微软让 Copilot 对 Windows 和文件拥有更多控制权
The Verge 报道微软正在让 Copilot 获得对 Windows 系统和用户文件的更多控制权，原文正文未提供具体细节。
#Agent
The Verge · AI精选AI 评分2222 Hacker News精选AI 评分6363 Pinrail：让 coding agent 暂停等待人工审批的桌面收件箱
Pinrail 是一款桌面应用，让 Claude Code、Codex、Cursor、OpenCode 等 coding agent 在需要人工决策的步骤前暂停，通过专用视图等待用户审查后继续执行。
推荐理由：原文展示了让 coding agent 在关键步骤暂停等待人类审批的产品形态，读者可以参考其插件机制判断能否适配现有工作流。
HF Daily Papers精选AI 评分3535 CheckerBench：长程编码智能体能否从零开发静态分析检查器？
CheckerBench 是一个面向静态分析检查器开发的端到端智能体评测基准，包含源自 297 个 CVE、覆盖 167 个仓库与 85 类 CWE 的 300 个任务，每个任务附带漏洞版本、修复版本、固化分析环境与检查器脚手架。
推荐理由：提出了覆盖 297 个 CVE 的端到端检查器开发基准，并量化了当前编码智能体在该长程任务上的实际能力上限。
Hacker News精选AI 评分4848 Trigora 发布基于 TCC 引擎的 durable 执行平台
Trigora 推出基于 Transparent Continuation Checkpointing (TCC) 的 durable 执行平台，面向长生命周期 AI 智能体和程序。
推荐理由：原文给出 TCC 与传统历史回放方案的差异，并附有快速上手的安装命令，便于评估长生命周期 AI 智能体执行框架时直接对照。
Hacker News精选AI 评分1515 Google Playground 上线用户作品展示页
Google 实验室的 Playground 页面展示用户创建的浏览器小游戏，涵盖平台跳跃、问答、街机射击、单词拼谜、体育、冒险和叠落物等类别，每款游戏附有简短说明和创作者用户名，页面提供"发现"与"灵感"入口供浏览他人作品，链接为 https://labs.google/playground。
Microsoft Research精选AI 评分7070 微软研究院开源 Agent Lightning v1.0：3,500 行的轻量智能体强化学习框架
微软研究院开源 Agent Lightning v1.0，一个约 3,500 行的轻量级智能体强化学习框架，主打 Harnessed Agentic RL 训练范式，让部署用的 agent 框架直接参与 RL 训练。
推荐理由：把部署阶段的 agent 框架直接接入 RL 训练的方案，并给出 Qwen3.5-9B 在 SWE-bench Verified 上的具体增益，读者可据此评估迁移到自身智能体栈的成本。
TechCrunch精选AI 评分3434 个人 AI 助手 Tab 浮出水面，估值达 $300M
个人 AI 助手 Tab 正式从隐身状态浮出水面，估值 $300M，由 Brennan Erbz、Stafford Schlitt 和 Ammar Amdani 创立。
推荐理由：Tab 把差异化放在信任和数据控制上，为当下同质化比拼能力的消费级 AI 助手提供了另一层可对照的产品思路。
Latent Space精选AI 评分4545 Stacklok Mecatl 能否让 AI 智能体在云端可靠运行
Stacklok 由 Kubernetes 联合创始人创办，已在 GitHub 开源云原生 AI 智能体框架 Mecatl。Mecatl 将智能体循环与执行环境、客户端和会话状态解耦，区别于桌面优先的同类方案。公司另维护开源 MCP 平台 ToolHive，并以打通二者的企业控制平面为商业化产品。
推荐理由：把 Kubernetes 时代处理云原生应用的经验迁移到 AI 智能体管理，给出了企业级智能体基础设施的设计思路。
TechCrunch · AI精选AI 评分4242 OpenAI Dots 产品负责人将出席 TechCrunch Disrupt 2026
OpenAI 常驻个人 AI 智能体 Dots 的产品负责人 Alexander Embiricos 将出席 10 月 13–15 日在旧金山 Moscone West 举办的 TechCrunch Disrupt 2026，在 AI Stage 进行题为「聊天机器人之后的下一步」的对话。
推荐理由：原文给出 Dots 的产品方向与 OpenAI 关注的自主性和信任议题，读者可据此了解个人 AI 智能体的定位。
The Verge · AI精选AI 评分3838 Meta 的 AI 智能体 Muse 推出 iPad 版本
Meta 的 AI 智能体 Muse 在最新 iOS 更新中加入原生 iPad 支持，并扩展了与 Canva、Dropbox、Figma、QuickBooks、GitHub、Zoom、Asana、Klaviyo、Granola、Notion 等第三方应用的连接。
推荐理由：原文给出 Muse 的 iPad 适配细节、第三方连接器列表与业务目标功能，便于了解其在小型企业场景下的多端覆盖。
TechCrunch · AI精选AI 评分4444 iPod 之父 Tony Fadell 谈第一代 AI 硬件失败原因与下一代方向
iPod 之父 Tony Fadell 在 MIT Future Fest 上指出 Rabbit R1、Humane Ai Pin、Limitless pendant 等第一代 AI 硬件未解决真实需求，原因是全球只有不到 0.01% 的人使用过人类助理。
推荐理由：原文给出了第一代 AI 硬件失败的产品判断和下一阶段所需的信任与端侧条件，可作为评估 AI 智能体产品方向的具体参照。
TechCrunch精选AI 评分3535 Bloom 完成 $3.6M 种子轮，要做美国制造业的 AI 版阿里巴巴
Bloom 宣布完成 $3.6M 种子轮融资，由 SNAK Venture Partners 领投，公司从代工服务转型为面向美国制造业的 AI 撮合市场。Bloom 已为 140 多家公司完成超过 2,000 笔供应商撮合，CEO Justin Kosmides 表示平台通过整合公开数据与企业自有数据训练供应链 AI 智能体，帮助硬件初创公司对接合同制造、设计工程与物流等服务。
推荐理由：Bloom 公开了从代工服务转向供应链 AI 撮合平台的转型与撮合数据，可作为硬件团队在关税环境下搭建美国本土制造对接的参照。
AWS Machine Learning BlogAI 评分2828 Cornerstone OnDemand 如何用 Amazon Bedrock 将数据库诊断时间缩短 78%
Cornerstone OnDemand 基于 Amazon Bedrock 与 Strands Agents 构建多智能体系统 Orion AI，将数据库诊断时间从 45 分钟压缩到 10 分钟，降幅 78%。
AWS Machine Learning BlogAI 评分3232 AWS 实战手册：如何帮助非工程师团队弥合 AI 知识与能力差距
AWS 推出了一项为期六周的结构化项目（每周约 4 小时），帮助无工程背景的业务人员通过动手构建 AI 智能体来弥合知识与能力差距。
AWS Machine Learning Blog精选AI 评分3838 AWS DevOps Agent 调查后的自动化修复方案
AWS 官方博客发布教程，演示用 Lambda Durable Functions、Amazon EventBridge 与 Amazon Bedrock 在 AWS DevOps Agent 完成根因分析后自动推进修复。
推荐理由：给出把调查摘要转成可一键批准修复动作的端到端参考架构，并把只读自治与变更操作审批分离的模式留给读者复用。
AWS Machine Learning Blog精选AI 评分3737 超越工时节省：构建智能体自动化的商业论证框架
AWS 推出名为 Agentic Value Model 的框架，把智能体自动化的价值拆成四个维度：工时节省、异常处理、决策质量、变更韧性，并以价值实现率决定是否真正落到损益表。
推荐理由：提出智能体自动化的四维价值模型与优先级矩阵，可作为 AI CoE 立项与衡量价值的参考框架。
OpenAI NewsAI 评分2424 Jump Trading 如何借助 ChatGPT 扩展量化研究
Jump Trading 借助 OpenAI 的 GPT-6 Astra 处理更长、更模糊的研究问题，由 LLM 研发负责人 Lucas Baker 主导智能体研发。GPT-6 Astra 大幅提升了可交给智能体的任务规模与复杂度，智能体现在单一长任务中可自主分析、评估并迭代改进研究方向，但仍以人工评审作为受监管金融场景下的关键质控环节。
HF Daily Papers精选AI 评分3535 MAVLN：多智能体视觉语言导航的形式化、基准与方法
本文提出 Systematic Multi-Agent Vision-and-Language Navigation（MAVLN），首次将多智能体视觉语言导航形式化为带依赖和资源约束的协调问题，并配套发布包含 11,724 条 episode、145 个场景、最多 4 个智能体的基准，覆盖三种指令设置。
推荐理由：把多智能体视觉语言导航形式化为带约束的协调问题，并配套发布 11724 条 episode 的基准与 TRISS 基线。
HF Daily Papers精选AI 评分4848 编码智能体基准应匹配用户的任务流
该研究分析了 JetBrains IDE 中 4,782 段软件工程师与编码智能体的真实交互会话，发现长会话里的任务类型覆盖项目代码问答、规划、审查、重构和执行等多类，并会随会话进展切换类型，与基于 issue 的基准任务差异显著。
推荐理由：基于 4,782 段真实 IDE 会话数据，揭示当前编码智能体基准与实际任务流的差距，为评测设计提供新的校准依据。
HF Daily Papers精选AI 评分4141 MIMESIS：面向交互式智能体训练的用户模拟器学习方法
MIMESIS 论文提出一个面向交互式智能体训练的用户模拟器，其 9B 模型在 SOUL-Index 上达到 65.7，超过当时最强的前沿模型。相比 Claude-Opus-5，行为保真度提升 13.4 分，图灵距离降低 3.6 分。
推荐理由：原文给出面向交互式智能体训练的用户模拟器构建方法与自蒸馏反馈方案，可作为搭建训练环境和密集反馈机制的参考。
HF Daily PapersAI 评分3333 LiveMACEBench：面向 LLM 智能体在动态市场中能力的过程感知评估基准
LiveMACEBench 提出一种过程感知基准，以实时金融市场为持续演化的测试环境，对 5 个前沿 LLM 智能体在统一工具调用、持久记忆、规则遵循与多智能体协作配置下进行 30 天评估。
OpenAI News精选AI 评分6666 OpenAI 与 Ironclad 合作推进 GPT-6 Astra 在合同工作流上的智能体能力
OpenAI 与合同管理平台 Ironclad 合作，将 GPT-6 Astra 训练用于合同相关智能体任务。在 11 项研究任务上，Astra 平均得分 55.0%、GPT-5.6 Sol 为 41.6%，每次尝试平均用时由 37.0 分钟降至 19.2 分钟。团队基于 SEC EDGAR 公开合同生成合成训练任务并采用强化学习训练，OpenAI 同时邀请更多软件公司参与类似合作。
推荐理由：原文给出了 GPT-6 Astra 在 Ironclad 合同任务上的训练方法与评估数据，可作为衡量智能体在复杂专业工作流表现的参考。
Mistral AI精选AI 评分7474 Mistral 推出 Mistral Large 4 公开预览版，1T 总参数原生多模态大模型
Mistral 推出 1T 总参数、49B 激活参数的原生多模态大模型 Mistral Large 4 公开预览版，权重计划月底开源，API 已上线 Mistral Studio。
推荐理由：Mistral 推出 1T 总参数、49B 激活参数的多模态大模型 ML4 公开预览版，并附带编码、Agent、网络安全、视觉理解与科学推理等多个基准的逐项对比数据与训练基础设施介绍。
Product Hunt精选AI 评分3535 AgentSDR 开源 AI SDR 工作台发布，主打自托管替代 Clay 等付费外呼栈
AgentSDR 是 Kandid 团队 Pulkit Garg 在 Product Hunt 推出的开源 AI SDR 工作台，目标是用一套自托管方案替换 Clay、Smartlead、HubSpot 等付费外呼栈。
推荐理由：它给出了一种可自托管的开源 AI 外呼栈如何替换 Clay、Smartlead 等付费工具的能力组合，读者可据此评估自身外呼工作流的迁移路径。
AWS Machine Learning Blog精选AI 评分6363 GLM 5.3 上线 Amazon Bedrock
GLM 5.3 已在 Amazon Bedrock 上线，开发者可通过托管 API 使用 Z.ai 发布的这款 753B 参数 MoE 模型，主要面向编码与长链路智能体场景。
推荐理由：原文给出了 GLM 5.3 在 Bedrock 上的调用代码与 prompt caching 配置，并演示了与 Strix 智能体配合的安全测试流程。
HF Daily Papers精选AI 评分4242 PhysEvo：围绕冻结模型 Astra 的机器人递归自改进框架
PhysEvo 提出围绕单个冻结模型 Astra 的物理递归自改进框架：任务智能体执行操作，元智能体基于轨迹诊断失败、修订工具与技能，并在不更新模型权重的前提下持续自我改进。
推荐理由：原文给出在冻结模型上做递归自改进的机器人框架与仿真、真机对比数据，读者可据此判断该思路对具身智能的迁移价值。
HF Daily Papers精选AI 评分3939 CADFather：用多工具协同从三维网格自动重建可编辑 CAD 模型
CADFather 是一个面向 CAD 自动重建的智能体系统，通过协调多种互补工具从三维网格恢复参数化 CAD 程序。系统由视觉语言助手检查目标与中间重建的渲染图，决定调用哪些工具、生成多少候选程序以及何时终止，候选生成与参数优化相互衔接并以执行反馈驱动下一步决策。
推荐理由：原文给出多工具协同的智能体重建框架及多个 CAD 数据集上的评测，读者可据此判断该方法对自己工程重建任务的迁移性。
HF Daily Papers精选AI 评分3939 Gan Jiang：面向 X 射线衍射的自学习科学智能体
Gan Jiang 是一个面向粉末 X 射线衍射的自学习科学智能体，在 DeltaXRDbench 的单相与多相识别任务上均领先所对比方法。
推荐理由：原文展示了无需重训模型即可从失败诊断中迭代出可复用技能的方法，并给出了多基准上的精度对比，可作为科学智能体技能积累机制的参考。
HF Daily Papers精选AI 评分3939 EMHO：通过经验轨迹优化具身智能体 Harness 的自我演化框架
EMHO 提出一种不修改底座模型、仅迭代优化具身智能体 harness 的自我演化框架，并通过 EMHO-Merge 支持多子任务共享同一 harness。该框架在 EmbodiedBench 的导航与操作任务上评估，使 Qwen 9B 与 27B 模型的任务成功率均获得一致提升，并改变了智能体监测进度、使用视觉工具、锚定观测和应对失败的方式。
推荐理由：提出在冻结底座模型的前提下，让具身智能体的 harness 自行从执行轨迹中迭代优化，为不重训模型的智能体改进提供了一条可迁移路径。
HF Daily Papers精选AI 评分4949 论文提出 Stateless Language Agents 架构以扩展长周期自动化研究
论文提出 Stateless Language Agents（SLA）架构，将研究状态保存在调度器中，每次调用为无状态 Agent 重建角色特定的上下文，并由无状态 Advisor 读取调度器汇总的证据后给并行 Worker 分配具体实验。
推荐理由：原文提出把研究状态外置到调度器、由无状态 Agent 执行的具体架构，并用十亿 token 量级的对比实验展示其在搜索效率和最终结果上的优势。
HF Daily Papers精选AI 评分4646 Self-Retrospection Distillation：把事后轨迹经验蒸馏成事前预判
该论文提出 Self-Retrospection Distillation（SRD），把已完成轨迹中的事后经验蒸馏为同一策略在交互前的预判，弥补 RLVR 在 rollout 奖励一致时信号消失的缺陷。
推荐理由：该方法在 rollout 组奖励一致、RLVR 失去信号的场景下仍能从轨迹中提取学习信号，为奖励稀疏的长程智能体训练提供可迁移思路。
MIT Technology ReviewAI 评分3434 MIT Technology Review 报告：连接 AI 智能体与企业知识
MIT Technology Review 对 300 位数据与 AI 高管的调研显示，仅约 34% 的企业 AI 智能体项目能进入生产阶段，知识与上下文缺失是首要原因。生产领跑者（平均 61% 的项目跨越试点阶段）在语义知识能力上显著占优；数据碎片化被 55% 的受访者列为头号挑战。企业计划优先投入 RAG、知识图谱与数据管道以打通智能体与组织数据的连接。
AWS Machine Learning BlogAI 评分3434 使用 Amazon Bedrock AgentCore 评估多智能体系统的可解释性与有用性
Amazon Bedrock AgentCore Evaluations 通过内置评估器和自定义评估器，对多智能体系统的有用性、任务完成度与可解释性等维度进行结构化评估。文章以 AnyCompany Retail 供应链决策系统为例，基于 Strands Agents SDK 构建编排代理与四个专项子代理分别负责优化、调配、路由和分析，并同时支持开发期的按需评估和生产环境的在线持续监控。
AWS Machine Learning BlogAI 评分3232 Amazon Quick 企业就绪实践：通过 MCP 服务器实现跨账号资源的自动化、可审计迁移
运行在 Amazon Bedrock AgentCore runtime 上的示例 MCP 服务器 Quick Resource Migrator，可通过单次工具调用把 Amazon Quick 的聊天代理。
GitHub Blog · AI & ML精选AI 评分6161 GitHub 发布开源 AI 代码评审基准 ReviewBench
GitHub 发布开源 AI 代码评审基准 ReviewBench，包含 219 个跨 19 种语言的公开 PR，提供 grounded 和 augmented 两类精度/召回指标。
推荐理由：原文公开了 ReviewBench 的语料来源、评测指标和接入方式，读者可据此构建可复现的 AI 代码评审离线评测体系。
量子位精选AI 评分6161 Hinton首篇RSI论文：AI参与造下一代AI会触发智能爆炸吗
Hinton联合22位作者发表首篇RSI论文《What if automating AI R&D triggers an intelligence explosion?
推荐理由：论文用Anthropic、OpenAI内部数据建立模型，给出了AI研发自动化压缩进步周期的具体估算，为读者判断递归自我改进的门槛提供了可量化的参照。
HF Daily Papers精选AI 评分4040 D-OPCD：通过 On-Policy 上下文蒸馏把智能体经验内化进扩散模型权重
论文提出 Diffusion On-Policy Context Distillation（D-OPCD），把 Text-to-Image 智能体 harness 累积的提示迭代、记忆与技能等能力通过 on-policy 蒸馏固化进扩散模型权重，使模型在仅接收原始查询时也能保留部分 harness 增益。
推荐理由：提出 D-OPCD 把智能体迭代增益固化进扩散模型权重，量化了脱离 harness 后仍可保留的提升幅度，并指出 harness 与模型持续协同进化的可行路径。
HF Daily Papers精选AI 评分3939 MemPilot：用强化学习编排 LLM 智能体的按需多模态记忆策展
MemPilot 论文提出一个用强化学习动态调度多模态智能体记忆策展的框架，按偏好平衡性能、成本与延迟。策略联合控制证据量、策展指令、模型选择和视觉访问，并通过目标维度优势解耦和前缀边际效用估计做多步信用分配；在五个多模态智能体记忆基准上的偏好扫描显示其权衡前沿优于现有基线。
推荐理由：这篇论文提出用强化学习运行时调度多模态记忆策展的方法，可参考其性能-成本-延迟权衡的设计思路。
HF Daily PapersAI 评分3333 VepAgent：通过工具增强强化学习桥接因果转换以实现视频事件预测
VepAgent 提出一个面向视频事件预测的智能体框架，将因果转换推理与工具增强强化学习结合，在 FutureBench 和 NEPBench 数据集上达到 SOTA，显著超越更大规模的 MLLM。其构建了 futurebench-4K 思维链数据集用于监督微调，并集成状态追踪、帧检索和区域放大等诊断工具，通过复合奖励机制联合优化预测精度、因果一致性与可靠先验。
HF Daily Papers精选AI 评分4141 Trace2Env：从交互轨迹构建面向交互式环境模拟的智能体语言世界模型
Trace2Env 提出一种无需训练的智能体语言世界建模框架，在原始系统不可用时将历史交互轨迹重建为可复用 worldbook，并在运行时推断每个动作的观测和长期状态变化。在九个环境的实验中，Trace2Env 在下一观测保真度和长程交互一致性上均优于基于 prompt 的语言世界模型，多轮交互中任务智能体动作在真实环境回放时仍然有效。
推荐理由：在没有可执行环境时仅凭历史交互轨迹重建世界模型并支撑多轮任务，为训练和评估 LLM 智能体提供了一种可复用的替代路径。