跳到正文
只看一手#Agent
今天10月29日周四3 条
  2. AWS Machine Learning Blog27

    用 Amazon Nova Act 智能体 QA 自动化加速软件交付（第三部分）：应用与团队权限管理

    AWS 博客介绍 QA Studio 基于 Amazon Nova Act 的两项组织级扩展能力：应用（applications）用于归集测试并展示健康指标，团队用户管理用于控制访问权限。应用页展示所选窗口的通过率、执行次数、失败数与 0–100 健康分，健康分从通过率出发并对不稳定测试扣分。指标页支持 7 天按小时、30 天按天查看趋势，并提供不稳定测试排名与最近失败视图。

  3. Google DeepMind86

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型

    Google DeepMind 发布 Gemini 4 Carbon，称其在网络安全与长周期任务上能力最强，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。

    推荐理由：原文给出网络安全攻防与长周期智能体任务的基准表现，以及分阶段开放节奏，可据此判断前沿模型在安全领域的落地边界。

10月28日周三
  1. NVIDIA Blog60

    NVIDIA RTX Spark 笔记本更新：新增 Nemotron 3.5 Transcribe 模型、智能体 GPU 资源管理与游戏支持

    NVIDIA 为 RTX Spark 轻薄笔记本带来一批更新，包括开放权重的语音模型 Nemotron 3.5 Transcribe、NVIDIA App 中在前后台应用与后台智能体之间分配 GPU 资源的控制项，以及 LFM3 系列模型的 day-zero 支持。

    推荐理由：原文列出 RTX Spark 笔记本新增的语音模型、GPU 资源分配和本地智能体支持，可据此判断本地 AI 工作流的可用边界。

  4. AWS Machine Learning Blog36

    Exowatt 用 SageMaker 无服务器模型定制，精度超越前沿模型且成本低至 49 倍

    Exowatt 借助 Amazon SageMaker AI 无服务器模型定制，为边缘告警分诊和云端能源市场分析分别微调 Qwen3-1.7B 与 Qwen3-14B，精度超过前沿模型，成本最高降低 49 倍。该流程把原始运营数据加工为经认证的训练集、微调模型和可评估的部署产物，原本需数月的路径现在几天内即可跑通。

  5. Google DeepMind82

    Google DeepMind 发布世界模型 Genie 4

    Google DeepMind 发布新一代世界模型 Genie 4，可实时生成带原生音频的交互式模拟世界，并以研究预览形式向可信测试者开放。该模型原生多模态，能同时生成音乐、环境音与可交互对话，并借助 Gemini Omni 锚定真实外观、Gemini 3.8 Flash 作为引导智能体拆解多步任务。

    推荐理由：官方披露了原生音频、实时文本操控与 Gemini 引导推理三项能力，可据此判断世界模型在机器人与内容预演中的用法。

10月27日周二
10月23日周五
  1. Hugging Face Blog65

    微软与 Hugging Face 将数据库校验转为 RL 奖励，用 ThinkingBox 后训练智能体

    微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的可执行校验直接当作奖励，对 Qwen3.8-27B 做 50 步 GRPO 全参数微调。

    推荐理由：微软与 Hugging Face 把数据库终态校验改造成 GRPO 奖励，并公开了任务筛选与训练代码，可供做智能体后训练时参考。

10月21日周三
10月20日周二
  2. GitHub Blog · AI & ML36

    如何在 VS Code 中继续 GitHub Copilot 应用会话

    GitHub Copilot 应用中的会话可直接在 VS Code 中打开并继续，保留原有对话、代码改动和工作上下文。VS Code 会加载该会话关联的 worktree，并在 Copilot 侧边栏显示原会话，便于逐行审查 diff、手动修改、本地运行测试，最后提交并推送到会话对应的 pull request。

10月17日周六
  1. Google Research71

    Google Research 介绍让 AI 智能体落地湿实验室的三项研究

    Google Research 发布博客，介绍三项把 AI 智能体从计算设计接到真实湿实验室实验的研究：VERID 实验室数字孪生框架、适配体闭环发现和 de novo 蛋白结合体设计。

    推荐理由：Google Research 用三个项目展示智能体如何从虚拟设计走到湿实验室验证，并给出闭环迭代中的具体失败与修正。

10月16日周五
10月15日周四
  1. Google Research71

    Google 发布 Deep Review 智能体文档审阅系统

    Google 公开发布 Deep Review，一个面向复杂技术文档提供严格反馈与技术校验的智能体系统，最初用于计算机科学论文分析，现已扩展到法律、金融等领域。

    推荐理由：原文交代了四阶段智能体流水线如何分工校验长文档，以及面向学术审稿场景的试点规模与开放方式。

  2. Google Research67

    Google 发布地理空间推理智能体技术报告与两个新基准

    Google 发布地理空间推理智能体的技术报告，在四个基准上对比独立 LLM、基础工具、Earth AI 工具和带前置规划的完整智能体四种配置，并开源 GeoKTools 与 GeoExpertQueries 两个新基准的开发集。

    推荐理由：原文给出四个基准上的对照结果，说明专用地理工具与前置规划各自带来的差异。

10月14日周三
  1. Google DeepMind93

    Google DeepMind 发布 Gemini 4 Argon 模型

    Google DeepMind 发布前沿模型 Gemini 4 Argon，今日起通过 Gemini API、AI Studio、Google Antigravity 及 Gemini 应用和搜索 AI Mode 向开发者、企业和订阅用户开放。

    推荐理由：官方给出多领域基准排名与内部工程、科研落地案例，可据此判断前沿模型在长程任务上的实际边界。

10月13日周二
  2. Microsoft Research47

    微软研究用 StudentSim 模拟学生学习，提升 AI 辅导效果

    微软研究院提出 StudentSim，用公开的去标识化学习记录为每位学生训练个性化 AI 学生模拟器，在真实学习者测试前评估和改进 AI 辅导系统。该工作同时推出覆盖国际象棋、英语二语写作和数学的 StudentSimEval 基准，从行为保真度和指导响应性两个维度评估模拟器，结果显示 StudentSim 在上述领域优于领先基线，可为训练 AI 辅导系统提供反馈信号。

10月8日周四
  1. Google Research72

    Google Research 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 发表专利撰写实地实验，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）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，资深与初级律师的差异值得对照。

  2. Microsoft Research75

    微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体 RL 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 agent harness 直接参与训练，无需在训练框架内重写智能体。

    推荐理由：微软研究院开源约 3500 行的智能体强化学习框架，让部署时的 harness 直接参与训练，并给出可复现的编码智能体训练结果。

10月7日周三
  1. Microsoft Research31

    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 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的“意外失败”。Neville 还分享使用当前 AI 系统的实用建议，并强调结果偏离预期时细查数据的重要性。

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 AI 发布 Mistral Large 4 公开预览，可通过 Mistral Studio 的 API 试用，权重将在本月底开放。该模型为 1 万亿参数、520 亿激活参数的原生多模态模型，在 3800 块 NVIDIA Grace Blackwell GPU 上从零训练，官方称其在编码、智能体工作流和多模态理解上可与全球最强开源模型竞争。

    推荐理由：官方给出 1 万亿参数、520 亿激活的规格与编码、智能体、网络安全等多组基准，可据此判断开源权重模型的能力边界。

10月2日周五
  1. GitHub Blog · AI & ML22

    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。文章以新增认证流程为例，展示开发者如何从逐行写代码转为定义任务、审阅多个智能体产出并做技术决策。文中还提到 GitHub Copilot 内置的 Rubber Duck 智能体，会用第二个模型对计划、代码和测试提出批评。

9月26日周六
  1. GitHub Blog · AI & ML50

    GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流

    GitHub Copilot 应用中的 canvases 是可自定义的双向界面，用户只需在 agent 会话中输入 /create-canvas 并用自然语言描述工作流，agent 即可生成看板、发布清单或仪表盘等界面。用户与 agent 可同时操作同一画布，点击按钮或移动卡片会即时同步，无需额外发送或同步步骤。画布可保存为扩展供团队共享或个人复用，Awesome Copilot 已提供现成扩展。

9月16日周三
9月9日周三
  1. Mistral AI58

    Mistral 如何用 AI 智能体迁移 4 万行 Fortran 77 代码

    Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 的油藏模拟器迁移到 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，再用 Vibe CLI 启动上百个智能体，借助 Mistral OCR 整理散落的 PDF 文档，并按调用树逐节点生成 PR。迁移采用规划、编码、测试、审查四类智能体配合人工审核的分模块流程，首个冲刺完成 30 万行中的 4 万行。

7月26日周日
  1. Berkeley AI Research41

    ABBEL：教 LLM 更新信念状态，提升长程交互效率

    Berkeley AI Research 提出 ABBEL 框架，将摘要内容隔离为自然语言"信念状态"并加以监督，以替代完整交互历史作为智能体的工作上下文。在 CollabBench 协作编码任务上，基于重建的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也显著低于全上下文设置。

7月7日周二