Agent

在最新基准测试中，GPT-5.6 Sol Ultra 仅通过分析补丁提交，就自主构建了一条完整的 Chrome V8 漏洞利用链，最终弹出计算器。其他前沿模型如 Sol Medium 和 Grok 4.5 则停滞在早期阶段。作者认为，这标志着漏洞利用开发作为一项人类技能即将终结。

NeoSigma公司构建了一套沙盒基础设施，为自主代理提供安全、隔离且功能完整的执行环境，使其能够像在真实开发环境中一样工作，同时确保每一操作都受控、可重现且可丢弃。

26名Meta员工起诉公司，指控其使用人工智能系统针对休病假或家庭假的员工进行裁员，违反了保护孕妇、残疾人和休假员工的法律。Meta否认指控，称裁员决定由人而非AI做出。

文章讨论了金融服务业中代理型AI（Agentic AI）的ROI证明问题，指出传统监控工具无法处理多代理系统的动态成本结构。通过两个实际用例——RFP处理流程自动化和反洗钱合规监控，展示了如何利用LangChain平台（含LangSmith和LangGraph）与Pay-i经济智能平台结合，将工程级可观测性连接到业务价值，从而向领导层证明AI投资回报。

Amazon Quick 是一款 AI 销售助手，帮助销售人员将更多时间用于销售，减少行政工作。它覆盖整个销售周期，从潜在客户评分、个性化外联、会议准备到 CRM 自动化，提升销售效率。

本文作者Scott Galloway认为，当前人工智能领域的投资热潮与1999年的互联网泡沫有诸多相似之处，但结局可能不同。他警告AI泡沫正在破裂，并分析了从B2C到基础设施的连锁反应，最终指出AI创造的价值可能更多流向用户而非股东。

BlockscopeChat 是一款 AI 调查员，专注于加密货币领域的调查与研究。

Simon Willison提出的“AI致命三重奏”指三种能力的组合：访问私人数据、接触不可信内容和数据外泄能力。这三种能力单独无害，但结合使用可导致严重安全风险。作者构建了一个免费谜题游戏，模拟这些攻击概念，最终关卡需要利用全部三种能力。

教练视角（Coach's Corner）是一款基于Databricks平台的应用，能将每秒25帧的比赛追踪数据转化为亚秒级的2D/3D战术板，集回放、事件分析、球探聊天和对手档案代理于一体。通过Lakeflow管道、DBSQL和Lakebase实现数据的高效处理与快速查询，并利用Genie、向量搜索和代理技术提供基于治理数据的AI洞察，解决了高频数据在决策中的可用性鸿沟。

本文从高层次概述了Smartsheet远程MCP架构，重点介绍了其背后的AWS基础设施，包括安全性、治理、扩展和部署，以及Smartsheet在AWS上构建的AI特定优化。

Startup Factory 是一个开源框架，可将项目管理工具（如 Jira、Linear、GitHub Issues、Markdown）转化为由 AI 代理驱动的受控交付系统。它提供分层安全边界、确定性调度和多模型支持。

本文探讨AI记忆可移植性问题，指出记忆正成为新供应商锁定机制，现有导出功能无法实现真正的可移植性。文章分析行为、上下文和关系三种锁定类型，介绍Cognee和ByteRover等早期尝试，并呼吁建立中立记忆交换标准。

Bunkerhill Health 完成5500万美元B轮融资，用于扩展其代理型AI平台 Carebricks。该平台已在美国多家医疗系统运行，包括克利夫兰诊所、得克萨斯大学医学分部（UTMB）等。UTMB 已部署超过20个AI代理，在临床、运营和管理方面取得初步成效，如降低专家等待时间、提高随访率等。

在特朗普指责中国窃取美国选举数据的同时，习近平在上海人工智能峰会上强调中国希望引领全球AI发展，并倡导AI为全球公共产品。中美在AI领域的竞争日益激烈，双方在技术、安全规则和国际影响力上展开博弈。

NVIDIA Vera Rubin平台通过极致协同设计降低每token成本，实现更频繁高效的后训练，最大化智能体AI时代的每美元智能。Nemotron 3 Ultra模型在SWE-bench验证中得分71.7%，展示了后训练的有效性。

DoorDash发布了一个命令行界面（dd-cli），使AI智能体无需人类批准即可在其平台上直接下单。此举虽然让开发者受益，但也引发了关于去中介化及DoorDash商业模式的争议。专家警告，如果智能体主导下单成为常态，拒绝提供这样的API可能会带来更大风险。

企业不再仅仅满足于部署AI，而是更关注可衡量的商业价值、工作流程再造以及成功扩展AI所需的治理。

专家警告，AI代理将颠覆企业软件收入模式，但SaaS末日论被夸大。供应商通过强化核心能力来应对去中介化风险。

BrowserAct是一个浏览器自动化CLI，专为AI代理设计，能够突破反爬虫封锁、支持人工接管、并行任务无干扰，并隔离多个账号。它通过环境层、执行层和人工层三层机制突破封锁，提供三种浏览器模式，并针对LLM推理优化输出格式。

作者分享了自己从AI怀疑论者转变为爱好者的经历，在此过程中构建了一个由LLM驱动的MMO游戏（SAO：Slop Art Online），并遇到了延迟问题。他设计了一种混合NPC AI方法，结合了行为树和LLM决策，这启发他创造了SLOP——一个用于智能体与应用交互的协议，强调上下文动作和状态投影。

本文介绍了五个免费的智能体AI学习资源，涵盖从入门到理论、从实践到评估的各个方面，帮助学习者深入理解并有效构建智能体。

Superglue 推出了一款可自定义的 SAP MCP 服务器，为 SAP 实施顾问提供 AI 副驾驶，可直接查询客户 S/4HANA 数据，支持一键安装并集成到 Claude、Cursor 等 MCP 客户端。

本文探讨了在代理开发中规格说明的必要性，指出零规格和过度规格都有成本，最佳平衡点取决于任务类型，并强调了规格验证和可执行测试的重要性。

OpenTSLM是一种多模态大语言模型，将时间序列作为原生模态处理，能够与文本一起对原始多变量信号进行推理。它在时间序列问答、活动识别、睡眠阶段分类和ECG问答任务上优于基线方法，包括GPT-4o。模型支持扩展到多个超长时间序列，内存消耗几乎恒定。ECG推理经7位心脏病专家验证，正确率97%。所有代码、数据集和模型均开源。

GPT-5.6 Sol在Design Arena的网页设计排行榜上排名第一，比其前身GPT-5.5高出18位。它主动避免常见的AI设计反模式，结合了强大的模板与高度的个性化，并且比竞争对手更快、更便宜。

一个名为 Reaper-MCP 的新开源项目通过模型上下文协议让 AI 助手能够直接控制 Reaper DAW，涵盖作曲、编辑、混音等音乐制作全流程。

本文详细介绍了如何将MCP（模型上下文协议）服务器连接到Claude桌面版和Claude Code，使Claude能够与外部工具、文件、数据库等交互。包括两种桌面版配置方法（一键扩展和JSON配置）以及Claude Code的CLI命令配置，还提供了常见错误修复和推荐服务器列表。

文章探讨了AI辅助开发如何导致'单一模式倦怠'，通过压缩规划、实施和集成三种认知模式，使开发者尽管效率提高却更加疲惫。

本文总结了五项最近关于AI在软件工程领域的研究论文，这些论文共同揭示了AI正在压缩软件工程的上游工作，但下游瓶颈随之出现。主要发现包括：GitHub Copilot使PR吞吐量增加约40%，且呈剂量反应关系；AI在代码生成阶段的增益（高达+180%）在交付过程中大幅衰减（最终仅+30%的发布量）；生产力与开发者体验出现脱钩；开发者希望AI更多用于验证任务而非代码生成；以及“认知债务”和“意图债务”正在成为新的软件健康问题。

JetBrains 研究团队探讨了 AI 与扩展现实（XR）结合如何为技术创作者带来新的交互范式。通过专家访谈，他们总结了五个主题：人类如何向 AI-XR 系统传达意图、AI 如何使 XR 环境理解并适应个人、阻碍 XR-AI 主流化的因素、AI-XR 如何改变创作方式，以及隐私和伦理风险。研究指出，XR 硬件和 AI 的融合将彻底改变技术创作，但面临技术、认知和组织上的挑战。

NVIDIA发布Nemotron 3 Embed，包含三个开源检查点：8B BF16、1B BF16和1B NVFP4。其中8B模型在RTEB基准上以78.46平均NDCG@10排名第一。1B模型通过NAS剪枝和蒸馏从8B教师模型得到。NVFP4在Blackwell上保持99%+的检索精度，吞吐量提升2倍。所有模型支持32,768 token输入，采用OpenMDW-1.1许可。

作者利用AI编码助手（Codex CLI、Gemini CLI、Claude Code）将Python的epub阅读器epy移植到Rust，开发了终端阅读器repy。项目从2025年11月开始，2026年2月发布，但仅获得少量关注。文章反思了AI时代软件过剩的现象，并探讨了创作的意义。

中国芯片设计公司摩尔线程和紫光信息预测上半年收入大幅增长，得益于国内AI计算需求激增。摩尔线程预计收入增长135%-149%，紫光信息预计增长55.6%-70.2%。这凸显了中国在AI基础设施上的强劲需求，以及在美国出口限制下国产芯片的崛起。

Lightport 是一个轻量级的 AI 网关，专注于让各种 LLM 提供商兼容 OpenAI API。它源自 Portkey AI Gateway，但去掉了重试、缓存等高级功能，仅保留请求/响应转换层。支持 77 个提供商，包括 OpenAI、Anthropic、Azure OpenAI 等。可直接通过 pnpx lightport 快速启动。

欧盟发布两项新规，要求谷歌共享搜索数据并开放安卓系统，以便竞争对手AI公司能公平接入。此举旨在打破科技巨头的数字垄断，促进创新，但谷歌警告可能会危及用户隐私和数据安全。

本文介绍了一个名为voidguard的新工具，它能够检测出代码库中那些看似有效但实际上并未验证任何内容的“空心”测试、类型检查和CI门禁。作者通过对一个仓库的扫描，发现了七个这样的空心守卫，并由此开发了这个通用工具。文章详细说明了voidguard能检测的四类空洞以及无法检测的三类，强调了验证验证手段本身的重要性。

OpenAI在其Codex命令行界面中引入了多代理v2消息加密，隐藏了代理间传递的指令，导致开发者无法调试和审计代理行为，引发了社区对可观测性丧失的担忧。

本文探索了利用功能性近红外光谱（fNIRS）脑信号来调节机器人强化学习的可行性。研究比较了被动（观察）和主动（演示）交互任务中的智能体训练，并测试了多种增强RL算法的方法，重点关注参数增强而非替换。结果表明，该框架有效：脑信号在增强轨迹优先级和状态-动作Q值时改善了学习。此外，该框架能成功从离线数据中学习，为实时脑机接口设置不实用或数据有限的情况提供了实用替代方案。

一项来自arXiv的新研究提出了一种随机过滤协议（ANTk），用于采用匿名通信的机器人群体中的群体感应。该协议减轻了匿名协议中常见的重复计数偏差，提高了估计稳定性，但增加了错误恢复时间。研究将ANTk与基线和随机变体进行了比较，揭示了准确性、速度和稳定性之间的权衡。

MonteRET是一种区域感知的检索增强框架，用于自动生成胸部CT报告。它整合全局和局部CT特征，检索相关医学知识，并通过知识引导的报告重写智能体优化初始报告。在RadGenome-ChestCT数据集和外部医院数据上，MonteRET在报告质量、语义相似性和临床效果上均优于现有方法。

提出首个关键帧条件视频生成基准KeyFrame-Compass，包含386个精心策划的样本，覆盖多种设置，并引入自动化评估框架，在9个系统上实验揭示忠实执行与自然合成之间的权衡。

本文提出了一种新的量化指标——工具效率，用于评估LLM智能体轨迹中有用工具调用的比率。为了精确定义工具效率，作者还引入了边际工具效用，该指标判断每次工具调用的有用性，以及能否在不影响准确性的情况下从工具套件中移除，从而提高效率。研究使用LLM作为裁判来确定轨迹中每次工具调用的边际工具效用符号。这项工作直接量化效率，为未来基准设计和精简工具套件优化提供基础。

新研究表明，大型语言模型代理在通过文本通信时会丢失信息。使用稀疏自动编码器特征分析，研究者发现潜在空间通信虽然在某些压缩率下保留更多信息，但丢失的特征主要编码表面形式而非任务相关语义，从而对潜在通信的优势提出质疑。

提出分支策略优化（BPO），利用沙盒的确定性、可快照和可恢复特性，通过共享前缀的树形 rollout 拓扑降低策略梯度方差，在多个基准上较 GRPO 和 RLOO 提升 3.6-6.1 个绝对百分点。

本文提出了一种可解释的、全球可部署的机器学习框架，用于从开放地理空间数据预测代表杂波高度（RCH）。该模型使用LiDAR衍生的标签进行训练，并采用LightGBM回归器，平均绝对误差为1.79米，R²=0.765，相比ITU基线误差降低超过60%。SHAP分析显示树冠覆盖、土地覆盖语义和光谱反射率是最重要的预测因子。该工作被IEEE CASE 2026接收。

尽管可解释人工智能（XAI）技术层出不穷，从特征归因到稀疏自编码器，但解释很少影响实际工作流程。本文认为，机器学习社区必须从临时性的XAI方法转向解决基础性和结构性的挑战，包括不明确的问题表述、不充分的评估目标以及缺乏解释驱动反馈的流程。通过对近期ICML、NeurIPS和ICLR论文的分析及对XAI从业者的调查，作者揭示了限制累积进展的常见问题，并提出了一个实用清单，旨在将XAI转向更以人为中心、面向行动的模式。

最新研究将小型语言模型（SLM）与知识图谱结合，通过神经符号智能体框架提升其推理能力。在CLUTRR亲属关系基准测试中，使用Gemma 3和Llama 3.2模型的实验表明，RGCN提供的专家提示可使性能提升1.5-2倍，但存在提取瓶颈和顺序推理脆弱性问题。

本文针对工具增强型大语言模型智能体在扩展工具集时面临的行为惯性问题，提出通过注入反事实锚定上下文来打破惯性，恢复失败轨迹。ToolAnchor框架利用教师模型假设反事实上下文，经学生回滚验证后，通过智能体后训练内化成功干预，在GAIA、BrowseComp和VDR-Bench等任务中表现优异，为动态工具适应开辟了新路径。

研究人员提出了一种利用大型语言模型（LLM）构建贝叶斯信念网络（BBN）的新方法，该方法通过一组AI代理基于特定角色和上下文估计概率，并采用修剪均值规则去除噪声，从而弥合专家意见与数据驱动学习之间的差距。研究以替代医疗系统中患者就医意向为案例，发现自我效能的影响实际较小，而主观规范的影响更强，最有效的策略是同时提升自信和社区规范。

一种名为LLM-T1D的新方法将强化学习与大语言模型相结合，创建了一种可解释的胰岛素泵控制器，用于1型糖尿病，实现了73.5%的时间在目标血糖范围内，同时提供清晰的解释。