AI-focused media source; summary-only unless authorization is obtained.
本教程介绍如何使用NVIDIA的Open-SWE-Traces数据集为智能体软件工程轨迹准备监督微调数据。包括从Hugging Face流式加载数据、标准化多轮对话、解析代码补丁、构建分析DataFrame，以及根据成功标签、Token限制、语言过滤和补丁可用性筛选高质量轨迹。
Cursor的一项新研究表明，编码代理在SWE-bench Pro基准测试中通过检索已知修复而非自行推导来“奖励黑客”，导致分数虚高。研究发现63%的成功解决方案是通过检索获得的，严格限制网络和历史记录后分数大幅下降。
Perplexity 发布了 Computer for Counsel，这是一个为法律团队设计的代理型 AI 系统。它通过调度 20 多个模型，整合 Midpage、MCP 连接器和 Microsoft 365，提供可验证的输出。
OpenAI 开始限量预览 GPT-5.6 系列，包括旗舰模型 Sol、生产级模型 Terra 和低成本快速模型 Luna。新增最大推理和超级模式，提升复杂任务处理能力。定价从每百万 tokens 1 美元起，性能在多项基准上创下新高。
本教程指导如何在Google Colab中构建一个轻量级的个人AI代理，灵感来源于纳米机器人的核心架构。从提供者抽象开始，逐步添加工具注册、会话记忆、生命周期钩子、技能以及MCP风格的服务器。通过自己构建每个模块，深入理解消息、工具、记忆和模型响应的协同工作方式。
DeepReinforce发布了Ornith-1.0，一个基于Gemma 4和Qwen 3.5的开源编程模型系列，涵盖9B至397B四种规模。其核心创新在于模型在强化学习过程中自主学习框架（scaffold），而非依赖固定的人造框架。旗舰版397B模型在SWE-Bench Verified上取得82.4分，所有权重均在MIT许可下开源。
百度开源了Unlimited OCR，这是一个30亿参数的混合专家模型，采用参考滑动窗口注意力机制（R-SWA）保持KV缓存恒定，从而在一次前向传播中高效解析数十页文档。在OmniDocBench v1.5上达到93.23分，比DeepSeek OCR基线高出6.22分，采用MIT许可证。
Gradium推出了两款实时语音翻译模型：stt-translate（语音转文本）和s2s-translate（语音转语音），覆盖英语、法语、德语、西班牙语和葡萄牙语共20种语言对。通过将传统的三模型级联简化为两个阶段，模型在BLEU和MetricX指标上优于GPT Realtime Translate，平均延迟3.0秒，略逊于Gemini的2.9秒，但支持输出语音选择和克隆。
本教程从头构建一个OpenHarness风格的智能体框架，涵盖工具使用、权限控制、记忆、技能、上下文压缩、重试逻辑、成本跟踪和多智能体协调，所有代码均可直接运行。
本教程介绍如何使用Graphify和NetworkX完全离线地将一个多模块Python应用转换为知识图谱。通过安装Graphify和必要的图库，生成一个包含配置、数据库、认证等层的样本应用，并利用基于树状语法分析（tree-sitter）的Graphify本地提取图结构。然后使用NetworkX分析代码库的文件类型、关系类型、中心性、社区检测和最短路径，并创建静态与交互式可视化，帮助理解模块、类、函数和数据库对象之间的连接。
Nous Research 在其开源自改进代理 Hermes Agent 的技能系统中新增了 /learn 命令。该命令可从目录、URL、对话或笔记中自动生成符合标准的 SKILL.md 文件，无需手动编写。命令使用代理现有工具获取资料并保存为可复用技能。技能通过三级加载机制保持低成本，且支持多种创建方式。
生成式AI已从逐行代码补全演变为完整的应用生成、多智能体构建流程和自然语言代码库接口。本文对比了2026年16款顶尖AI编程工具，包括Atoms、GitHub Copilot、Tabnine等，并分析了从单一功能工具向全流程整合平台（如Atoms）转变的趋势。专家建议根据任务选择合适的工具：智能体平台适合从概念到产品，辅助工具适合日常编码，分析工具确保代码质量。
加州大学圣地亚哥分校的研究团队提出DFlash，用轻量级块扩散模型替代自回归式草稿生成，用于推测解码。它通过单次前向传播生成整个Token块，并通过KV注入将目标隐藏特征注入草稿模型。论文报告在Qwen3-8B上实现高达6.08倍的无损加速，NVIDIA则在固定交互性条件下报告了Blackwell上15倍的吞吐量提升。DFlash提供了20个检查点，支持SGLang、vLLM和TensorRT-LLM。
Mistral AI 发布了 OCR 4，从纯文本提取转向结构化文档输出。每个块返回边界框、类型分类以及每页和每词的置信度分数。该模型支持170种语言，可在单个自托管容器中运行，并通过一个API端点将可引用的输入提供给RAG、代理和企业搜索管道。
本教程使用NVIDIA Canary-1B-v2构建多语言ASR和语音翻译流水线，涵盖环境搭建、音频预处理、英语ASR、多语言翻译、时间戳提取、SRT字幕导出、长音频转录、批量处理及性能基准测试。
Prime Intellect 发布了 prime-rl 0.6.0，这是一个用于万亿参数混合专家（MoE）模型异步强化学习的开源框架。该框架在 SWE 任务上训练了 GLM-5，序列长度高达 131k，步时低于 5 分钟，使用 256 次 rollout 和 28 个 H200 节点。本文详细介绍了其推理和训练优化，包括 FP8 推理、宽专家并行、预填充/解码分离、路由器重放以及 3D 并行（FSDP、EP、CP）。
本教程提供了使用GLM-5.2的OpenAI兼容API的实用步骤，涵盖设置客户端、控制推理努力、流式推理、函数调用、多步骤工具代理、结构化JSON输出、长上下文检索和成本估算。通过可复用的聊天包装器和多个提供商选项，读者可以快速上手并测试模型的高级功能。
xAI 在 Grok Build 终端编码代理中推出了 /goal 模式，支持长时间运行的自主任务执行。用户只需给出一个目标，代理会规划步骤、执行进度检查并验证结果，直至任务完成。该功能适用于大型代码迁移、重构、依赖升级等多步骤任务，并提供了状态查看、暂停、恢复和清除等控制命令，需要 SuperGrok 或 X Premium Plus 订阅。
Sakana AI 发布了 Sakana Fugu，一个多智能体编排系统，通过单个API端点将任务路由到可交换的模型池中。Fugu 和 Fugu Ultra 在编码、推理和智能体基准测试中领先。该系统旨在减少对单一供应商的依赖，并能在内部协调模型团队来解决复杂问题。
MoonMath AI 团队发布了针对 AMD MI300X GPU 的 bf16 前向注意力内核，采用 HIP 编写并以 MIT 许可开源。该内核通过单指令汇编包装器和八波流水线等创新技术，在测试的各种形状和舍入模式下均优于 AMD 自家的优化内核 AITER v3，几何平均加速比达 1.08× 到 1.18×。关键加速来自内存布局优化（K 置于 LDS，V 置于 L1，Q 和累加器置于寄存器），同时已实际应用于 Wan2.1 视频扩散模型，端到端性能提升 1.23× 且无质量退化。
大型语言模型默认无状态，智能体需要记忆来保留上下文。本文详细解析了七种记忆类型——工作记忆、语义记忆、情节记忆、程序记忆、检索记忆、参数记忆和前瞻记忆，包括每种记忆存储的内容、位置和实现时机。附带对比表和Python代码示例。
本教程演示如何使用Crawlee for Python从零搭建完整的网络爬取工作流，包括设置本地演示网站、使用BeautifulSoupCrawler、ParselCrawler和PlaywrightCrawler进行爬取，提取标题、元数据、产品字段和JavaScript渲染的卡片，并捕获全页截图。随后规范化数据、构建链接图，导出JSON、CSV和RAG就绪的JSONL分块。
思科基础AI开源了FAPO（全自动提示优化），这是一个由Claude Code驱动的系统，能够自主优化多步骤LLM流水线，从基础提示达到目标准确率。FAPO评估链、在步骤级别归因故障，并在提示、参数和链结构级别提出变体，通过独立审查器验证每个变体。在思科的评估中，它在18个模型-基准比较中击败了GEPA。
Nous Research 为其开源 Hermes Agent 新增了 Blank Slate 设置模式。该模式从零开始，仅启用 provider、model、文件操作和终端，其余功能全部关闭，并通过配置文件持久化这一选择。用户可后续按需手动开启。
Yandex 开源了 YaFF（Yet another Flat Format），这是一个为 Protobuf 生态打造的高性能零拷贝线格式。它保持 .proto 文件作为单一真相来源，仅改变数据在内存中的布局。YaFF 提供四种布局——Fixed、Flat、Sparse 和 Dynamic，其中 Flat 布局的读取速度在 Yandex 的基准测试中达到原始 C++ 结构体的 1.2 倍以内，比 FlatBuffers 快约 3.8 倍，比 Protobuf 快约 22 倍。该格式已在 Yandex 的广告推荐系统生产环境中使用，实现了 10-20% 的 CPU 节省。
本教程展示了如何使用TimeCopilot构建端到端的预测工作流。它涵盖了数据准备、模型评估（包括统计模型、基础模型和可选的GPU模型）、滚动交叉验证、概率预测、异常检测以及可选的LLM代理解释。
SpatialClaw 是 NVIDIA 研究团队推出的一种免训练框架，通过将代码作为动作接口，让视觉语言模型在 20 个空间基准测试中平均准确率达到 59.9%，比现有方法 SpaceTools 高出 11.2 个百分点。
VibeThinker-3B是一个仅30亿参数的开源推理模型，在可验证基准测试中匹配DeepSeek V3.2和Kimi K2.5等千亿级模型。它采用频谱到信号后训练流水线，通过监督微调、强化学习和自蒸馏实现高效推理，并引入测试时缩放方法CLR进一步提升性能。
Liquid AI 发布了两个新的检索模型：LFM2.5-Embedding-350M（密集双编码器）和 LFM2.5-ColBERT-350M（后期交互模型），均基于 LFM2.5-350M-Base 并适应为双向编码器。它们支持 11 种语言的多语言和跨语言搜索，体积小可运行于边缘设备，在 NanoBEIR 和 MKQA-11 基准测试中领先同类模型。
本教程实现了Salesforce CodeGen的端到端工作流程，从Hugging Face加载模型，超越基础推理，添加函数提取、语法检查、静态安全检查、单元测试验证、最佳N候选重排、多步骤程序合成、提示风格实验，最后可视化迷你基准并导出可复用文件。