助手和新的应用内结账功能，让用户可以直接从品牌购买商品。购物助手以对话式AI智能体提供商品、配送、尺码和库存等信息，并协助完成购买；用户也可在For You信息流中一键结账。新功能由TikTok与Salesforce、Shopify、Shoplazza和Stripe等商务平台及支付服务商合作开发。
TechCrunch · AIAI 评分5252 Hot Girl Hotline 推出面向年轻女性的 AI 关系建议应用
两姐妹创办的 Hot Girl Hotline 推出面向年轻女性的 AI 关系建议应用，帮助用户以更安全的方式讨论约会与亲密关系问题。应用采用基于行为科学的建议和苏格拉底式提问，并会在对话出现风险信号时转介至 988 等资源。该应用可根据用户的价值观、目标、身份和偏好个性化建议，月费为 $9.99，现已在 iOS 和网页端提供。
AWS Machine Learning Blog精选AI 评分6464 AWS 教程：在 GovCloud 中通过 Amazon Bedrock 使用 Claude Code
AWS 介绍了在 AWS GovCloud (US) 中通过 Amazon Bedrock 配置 Claude Code，为受监管工作负载提供 AI 辅助开发方案。
推荐理由：文章并列说明 bedrock-runtime 与 bedrock-mantle 的功能和合规差异，并提供配置步骤，便于团队按审计与接口需求选择接入方式。
TechCrunch · AIAI 评分6767 HackerRank 向客户全面开放 AI 面试官 Chakra
HackerRank 向客户全面开放 AI 智能体面试官 Chakra，它通过真实代码仓库任务观察候选人的工作过程，并评估答案、判断和 AI 使用能力。测试期间，Chakra 已进行超过 500,000 次面试；HackerRank 称，其面试中的可疑活动标记比可比的传统评估低 70% 至 80%，但比例因地区和资历等因素而异。Chakra 为候选人评分，最终招聘决定仍由人类作出。
AWS Machine Learning Blog精选AI 评分7171 AWS 发布 Amazon Quick Resource Migrator，实现跨账户资源自动迁移
AWS 介绍了 Quick Resource Migrator，这是一个运行在 Amazon Bedrock AgentCore 上的 MCP 服务器，可将 Amazon Quick 资源从开发账户迁移到生产账户。
推荐理由：文章拆解了跨账户迁移的资源选择、权限复用、备份回滚与预览流程，可帮助团队理解如何把 Amazon Quick 资源纳入可审计的发布流程。
AWS Machine Learning Blog精选AI 评分6262 如何用 LangChain 和 Amazon Bedrock Knowledge Bases 实现智能体检索
文章演示如何在 LangChain 与 Amazon Bedrock Managed Knowledge Base 中使用标准检索和智能体检索，比较它们处理多部分问题的方式。标准检索以一次混合搜索返回结果，智能体检索则拆分子查询、评估证据并在需要时继续搜索；前者更快、更便宜，后者在多跳问题上的召回有所提升，但成本和延迟更高。
推荐理由：文章用同一多部分问题对比单次检索与规划式检索，并拆解其成本、延迟和召回取舍，提供了按查询复杂度选择路径的依据。
AWS Machine Learning Blog精选AI 评分6161 AWS 教程：使用 Amazon Bedrock AgentCore Evaluations 评估多智能体系统的可解释性与帮助性
AWS 展示了如何使用 Amazon Bedrock AgentCore Evaluations 构建并评估多智能体供应链决策系统，检查帮助性、业务准确性与可解释性。示例采用协调智能体和优化、分销、路线规划、分析四个专业智能体，并结合内置评估器与自定义评估器，分层验证通用质量、业务规则和决策说明。评估支持开发阶段的按需模式与生产环境的在线监控模式，文中提供部署、运行及评估步骤。
推荐理由：文章用供应链多智能体示例拆解三层评估流程，将通用质量、业务规则正确性与可解释性分开衡量，便于定位不同的改进方向。
MIT Technology Review · AIAI 评分3434 如何将 AI 智能体连接到企业知识
企业 AI 智能体缺乏组织语境知识，是项目难以投入生产的重要原因；平均只有 34% 的智能体项目进入生产阶段。调查发现，生产表现较好的组织知识能力更强，数据碎片化则是扩大智能体知识访问的首要挑战，55% 的受访者提及。企业计划投资检索技术、AI-ready API、RAG、AI 评估智能体和知识图谱，以加强数据与智能体的连接。
MIT Technology Review · AIAI 评分1919 将预测分析带入智能体 AI 时代
企业 AI 的重点正从预测转向自主决策，关键在于让预测系统依据结论自主行动，同时不偏离业务意图。深度学习和生成式 AI、实时训练，以及非结构化数据，正推动 AI 分析从回顾过去转向前瞻决策。
Import AIAI 评分3131 Import AI 475：群体智能体扩展、Google DeepMind 生物水印与 AI 科学经济
Import AI 475 分析了群体智能体的扩展规律：4 个智能体并行完成同等表现所需的总 token 约为单个智能体的 2 倍，但理论上可将耗时减半；智能体数量扩大 10 倍，性能增幅约为 3 至 5 倍。
Simon WillisonAI 评分6161 Simon Willison 呼吁按用量计费服务默认设置硬预算上限
Simon Willison 呼吁按用量计费的服务和 API 默认设置硬预算上限，达到月度额度后应停止服务并返回错误，而不是只发送警告。他指出，编码智能体和个人智能体降低了部署能产生费用的代码的门槛，失控服务可能带来意外账单。AWS 几周前推出项目月度支出上限，达到上限后项目当月暂停；Google Cloud 也在 7 月推出了类似的 Spend Caps 功能。
Hugging Face Blog精选AI 评分8080 Microsoft 与 Hugging Face 发布 ThinkingBox 智能体评测基准
Microsoft 与 Hugging Face 发布 ThinkingBox 和 ThinkingBox-Bench，用数据库终态及副作用评估 AI 智能体是否真正完成业务工作流，并将每项任务独立运行 20 次衡量一致性。
推荐理由：ThinkingBox 将评估焦点从对话和工具调用转向数据库终态，并通过每项任务重复运行衡量一致性，为检验智能体是否可靠完成业务流程提供了可复用基准。
MIT Technology Review · AIAI 评分2020 用自主 AI 重新定义企业智能
企业 AI 投资增长、模型能力提升，但许多企业仍受数据孤岛和系统碎片化制约，未能通过 AI 增加收入或从根本上改变运营方式。报告指出，持续获得回报的企业先重设计流程，再选择模型；数据是否适合 AI 使用，比数据总量更关键。可组合、具备主权控制的数据基础有助于在不迁移或集中数据的情况下支持 AI 智能体。
AWS Machine Learning Blog精选AI 评分7676 AWS 教程：用 Amazon Quick 与 Adjudicated Query 模式核查数万份租约合规性
AWS 介绍 Adjudicated Query 模式，使用 Amazon Quick 对话界面接收合规问题，并由确定性规则引擎完成租约核查，模型只负责将自然语言转换为固定操作调用和叙述结果，不参与判定。
推荐理由：文章以租约合规为例，拆解如何用确定性规则引擎与完整性回执保证逐条核查，并说明对话模型应与判定环节隔离。
GitHub Blog · AI & MLAI 评分4040 AI 正在改变开发者工作：GitHub 提出三项值得加强的技能
GitHub 指出，AI 正在改变开发者的工作方式，并提出三项值得加强的技能：指导 AI 智能体完成任务、审查而非轻信 AI 的首个答案，以及用节省的实现时间解决更大的问题。GitHub Copilot 内置的 Rubber Duck agent 会使用第二个模型，在继续推进前评审计划、代码和测试。越多实现工作交由 AI 处理，开发者的技术判断、权衡能力和问题选择就越重要。
Latent SpaceAI 评分7171 Airbnb CTO Ahmad Al-Dahle 谈公司如何转向 AI 原生
Airbnb CTO Ahmad Al-Dahle 介绍公司通过内部 AI 提效并改善用户体验，推动 Airbnb 转向 AI 原生。Airbnb 约 60% 的代码由 AI 编写，功能与改进同比增加近 80%，平均工程师的 PR 吞吐量约提升 1.6 倍；AI 目前解决约一半客服工单。
NVIDIA Blog精选AI 评分7272 NVIDIA DGX Spark 推出 64GB 配置，支持双机集群扩展
NVIDIA DGX Spark 将推出 64GB 配置，面向开发者、研究人员和 AI 爱好者，可在设备本地运行最多 100-billion-parameter 模型。
推荐理由：64GB 配置覆盖单机本地运行与双机扩展，文中还给出 Qwen 3.8 27B 测试的性能对比和集群接入方式，便于评估扩容路径。
Hugging Face Blog精选AI 评分6969 AutoSynthData 如何为企业智能体生成训练数据
ServiceNow CoreAI 构建了 AutoSynthData，根据目标模型的失败和更强教师模型的成功生成、验证训练任务，并用于模型微调。
推荐理由：文章展示了从模型失败提炼能力缺口、生成并验证训练任务的流程，并报告该方法在 EnterpriseOps Gym 两个领域的微调结果。
Latent SpaceAI 评分5858 Latent Space 访谈 MIT 的 Alex Zhang：研究选题、RLM 与智能体 harness
Latent Space 采访 MIT 的 Alex Zhang，讨论 RLM、GPU kernels、研究选题，以及 harness 如何帮助模型处理长上下文并提升跨任务组合泛化。Alex 介绍了 RLM 的上下文卸载、代码执行和递归调用子智能体机制，并认为学术研究者可以押注起初看似微小或古怪的问题；访谈还涉及多智能体系统、工具调用与模型能力过剩。
Simon WillisonAI 评分5757 Simon Willison 引述 Matthew Green 对智能体蠕虫与沙箱隔离的分析
Simon Willison 引述 Matthew Green 对智能体蠕虫风险的分析：恶意载荷可以劫持智能体，而被劫持的智能体又可能将载荷传递给下一个智能体。彼此隔离的沙箱内智能体曾通过共享软件包缓存留下指令，改变接收方的行为；若将缓存换成电子邮件、Slack、共享文档或 WhatsApp，并将训练运行换成独立部署的个人智能体，便具备了蠕虫所需的要素。
Latent Space精选AI 评分7777 Latent Space 访谈解析 OpenAI 计算机操作进展与 Decisions API
Latent Space 访谈 OpenAI 的 Ari Weinstein 和 Nikunj Handa，讨论计算机操作智能体的进展及 OpenAI DevDay 发布的 API 变化。
推荐理由：访谈把计算机操作能力变化拆解为模型调试恢复、页面信息表示和执行速度等因素，并呈现了 OpenAI 团队对 API 设计与安全措施的说明。
NVIDIA Blog精选AI 评分7676 NVIDIA 与 CoreWeave 推出 Vera Rubin 云服务并发布 CoreWeave Forge
NVIDIA 与 CoreWeave 宣布在 CoreWeave Cloud 提供 NVIDIA Vera Rubin NVL72，并推出模型与智能体训练、评估和改进环境 CoreWeave Forge。
推荐理由：文章把 Vera Rubin 的生产部署、Vera CPU 测试和 Forge 的训练改进流程放在同一案例中，呈现从推理到持续优化的具体做法。
Latent SpaceAI 评分2929 OpenAI DevDay 2026：发布 Dots、GPT-6.1 Sol、Decisions API 等产品与平台更新
OpenAI 在 DevDay 2026 推出 Dots 智能体、GPT-6.1 Sol 及多项平台更新，并称 ChatGPT 周活跃用户达到 12 亿。GPT-6.1 Sol 定价为每百万 tokens $2/$10，缓存输入为 $0.10；OpenAI 称其在 DeepSWE 上与 Astra 持平，在 AutomationBench 上超过 Opus 5.5。
Hugging Face Blog精选AI 评分6767 ProvenanceGuard 论文提出面向 MCP 智能体的来源感知事实核验
ProvenanceGuard 研究提出一种面向 MCP 智能体的生成后核验层，逐条检查回答中的主张是否得到其所指来源的支持，并输出来源判定及整体放行或拦截结果。在医疗智能体测试中，系统从 361 条主张中拦截了专家判定不应通过的 139 条中的 138 条，同时拦截了 67 条专家认为有支持的主张；对可识别来源的主张，来源判断准确率约为 86%。
推荐理由：研究针对MCP智能体把事实归到错误来源的问题，展示逐条核验来源的流程及其在医疗记录数据上的测试结果。
Hugging Face Blog精选AI 评分8080 H Company 发布 Holo4 智能体模型系列，提供 27B 与 35B-A3B 两种规格
H Company 发布 Holo4 智能体模型系列，包含 27B dense 和 35B-A3B MoE 两种规格，并在 H Models API 提供使用。模型可通过 GUI、代码、MCP 和 API 与软件交互，并针对桌面、网页、Android、代码沙盒及业务 API 等环境开展工作。H Company 还发布了 Holotron4 Nano，并开源模型权重及公开基准测试的执行轨迹。
推荐理由：Holo4将GUI操作、代码执行与MCP或API工具调用纳入同一模型系列，并提供跨桌面、网页和Android等环境的使用方式。
Hugging Face Blog精选AI 评分7272 Hugging Face Hub 新增 RL Environments 筛选与框架标签
Hugging Face Hub 为 RL Environments 新增专属筛选，并允许数据集通过框架标签标示兼容性。首批登记 Harbor、Verifiers、OpenEnv 和 NeMo Gym，页面会为每个框架生成运行命令；环境仍以数据集仓库形式托管，框架负责运行。该更新不新增仓库类型、注册中心或注册流程。
推荐理由：这次更新把 RL 环境作为带兼容性标签的数据集纳入 Hub，集中展示不同框架可加载的任务，并保留各框架运行环境的职责。
GitHub Blog · AI & ML精选AI 评分6464 GitHub Copilot app 初学者指南：如何用 canvases 构建自定义工作流
GitHub Copilot app 的 canvases 允许用户与智能体共享可自定义界面，并围绕各自工作流调整内容。用户可在智能体会话中输入 `/create-canvas` 技能并描述需求，无需手动编写代码或设计界面，智能体便会创建画布。画布可保存为团队共享或个人扩展，用户和智能体也能同时修改共享状态。
推荐理由：文章通过创建发布说明看板的示例，展示从自然语言描述到可复用画布的过程，并说明用户与智能体如何同步修改共享界面。
GitHub Blog · AI & ML精选AI 评分6262 GitHub Copilot 的 canvas 如何突破聊天界面的限制
GitHub Blog 作者 Burke Holland 主张，聊天并非与 AI 交互的最佳界面，并介绍了 GitHub Copilot app 中名为 canvas 的可定制界面。
推荐理由：文章通过 Connect 4、Winget、SQLite 和开发流程自动化等实例，说明自定义界面如何让 Copilot 智能体参与任务并减少反复聊天交互。
Google Research精选AI 评分6767 Google Research 介绍长篇连贯视频生成研究及四项框架
Google Research 介绍一套面向长篇连贯视频生成的多智能体框架，旨在提升多镜头叙事的一致性并减少视觉漂移和流程错误传播。研究包含 Co-Director、CANVAS、A²RD 和 VQQA，分别处理创意编排、视觉连续性、长时序生成与闭环修正。评测中，Co-Director 在 GenAD-Bench 上取得 81.4 的峰值质量分数；其余框架也在文中列出的多个基准上展示了相应改进。
推荐理由：文章将长视频生成拆解为创意编排、视觉分镜、时序延展和闭环修正四类问题，并说明各框架如何应对连续性漂移。
GitHub Blog · AI & ML精选AI 评分7575 GitHub Security Lab 开源 Fuzzing Taskflow 智能体，自动化 C/C++ 模糊测试
GitHub Security Lab 开源了面向 C/C++ 项目的 Fuzzing Taskflow，由 LLM 智能体自动识别代码入口、编写 harness、运行 AFL++、根据覆盖率改进测试，并对崩溃进行分诊和生成漏洞报告。
推荐理由：文章拆解了覆盖率反馈、结构化输入生成与崩溃分诊的自动化流程，也说明模型报告仍需人工审查，可供安全测试工作流设计参考。
Google DeepMind精选AI 评分7979 Google DeepMind 推出 Gemini 3.8 Live with Live Avatar
Google DeepMind 推出 Gemini 3.8 Live with Live Avatar，为 Gemini Enterprise 提供带动态视觉形象的实时对话功能。它结合近实时视频生成与语音，支持后台异步调用工具并在对话不中断时处理任务，还可在97种语言间切换。组织可从参考图生成定制化 Avatar，但该功能目前仅向获准的企业开放；音视频输出均嵌入 SynthID 水印。
推荐理由：该功能结合实时音视频对话与后台异步工具调用，并支持跨97种语言切换，可看出企业对话场景中交互连续性与多语言适配的设计重点。
GitHub Blog · AI & ML精选AI 评分7272 GitHub Copilot app 如何流畅渲染超大型 Pull Request
GitHub 重建了 GitHub Copilot app 的 Pull Request 视图，使包含 2,200 个文件、超过 100 万行变更和 400 多条行内评论的 PR 仍能流畅浏览。文章详述了代码行与动态评论分开管理高度、滚动时延后测量并保持阅读锚点，以及通过缓存和自动化测量循环定位性能问题的做法。
推荐理由：文章拆解了超大型 PR 视图的关键设计取舍，尤其说明动态评论如何影响虚拟化，以及团队如何通过锚定校正和自动化测量避免滚动卡顿。
Google Research精选AI 评分7272 Google Research 推出面向教育的生成式界面互动学习模拟实验
Google Research 推出一项生成式界面研究实验，允许教师按教学目标和课程动态生成定制的互动学习模拟。Google 同时发布了 30 多个英文 STEM 互动示例，涵盖物理、化学、生物和数学，并由教师审核；12 名美国教师的初步试用评分平均为 8/10。
推荐理由：这项研究展示了生成式界面如何结合课程目标、分级挑战和教师审核来生成互动模拟，并给出了教师试用反馈。
GitHub Blog · AI & ML精选AI 评分8181 GitHub Copilot 团队如何借助 Copilot 将运行时迁移到 Rust
GitHub 将 Copilot 智能体运行时从 TypeScript 迁移为 Rust，项目主要由 AI 智能体编写代码，并通过 128 个 pull request 分批合入和发布。运行时最终包含 832,378 行生产 Rust 代码，迁移期间发布了 135 个版本；作者还介绍了原地替换策略、测试验证以及多智能体协作中的协调经验。
推荐理由：文章以运行时迁移为例，结合渐进式替换、测试和发布数据，呈现了用智能体协作完成大型代码迁移的具体做法。
Google ResearchAI 评分5757 Google Research 发布 ToolGrad，提升工具调用数据生成效率
Google Research 在 ACL 2026 介绍 ToolGrad，一种先生成真实工具调用链、再标注对应用户查询的工具使用数据生成方法。它通过文本“梯度”迭代构建 API 工作流，并在 ToolBench 的 16k+ API 上生成数据；结果显示，该方法以较低成本生成更复杂的数据，数据生成通过率接近 100%。