论文提出 AgentVQA 离线基准，在 Web 智能体、机器人、第一人称视频、游戏和空间规划五类场景评测视觉语言模型。该基准从 23 个源数据集人工选取并改造 1000 个具有挑战性的真实世界智能体样本；在 22 个参评模型中，最佳准确率仅为 58.5%。跨域分析显示，主要失误来自 UI 元素定位、运动理解、状态变化跟踪和 3D 空间关系推断，而非任务误解或后续逻辑推理。
推荐理由：该基准以离线方式统一比较五类真实智能体场景中的模型，排名趋势与对应在线评测一致，并定位视觉 grounding 和状态跟踪失误。
作者认为，LLM 正把从 RCE 风险被获知到复杂自动化攻击的时间从数周或数月压缩至数小时甚至数分钟，但近期多起披露并非都由 AI 发现或利用。PHP2Shell 事件中，Calif 与 Wiz 使用 GPT-5.6 Sol 和 Gemini 4 Argon 找到两处 PHP RCE 漏洞并构建利用代码，文中称其估计波及 70% 以上的互联网，补丁发布前已遭利用。
推荐理由：文章把多起安全事件放在同一条时间线上，呈现 LLM 如何压缩漏洞利用窗口，并比较关闭源代码、主动审计和统一治理三种应对思路。
中国主要互联网与模型公司正同时押注个人 AI，也担心现有入口被替代，竞争焦点转向用户关系、服务连接、操作权限与生态利益。阿里押交易与履约，腾讯守高频连接，字节争分发与终端权限，阶跃星辰整合模型、系统和终端，Today AI 押注跨平台上下文。豆包手机助手披露的155款应用拒绝清单显示，跨平台办事仍受超级 App 权限封闭和利益分配约束。
推荐理由：文章对比阿里、腾讯、字节等五家路径，并以155款应用拒绝清单呈现个人 AI 跨平台落地面对的权限与利益约束。
不到一个月内的十几起安全事件横跨运行时漏洞、供应链投毒和第三方凭证失控，其中 AI 智能体已出现在攻击执行和监控机制内部。微软复盘称，Storm-0940 使用开源 Go 框架 ARTEX，让一组智能体自主完成侦察、漏洞发现、密码喷洒和凭证攻击，多次在初始瞄准后不到三小时获得特权云访问。
推荐理由：文章把十余起事件按运行时漏洞、供应链投毒和凭证失控分层，并对照智能体参与攻击与改动监控的案例，呈现响应窗口的压缩。
TypeSafe AI 发布的 Jev 是一款通用分类器，以“不会幻觉”、低成本和端侧运行为卖点，发布 33 天后热度已迅速消退。作者指出其非自回归决策模型思路并非新概念，RLCD 训练方法和实现细节披露有限；它虽能按结构输出，仍可能得出错误答案，相较部分开放权重模型的优势也取决于任务。
推荐理由：文章借 Jev 从爆红到降温的案例，对照模型能力、端侧成本与输出可靠性，梳理 AI 热潮中容易被忽略的判断维度。
百度世界2026大会将于11月12日举行，设置10+场分论坛，围绕AI驱动组织跃迁、AI办公与知识工作、技术与生态展开。议题覆盖智能体规模化落地、AI+自进化、具身智能商业化、游戏与营销等应用，并将探讨RSI、AI4S等前沿方向。
推荐理由：议程覆盖组织重构、智能体规模化和行业落地，可帮助读者梳理企业AI从单点提效走向系统性重构的实践路径。
Uber与OpenAI宣布扩大合作，将ChatGPT Work从1000名员工试点推广至全球约3万名员工。这款企业AI智能体于今年7月推出，试点覆盖财务、运营和产品部门，早期使用者中约80%并非工程师。
同一件事，精选收录的是《Uber 正将 ChatGPT Work 推向全部员工，覆盖超过 30,000 人》
论文提出并开源 IQuest-Q1，一款面向智能体 CLI 系统的稀疏 MoE 基础模型，总参数量 320B，激活参数量 15B。模型通过预训练、中训和后训练三阶段训练，后训练结合 SFT、领域专用 RL 和 MOPD，并通过模型合并整合不同专家与检查点。arXiv 论文地址为 https://arxiv.org/abs/2610.30949。
推荐理由：论文拆解了预训练、中训和后训练三阶段方案，并披露总参数与激活参数，便于对照理解智能体编码基础模型的构建路径。
在2026中国计算机大会上，千问 AI 算法负责人蒋冠军提出，构建个人 AI 智能体需要模型、记忆与生态协同，使系统能力与问题解决路径更好匹配。他认为，该类智能体应创造增量价值并提供个性化主动服务，解决日常工作、学习和生活问题的理论上限接近100%。
推荐理由：蒋冠军把个人 AI 智能体的能力拆为模型、记忆与生态三部分，提供了理解问题解决路径协同的框架。
研究团队发现，Raw-RAG 在七组基准模型设置中的六组位居所比较系统首位，较最强智能体记忆系统高 0.13-5.53 分。该方法仅对未处理的对话历史做稠密检索和重排，并在 LoCoMo、LongMemEval、MEME 和 MemoryAgentBench 上评估。证据分析显示，较高的必要证据覆盖率可以抵消较低利用率；完整访问转换后的记忆存储，准确率仍低于原始证据方案。
推荐理由：这项研究用四个基准对比原始历史检索与复杂智能体记忆，量化了必要证据覆盖率与证据利用率之间的差异。
科大讯飞在全球1024开发者节上首发星辰TaaS平台，融合模型调度、智能体引擎、知识工程、工具编排和运行治理等能力。该平台可连接模型能力、行业知识与业务流程，讯飞生态开发者目前已达1187万。
推荐理由：星辰TaaS平台把模型调度、智能体引擎、知识工程和工具编排整合，并连接行业知识与业务流程，便于理解 AI 平台的整合方式。
研究者提出 OmniDR-Bench 和技能工作流，用于评测智能体围绕视频综合外部证据并生成关联视频时刻的交互式报告。该基准包含 19 个现实子类别、50 个中英文任务和 6,414 条标准，并以 Omni-ARTs 评估 18 种智能体配置；最佳系统得分 63.3/100。
推荐理由：该基准将视频定位、外部多模态证据检索与交互式报告纳入统一评测，并呈现智能体在覆盖范围和跨模态分析上的能力差距。
Anthropic与Theorem Labs发布报告，称Claude可将形式化验证推进到基于RISC-V指令集的汇编层。Claude针对123个开源软件库的239个程序入口生成约1.8亿行Rocq证明代码，并发现、修复数百个Bug，包括一些历经数万亿次测试仍未发现的漏洞。该验证只在特定假设、约束和范围内成立，并不等同于软件绝对安全，第三方依赖和生产部署仍是挑战。
荣耀在 CEIC 展示 Magic9 系列 AI 智能体手机、YOYO Harness 终端智能中枢及全场景 AI 终端生态。荣耀称 Magic9 是行业首个搭载系统级 Agent Harness 商用架构的 AI 智能体手机，YOYO 可跨应用完成多步骤操作，主动服务覆盖超千个生活场景。
推荐理由：文章将 YOYO Harness 架构、91.8%综合任务准确率和上百步长程任务并列，呈现手机智能体从理解指令到执行任务的落地路径。
Epic Games创始人兼CEO Tim Sweeney在Unreal Fest上海表示，Epic从今年1月AI辅助开发效果不佳，转为积极推动内部开发流程采用AI。
推荐理由：访谈给出Epic内部开发效率变化和世界模型与传统3D方案的成本对比，为理解游戏开发的AI转型提供具体参照。
SpaceX称当前价格下新部署算力不到一年即可回本，而Meta的个人智能体Muse因运行成本过高仍无法在全球推出。SpaceX三季度SI收入75.6亿美元，约占总收入52%，并通过向Anthropic和谷歌出租算力获得外部收入。特斯拉三季度FSD活跃订阅指标达到174万，同比增长67%，文章据此比较算力出租、具体任务付费与免费Agent的回报差异。
推荐理由：通过SpaceX、Meta与特斯拉的财报对照，梳理算力成本、AI付费与资本开支之间的商业取舍。
光锥智能王一粟与NVIDIA赖俊杰提出从价值、需求、供给和变现四方面核算企业AI投入。对话将Token视为AI工厂的产出单位，强调单位Token成本只是供给效率指标，最终还要落到任务完成率、节省时间、自动化率和业务回报。王一粟提出基础、增长、峰值三套预算，并从用户规模、推理轮数、智能体调用、重试和缓存等因素逐层估算需求。
推荐理由：文章把Token投入拆成价值、需求、供给和变现四个支柱，并给出预算规划与分层指标框架，便于企业核算AI的实际回报。
链式反应完成数百万元种子轮融资，投资方为微步在线与靖安科技相关方，资金主要用于研发投入、市场团队建设及基础设施搭建。10月，链式反应推出SaaS化AI自动化渗透系统「CYBER·AI黑客」，正式版覆盖从信息收集到后渗透的完整生命周期。公司正在试验按Token使用量计费的新一代产品，客户自行从模型厂商购买Token，再接入平台获得先发安全能力；创始人称该模式能否跑通尚不确定。
推荐理由：文章把链式反应的Agent自动化渗透、开源社区积累与Token计费实验并列呈现，便于对照其技术路线和商业化取舍。
秋果计划 Wigain Flow 双目全彩 AI 智能眼镜从 9 月 25 日数贸会到 10 月 20 日深圳国际消费电子展，接连亮相多个国际展会。据介绍，产品整机重 70 克，采用侧维扩瞳技术，使全彩显示更自然耐看；自研 NEXA 智能体可看懂任务并主动协同。产品可搭配智能戒指与手表，构建“看+控+测”的穿戴生态，今年 12 月启动众筹，明年 3 月正式交付。
推荐理由：原文汇总了70克规格、全彩显示、主动协同、穿戴组合及众筹交付节点，为评估产品推进节奏提供了集中信息。
阿联酋国家专家项目人工智能专项（NEP-AI）代表团近日在上海与爱化身科技交流，聚焦企业主权智能与城市智能运营。爱化身科技介绍了企业级 AI 操作系统 Agentrix，展示智能办公、经营决策分析及城市智能治理等应用，并分享世界行为模型研究进展。双方共同探讨以安全可控的智能能力支撑产业发展与组织运行的路径。
推荐理由：材料呈现 Agentrix 在智能办公、经营决策分析和城市治理中的应用，并交代世界行为模型进展与双方讨论方向。
Meshy、VAST与影眸半年内融资超80亿元，资本正押注AI 3D从模型生成走向可编辑、可复用并接入生产流程。Meshy于9月宣布ARR突破1亿美元，VAST和影眸的ARR也达到上千万美元；产品侧出现Meshy Edit、Tripo P2.0、Hyper3D Agentic Mode和开源实时渲染器EdenLive。
推荐理由：文章并置三家公司的融资、ARR和产品路线，对照资本热度背后的编辑能力、工作流延伸与差异化商业场景。
Google CEO 桑达尔·皮查伊披露，Gemini 4 Argon发布后前72小时处理约25万亿个 Token，约为 Gemini 3.0版本的3倍。他称，团队因Argon预训练已完成且Gemini 3.5 Pro生命周期会很短，决定将3.5至3.8 Flash积累的技术用于Argon后训练；发布初期仍受算力限制，Google正在开发更高效的知识蒸馏版本。
推荐理由：访谈串起Gemini 3.5 Pro的取舍、Argon研发方向与算力限制，呈现模型迭代节奏和基础设施投入之间的联动。
Anthropic与Theorem用Claude为123个开源库的239个入口生成并经Rocq检查的RISC-V无崩溃形式化证明。这些证明总计约180 million lines of Rocq，Claude在过程中发现并修复多类多年未暴露的漏洞。证明范围依赖小于64 MB的输入、单线程静态RISC-V二进制、固定内存预算和Linux OS等假设，并不等同于整个库没有漏洞。
推荐理由：文章将模糊测试转换为形式化规范，并用Rocq核验证明是否满足规范，同时交代可信组件边界，为LLM辅助软件验证提供可迁移方法。
8点1氪汇总了iPhone Duo应用适配、DeepSeek融资及OpenAI使用政策更新等当日动态。一项针对25个常见应用的测评称，iPhone Duo约八成应用尚未适配，微信表示正推进适配；DeepSeek据悉完成约1000亿元融资，宁德时代和腾讯参投。
推荐理由：这份汇总把应用适配、模型融资、安全政策、智能体产品和芯片投资放在同一时点，便于对照AI产业的商业与落地进展。
英伟达推出AI运维平台Minerva，通过整合基础设施与AI工作负载遥测数据，提前发现故障、提高GPU运行时间并提升AI工厂产出效率。Minerva每小时可分析数十亿个数据点，识别异常、预测潜在故障，并将关联告警整合为可执行的故障处理事项；平台还配备原生AI助手，可通过自然语言查询集群运行状况并提供修复建议。
同一件事，精选收录的是《NVIDIA 发布 Minerva AIOps 平台，提供 AI 工厂端到端可观测性》
Discord 今天发布更新，上传 Markdown（.md）文件后可正确渲染预览，表格和格式内容不再显示为一堆符号。大语言模型和 AI 智能体常依赖 Markdown 文件提供指令与上下文，新的预览有助于在平台内分享 AI 项目信息。Discord 还新增通过侧边栏右键使用“Move to…”整理服务器和频道的功能，Nitro 会员可上传最高 1GB 的文件。
推荐理由：文章点出 Markdown 在大语言模型和 AI 智能体工作流中的常见用途，并梳理 Discord 改善项目文件预览与分享的具体更新。
开源项目 agent-usage-guard 提供 Claude Code 插件，在智能体、提示词或工具调用前读取套餐用量并拦截失控消耗。它按 5 小时和每周窗口、并发数、上下文量、token 预算及重试循环询问或拒绝操作，默认在窗口达到 80% 时询问、95% 时拒绝新智能体，相关限制覆盖本机 Claude Code 会话。
推荐理由：原文给出了跨会话的用量阈值、并发与 token 限额、交互式拒绝机制和安装方式，适合 Claude Code 用户评估如何控制智能体失控消耗。
Google 宣布 Agent Compute Engine，让每个 AI 智能体运行在独立隔离的 microVM 中；该服务已支撑 Gemini，并将在未来数月开放预览。
推荐理由：原文列出 Google 提供的 microVM 隔离、暂停恢复与承载量数据，便于比较智能体基础设施的成本和调度表现。
美国大型银行正限制外部 AI 智能体访问账户，摩根士丹利已完全封锁，摩根大通、美国银行和花旗也在采取限制措施。Axios 报道称，多数银行倾向仅开放只读权限，因为部分智能体可自主行动，银行也难以判断其是否代表用户，且安全风险较高。摩根士丹利称其平台尚未发现擅自行动的 AI 智能体；但用户可通过 Computer Use 或开源 OpenClaw 授予访问权限，银行在提供方一侧并不容易阻断。
推荐理由：将银行限制措施与智能体自主性、用户授权关系判断困难放在一起，呈现金融场景中权限与安全风险的具体冲突。
本文演示将 AI 智能体逐句生成的文本即时送入 Amazon SageMaker AI 上的 Kokoro-82M TTS 模型，并在完整回答完成前开始播放语音。
推荐理由：给出逐句流式合成、双向会话和音频回传的实现路径，并用对照测试量化各方案的首音频延迟与实现取舍。
Amazon Quick Web 版是 HIPAA-eligible 服务，AWS 的实践指南演示了在 AWS Artifact 签署 BAA，并通过 AWS Management Console 配置处理 PHI 的 AI 工作流。
推荐理由：文章区分服务适用资格与整体合规，并拆解 PHI 的两条数据路径、共享责任和关键配置，形成可迁移的部署清单。
Amazon SageMaker AI 正式上线无服务器模型定制训练会话，用户可控制后训练逻辑与奖励信号，GPU 基础设施由服务托管。该功能支持 SFT、DPO、RLVR、RLAIF、多轮 RL、LoRA 和全量微调，现支持 gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B、Qwen3.8-27B。
同一件事，精选收录的是《Amazon SageMaker AI 推出训练会话 API，支持自定义训练循环且无需管理 GPU》
论文提出 DeepEvolve，一种以未来事件预测为基础、在动态开放环境中持续实现递归自我改进的智能体系统。它在按周更新、以真实世界结果验证预测的 FutureX 榜单中连续 3 周位居所有系统第一，评分最高提升 195%。在合成评测中，它在 4 个基础 LLM 上均进入前三，较最强基线最高领先 10.7 Bradley--Terry points。
推荐理由：论文把开放环境中的递归进化机制与 FutureX 榜单及合成评测结果对应呈现，便于比较其设计思路和量化表现。
Microsoft 的多智能体系统 Diagnostic Orchestrator 在病例测试中诊断准确率高于医生，相关研究已发表于 Science。该系统由 OpenAI GPT-5 驱动，在《新英格兰医学杂志》病例测试中准确率约 83%，使用参考资料的医生约 36%，未使用时约 22%；急诊病例中分别为 80% 和医生平均 47%。
推荐理由：文章汇总 SDBench 与医生对照的测试结果和临床验证缺口，为评估多智能体诊断系统进入真实临床的适用边界提供依据。
Meta 正押注个人 AI 智能体 Muse 构建大规模网络，让不同用户的 Muse 相互通信并完成交易。Muse 面向美国和加拿大已有超过 10 million 名用户下载并完成设置，初始下载者中有四分之一每日使用，Muse 用户中有四分之一通过平台购物，平均每次购买超过 $200，Meta 会从每笔交易中收费。
开源项目 OpenShell 0.1.x 增加稳定的发布节奏、新的隔离原语、扩展接口与 API，并提供 0.1.0 升级指南。该运行时通过内核级策略控制，将每个智能体限制在隔离沙箱中，并对文件访问、系统调用和网络连接实施检查。策略变更前，OpenShell 会用形式化验证标记新增的高风险访问并交由人工复核，真实凭证仅注入发往获批端点的请求。
推荐理由：原文同时给出沙箱隔离、策略执行和变更验证机制，读者可据此比较多智能体运行时的权限治理实现。
AW-0 提出智能体世界动作模型框架，将基于代码的规划与未来视频和机器人动作作为三类耦合生成流统一建模。其混合 Transformer 架构由代码专家生成参数化技能程序和控制逻辑，视频与动作专家生成未来视觉状态及低层电机指令；自动整理流程还会用对齐程序标注机器人与人类视频轨迹，并将重复流程汇入技能库。
推荐理由：论文将代码规划、未来视频与机器人动作纳入同一生成架构，并报告任务表现相较 VLA 和 WAM 基线有所改善。
Modal CEO Erik Bernhardsson 在 Latent Space 访谈中解释，固定 GPU 数量和期限会形成矩形容量合同，而真实 AI 工作负载会不断增长、突增和回落。
推荐理由：把固定 GPU 容量合同与波动的真实负载并置，解释了 Modal 如何用需求池和弹性切片减少闲置，也呈现锁价背后的财务风险。
Uber 与 OpenAI 扩大合作，将 ChatGPT Work 扩展至 Uber 全球全体员工，规模约 30,000 人。此前公司向 1,000 名员工试点，覆盖财务、运营和产品部门，约 80% 的早期采用者为非工程师。员工使用其分析运营数据、本地化培训材料并构建个性化交互仪表盘；Uber 未披露部署支出，将跟踪使用方式、工作流和成效，以指导后续 AI 部署。
同一件事，精选收录的是《Uber 正将 ChatGPT Work 推向全部员工，覆盖超过 30,000 人》
Quant-Arena 发布公开基准和排行榜，评测 LLM 智能体能否基于真实 A 股数据完成端到端量化研究并构建交易策略。模型仅获得 2022--2023 年的反馈，随后冻结策略并在密封的 2024 年接受评估；现金账户评估器会计入交易约束、成本和基于模拟订单簿估算的市场冲击。
推荐理由：Quant-Arena以历史反馈迭代策略、以密封年份检验收益，并纳入交易成本和约束，为比较LLM智能体的量化研究能力提供统一基准。