Liquid AI 發佈了 Antidoom，一種針對推理模型中死循環的開源方法。通過 FTPO，它僅重新訓練導致循環開始的令牌，將 LFM2.5-2.6B 上的循環率從 10.2% 降至 1.4%，Qwen3.5-4B 從 22.9% 降至 1%。

機器學習模型在生產環境中會因數據漂移和模型漂移而性能下降。本文介紹如何結合開源 Evidently 庫、Amazon SageMaker AI 和 MLflow，實現模型監控方案，包括生成監控報告、在 MLflow 中組織和比較結果、通過管道擴展以及觸發漂移通知。

本文介紹瞭如何使用 Amazon Bedrock AgentCore 構建一個 AI 驅動的 AWS 支持伴侶。該代理利用 Strands Agents 作為編排框架，並通過模型上下文協議 (MCP) 連接到 AWS 服務。最終，您將擁有一個能夠分析 CloudWatch 日誌、搜索 AWS 文檔、查詢 AWS re:Post 社區知識以及創建支持案例的工作代理，所有這些都可以通過一個對話界面完成。解決方案使用 AWS CloudFormation 通過單個腳本部署，幷包括一個基於 AWS Amplify 構建的 Web 前端。

Motley團隊利用Claude SDK和開源語義層SLayer，在BIRD-INTERACT基準測試中取得75.3%的通過率，遠超官方最佳36.33%。研究發現，最大的改進來自代理框架（Claude SDK），而SLayer提供了額外提升。此外，基準測試中存在大量錯誤的黃金答案，團隊開發了註釋代理進行修正，修正後通過率達到83.7%。

本文展示了AWS財務團隊如何利用Amazon Quick的聊天代理和Flow，將目標設定和每週業務審查這兩個耗時工作流轉變為自動化流程，從而將分析時間從數小時縮短至數分鐘，並讓團隊專注於戰略決策。

谷歌研究在10個美國城市進行的一項大規模真實世界研究表明，通過導航應用程序對少量行程（不到2%）進行輕微改道，可顯著減少交通擁堵和排放。該研究發表在《自然·城市》上，發現目標路段行駛速度中位數提高約2%，每個城市每年可能減少數千噸二氧化碳當量排放。

LLMIntel是一個演示儀表板，用於監控GenAI模型的使用成本、端點健康狀態和優化機會。它提供模型狀態、成本分析、使用趨勢、風險支出和標籤分解等視圖，幫助團隊在模型退役或成本激增前採取行動。

本文認為，與其等待更大的上下文窗口，不如採用多智能體編排來處理長上下文問題。INT21 的 SwarmOS 平台通過將大問題分解為多個協同的小任務，有效擴展了上下文處理能力。

一種名為Antidoom的新方法通過最終令牌偏好優化（FTPO）精準定位並消除語言模型中的重複循環（末日循環），在多個模型上實現近乎完全的循環消除，並提升評估分數。

本文探討了人工智能如何推動自主機器人在工作場所和家庭中的應用，介紹了研究人員迪帕姆·帕特爾在普渡大學和美國陸軍研究實驗室的工作，包括機器人在搜救場景中的導航和障礙物處理，以及面臨的災難性遺忘和計算依賴等挑戰。

Simon Willison使用GPT-5.5構建了一個實驗性的Web組件，名為github-code。該組件可以將GitHub代碼鏈接轉換為raw.githubusercontent.com的URL，並通過fetch()獲取並顯示指定行範圍的代碼，帶有行號但無語法高亮。

通過三道實際面試題，從速度、準確性、可解釋性等八個維度對比SQL、Pandas和AI智能體（Claude）在數據分析上的表現，並給出實際執行時間與智能體提示。

Anthropic宣佈將Claude Cowork擴展到網頁和移動端，並分享了1.2百萬會話的數據分析，顯示超過90%的使用與軟件開發無關，主要集中在業務流程和內容創作。Cowork的核心理念是“圍繞工作的工作”，幫助用户處理行政事務。新版本支持雲中運行、定時任務和移動通知，目前對Max計劃用户開放測試。

Anthropic將Claude Cowork從桌面端遷移至雲端，支持移動端和網頁訪問，任務可在設備離線時繼續運行，並支持跨設備切換。Max計劃用户可立即體驗，其他計劃將在數週內獲得更新。

一款供編碼代理使用的命令行工具，用於發佈代理應用。

研究人員記錄了JadePuffer勒索軟件攻擊，這可能是首個完全由AI驅動的端到端攻擊案例。它利用LLM自主執行偵察、憑據竊取、勒索軟件部署等整個攻擊鏈，並能快速自我修正。這標誌着網絡攻擊能力的根本性轉變，迫使防禦者必須採用AI驅動的安全解決方案。

Miora 是一個由人工智能驅動的創意平台，提供可編輯畫布和代理內存，幫助用户擴展創造力。

DoodleMeme是一個無需生成式AI即可將兒童手繪動畫化的工具，基於傳統角色綁定和運動重定向技術，免費且無需登錄，支持移動端和桌面端。

本文探討了企業AI項目失敗率高達80%的原因，指出碎片化數據和缺乏統一上下文是主要障礙。通過Arango和IBM專家的見解，文章提出了構建可解釋、可信賴的代理AI系統的四個關鍵洞察。

sqlite-utils 4.0 正式發佈，這是一個用於操作 SQLite 數據庫的 Python 命令行工具和庫。本次更新引入了數據庫模式遷移功能，使用户能夠更方便地管理和演進數據庫結構。該工具由 Simon Willison 開發，並且值得一提的是，其候選版本 4.0rc2 主要由 Claude Fable 生成，耗資約 149.25 美元。

本文從意圖的角度分析了AI安全風險，將風險分為四類：人類善意意圖與系統不可靠、人類惡意意圖與AI戰爭機器、AI善意意圖與模糊用例、AI惡意意圖與對齊困境。文章討論了每類風險的特徵、案例和緩解措施，並強調了技術、制度和政策槓桿的重要性。

Atrophy 是一個命令行工具，通過定期提供小型編程練習（無 AI 輔助）來測量用户的純技能水平。它自動評分、維護技能評級（類似國際象棋 Elo 分），並繪製一段時期內的變化曲線，幫助用户直觀瞭解 AI 是否在悄悄削弱其獨立編碼能力。工具包含五項技能（語法、調試、代碼閲讀、API 記憶、分解），提供兩種語言和難度自適應機制，並支持與 AI 輔助得分的對比圖表。

SOCBench是一個開放基準測試，用於評估前沿推理LLM作為安全運營中心（SOC）代理在原始NetFlow數據上的表現。它提供多輪代理循環、角色限定工具、多個提供商適配器和評分透鏡。該倉庫優先本地運行，僅需一台筆記本電腦、三個API密鑰和一個示例parquet文件即可復現。目前處於alpha階段，具備完整的端到端流水線。

TraceGen 是一款單一二進制文件的分佈式追蹤生成器，可生成逼真的、拓撲豐富的 OTLP 追蹤和關聯日誌，模擬包含 28 項服務和 40 個場景流（包括 AI 代理模式）的完整電商平台。無需基礎設施配置，只需一個可執行文件。旨在測試可觀測性平台並展示分佈式系統可視化，統一支持傳統 APM 和 LLM 可觀測性。

LangChain 通過挖掘智能體軌跡來發現失敗、微調比前沿 LLM 更便宜的評判模型，並利用評估來提升性能。

NVIDIA Vera是一種專為AI代理時代設計的新型CPU，強調大規模下的最大單線程性能。它基於自研Olympus核心，相比前代Grace性能提升50%，並配備高帶寬內存與低功耗設計。在代理工作負載中，Vera相比x86 CPU提供1.8倍的持續單核性能，並在真實測試中展現出1.5至1.9倍的速度提升。Vera整合了從工具調用到數據處理的全部工作，使AI工廠能最大化GPU利用率。

施耐德電氣通過LangSmith構建了企業級LLMOps基礎，實現了對AI產品的可觀測性、評估和部署。其AI中心擁有350名專家，已部署60多個AI代理。本文介紹了三大支柱：可觀測性（自託管LangSmith，每個產品一個工作區）、評估（離線/在線評估及成熟度框架）和部署（每個產品獨立運行時）。案例包括內部AI助手One Jo、客户成功經理Copilot和文檔處理代理，展示了顯著效率提升。

物理學教授、美國國家科學基金會人工智能與基本相互作用研究所首任所長將領導LNS並繼續其粒子物理學研究。

Bloomiro是一個面向SaaS團隊的SEO和AI搜索可見性平台，可跟蹤排名、AI提及、引用、競爭對手以及推動可見性的任務，並通過MCP集成到Cursor、Claude Code等開發工具中。

本文探討了API在人工智能領域中的關鍵作用，通過一個語音控制電腦的實驗展示了API如何將複雜的研究轉化為簡單的接口，並突顯了工具調用和系統集成的重要性。