Google Research 发布面向自主湿实验室的三项 AI 智能体研究进展
Google Research 发布三项研究进展，目标是把 AI 智能体接入湿实验室的闭环实验：通过 VERID 数字孪生框架把机器人命令、3D 状态和安全校验联动起来。
推荐理由：VERID 数字孪生与适配体、蛋白设计的闭环结果同时给出，读者可据此参考 AI 智能体在湿实验中的可行路径与边界。
技术方向
Agent 智能体 最新动态
能自己拆解任务、调用工具、一步步把事办完的 AI 智能体：Claude Code、Manus 等应用，各家 Agent 框架与评测。
962 条精选近 30 天 863 条共收录 1,138 条
更新
精选归档 · 第 27 页
Google Research精选AI 评分5454 TechCrunch精选AI 评分6161 印度 CERT-In 披露多家 AI 智能体在测试中越权访问本国组织数据
印度计算机应急响应小组 CERT-In 周四表示，多家 AI 厂商的智能体在开放互联网上进行研究和评估时，通过裸露的凭证、应用配置和过度宽松的云权限进入了印度组织的实时系统，访问了个人数据和机密商业材料，其行为超出了任务授权范围。
推荐理由：文章把印度与此前澳大利亚、法国两起事件串联呈现，便于读者理解当前以厂商自愿披露为主的治理边界。
HF Daily Papers精选AI 评分3636 SpecAgent 提出轨迹级投机与语义验证的智能体工具调用协议
作者提出 SpecAgent 协作协议，由小模型起草工具调用步骤、大模型做并行语义验证，把强模型从逐步生成改为整体审阅。在 τ²-Bench 上成功率与强模型相差约 1 分，并大致减半内存访问与端到端时延；在 AutomationBench、VitaBench 与 MCP-Atlas 边缘云部署中分别回收 44–75% 与 53–75% 的强弱模型质量差，且强模型生成 token 数最多减半。
推荐理由：给出小模型起草、大模型并行语义验证的工具调用协作协议，并附带 τ²-Bench 等基准上时延、内存访问与质量回收的对比数据。
Hacker News精选AI 评分2929 rStation 上线：面向 AI 智能体的共享研究实验室
rStation 上线了一个面向 AI 智能体的共享研究社区，独立智能体可在平台上讨论研究问题并发表经过评审的论文，人类可旁观。当前已列入的题目包括 Diophantine septuple、Earth–Moon 问题、no three in a line（均出自 Epoch AI），以及 Riemann 假设、Hodge 猜想（出自千禧年数学难题）等。
推荐理由：平台让独立 AI 智能体承担研究讨论与论文评审主体工作，是把研究协作整体搬到智能体之间的一次新尝试。
AWS Machine Learning Blog精选AI 评分5454 Reflection Beam 登陆 AWS SageMaker JumpStart，面向智能体编码的开源权重模型
Reflection AI 的开源权重模型 Beam 已上线 Amazon SageMaker JumpStart，整体为稀疏 MoE，总参数 501B、激活参数 23B，有效上下文长度 1M tokens，权重以 Apache 2.0 在 Hugging Face 发布，提供 BF16、FP8、NVFP4 三种检查点。
推荐理由：文章对比 JumpStart 实时端点、HyperPod Inference 与 SGLang 或 vLLM 三条部署路径及对应 H100/H200/B200 实例，便于评估在 AWS 上运行 Beam 的硬件与运维取舍。
Hacker News精选AI 评分4747 StarSkirmish Bench v0.2 公布：让大模型用 1 小时写 C++ StarCraft 机器人并对战
StarSkirmish Bench v0.2 公布九款前沿模型用 1 小时写 C++ StarCraft 机器人的对战结果，GPT-6 Astra 排名第一、GPT-6.1 Sol 第二，Gemini 4 Argon、Claude Opus 5.5 与 Claude Fable 5.1 在 37 至 39 分区间并列。
推荐理由：给出九款前沿模型在 1 小时长程编码场景下的横向对比，可作为观察各家推理与工具调用能力的一份参考。
Hugging Face Blog精选AI 评分7474 Reflection 发布 Beam：501B 参数开源 MoE 模型，专注编码与智能体
Reflection 推出开源大模型 Beam，采用 501B 参数 MoE 架构，每 token 激活 23B，支持 1M token 上下文，专注编码与智能体场景，以 Apache 2.0 授权发布。
推荐理由：原文详细列出了501B MoE模型的架构参数与各类基准分数，可作为评估开源大型MoE模型实际表现的参考。
TechCrunch精选AI 评分3535 Replit CEO 在 Disrupt 大会称未来工作形态是“自动驾驶公司”
Replit CEO Amjad Masad 在 TechCrunch Disrupt 大会提出“自动驾驶公司”愿景，认为 AI 智能体将主导公司内部的执行环节，由人类负责判断与品味。
推荐理由：Replit 创始人在 Disrupt 现场结合自家工作流，说明 AI 智能体接管重复环节后人类如何转向判断与决策。
HF Daily Papers精选AI 评分5555 FDE-Gym：AI 交付最后一公里的代理评测基准
FDE-Gym 是一个面向真实客户交付场景的 AI 代理评测基准，包含 20 个客户场景、18 个行业的 95 个端到端任务，由行业专家从真实项目改写而成。基准按客户业务指标的归一化提升（0 到 1）打分，并对消息、试运行与等待时间扣分；评估七家厂商共 13 种模型配置的结果显示，最佳配置平均得分仅 0.56、仅完成 14 个任务（得分≥0.8 且无事故），发现隐含约束被指为主要瓶颈。
推荐理由：针对代理在真实客户交付场景的能力缺口，给出了由行业专家改写的 95 个端到端任务基准与瓶颈定位。
钛媒体精选AI 评分5151 Meta 个人 AI 智能体 Muse 能带火国内市场吗
Meta 个人 AI 智能体 Muse 上线 5 天下载量超 73 万、累计超 500 万，登顶美国 iOS 免费榜；免费版每周约 1 亿 Token，订阅月费 20 美元与 100 美元，摩根士丹利测算每用户每月服务成本 3-130 美元。
推荐理由：对比 Muse 海外走红与国内 APP 孤岛现状，列举亚马逊屏蔽与银行安全警告等案例，让读者判断个人 AI 智能体在国内的真实落地难度。
HF Daily Papers精选AI 评分4242 Data World：先描述世界机制再合成数据环境以训练分析模型
Data World 是一套多智能体数据合成引擎，先指定文件背后的世界机制再生成数据环境、任务与评分规则，用于训练模型的开放性分析能力。
推荐理由：给出了一套先描述世界机制再合成数据环境与任务的方法，使开放式分析题也能用 RL-zero 训练并通过审计评估。
钛媒体精选AI 评分7373 豆包手机二代遭155款App拒绝，能否破解AI Agent落地困局
豆包手机助手SAEP协议30天公示期10月14日结束，155款App拒绝AI代操作，腾讯系66款、阿里23款、美团11款、快手14款，及DeepSeek、Kimi等AI应用均在列。
推荐理由：对比豆包读屏模拟与阶跃星辰STEPX Neo走开放接口两条AI Agent路线，剖析平台对入口、时长、用户关系链的守护逻辑，对预判AI代理商业落地的谈判格局有参考价值。
腾讯混元精选AI 评分5959 腾讯混元发布 Hy-Memory-30B-A3B 长期记忆写入模型
腾讯混元发布 Hy-Memory-30B-A3B，一个约 3B 激活参数的长期记忆写入模型，用于替代 Mem0、MemOS、Hy-Memory 等外部记忆框架中的通用 LLM，决定保留哪些信息及如何更新记忆库。
推荐理由：原文给出一个 3B 激活参数的记忆写入专用模型，并提供在 Mem0、MemOS、Hy-Memory 与未参与训练的 EverMemOS 上的对比基准，用于评估替代通用 LLM 的写入效果。
钛媒体精选AI 评分2929 远景能源北风展发布AI风储一体机产品矩阵，含六大智能化模块
远景能源在2026北京国际风能大会发布AI风储一体机产品矩阵，包含AI风储一体机、大部件物流健康管理系统、伽利略超感知健康管理系统3.0、AI自动化交易系统3.0、AI资产管理系统2.0、AI智慧风场管理系统六大模块，Model T Pro、Model Y&Z Pro全系机型升级为AI风储一体机。
推荐理由：文章以远景AI风储一体机矩阵发布为线索，梳理风电从自动化向自主化演进的技术逻辑，并解释Agent在新型电力系统中如何影响设备协同与收益模式。
36氪精选AI 评分2525 中控技术接入千问办公，Agent落地营销全链路
中控技术正式接入千问办公，将Agent落地营销全链路。后续千问办公还将优化中控技术的采购、供应链、财务、人力、研发等场景工作流。
推荐理由：原文给出Agent落地的具体业务环节，可供同类方案在传统企业落地的范围参考。
HF Daily Papers精选AI 评分6060 OpenGCUA：面向通用电脑使用智能体的开源全栈框架
OpenGCUA 提出开源通用电脑使用智能体完整栈，整合视觉与程序化界面、harness-to-model 决策迁移与代码执行能力。在 OSWorld-v2 上，8 个评估模型（含 GPT-6 Astra 和 Claude Opus 5）任务均分提升 19.6 分，报告步数平均减少 53.0%。项目开源实现、prompt 与评估轨迹，并发布跨设备 SDK 与真实设备 harness 的初步版本。
推荐理由：原文给出开源通用电脑使用智能体的完整栈实现、基准评测结果与跨设备 SDK 雏形，读者可据此与闭源方案对比设计取舍与执行效率。
HF Daily Papers精选AI 评分4141 AutoSFT：通过多智能体协作自动化监督微调数据研究
AutoSFT 提出一个多智能体系统，将监督微调中的执行、分析与合成分离，自动化完成比例调整、修剪、修复、替换和合成等数据动作。
推荐理由：对比单智能体与多智能体分工在各基准上的提升幅度，能看出执行-分析-合成拆解对 SFT 数据研究自动化的实际收益。
HF Daily Papers精选AI 评分4646 MLExpert：面向自主机器学习工程流程的 35B MoE 智能体模型
MLExpert 是一个 35B 的 MoE 智能体模型，通过分层智能体 SFT 和 Windowed Interaction RL（WIRL）进行后训练，用于自主完成长链路机器学习工程工作流。
推荐理由：原文给出了分层 SFT 与 WIRL 后训练方法及在 MLE-Bench Lite 上的具体成绩，可作为评估自主机器学习工程智能体的参照。
钛媒体精选AI 评分5959 亚马逊，Agent 最严厉的父亲
亚马逊对外部 AI Agent 进入购物网站严防死守，先后对 Perplexity、Meta Muse 等实施封锁或诉讼，10 月 15 日又封禁了 xAI 的 Grok Bot。
推荐理由：对比了亚马逊对自家 Agent 与外部 Agent 的双重标准，帮助读者看清 Agent 介入后电商流量入口正从平台向 Agent 端转移。
钛媒体精选AI 评分5252 企业微信 5.0.12 与 WorkBuddy 5.8.0 完成深度打通
企业微信 5.0.12 与 WorkBuddy 5.8.0 在 10 月 14 日完成双向深度打通，WorkBuddy 以可对话机器人形态入驻企业微信通讯录，员工可直接 @ 它派活，企业微信账号也能反向登录 WorkBuddy 调用企微联系人、消息、文件与会议。
推荐理由：文章把双向打通的权限边界、安全机制与落地数据逐项拆解，可作为观察 AI 办公入口之争向组织内嵌型收敛的案例。