Agent

在特朗普指責中國竊取美國選舉數據的同時，習近平在上海人工智能峯會上強調中國希望引領全球AI發展，並倡導AI為全球公共產品。中美在AI領域的競爭日益激烈，雙方在技術、安全規則和國際影響力上展開博弈。

NVIDIA Vera Rubin平台通過極致協同設計降低每token成本，實現更頻繁高效的後訓練，最大化智能體AI時代的每美元智能。Nemotron 3 Ultra模型在SWE-bench驗證中得分71.7%，展示了後訓練的有效性。

DoorDash發佈了一個命令行界面（dd-cli），使AI智能體無需人類批准即可在其平台上直接下單。此舉雖然讓開發者受益，但也引發了關於去中介化及DoorDash商業模式的爭議。專家警告，如果智能體主導下單成為常態，拒絕提供這樣的API可能會帶來更大風險。

企業不再僅僅滿足於部署AI，而是更關注可衡量的商業價值、工作流程再造以及成功擴展AI所需的治理。

專家警告，AI代理將顛覆企業軟件收入模式，但SaaS末日論被誇大。供應商通過強化核心能力來應對去中介化風險。

BrowserAct是一個瀏覽器自動化CLI，專為AI代理設計，能夠突破反爬蟲封鎖、支持人工接管、並行任務無干擾，並隔離多個賬號。它通過環境層、執行層和人工層三層機制突破封鎖，提供三種瀏覽器模式，並針對LLM推理優化輸出格式。

作者分享了自己從AI懷疑論者轉變為愛好者的經歷，在此過程中構建了一個由LLM驅動的MMO遊戲（SAO：Slop Art Online），並遇到了延遲問題。他設計了一種混合NPC AI方法，結合了行為樹和LLM決策，這啓發他創造了SLOP——一個用於智能體與應用交互的協議，強調上下文動作和狀態投影。

本文介紹了五個免費的智能體AI學習資源，涵蓋從入門到理論、從實踐到評估的各個方面，幫助學習者深入理解並有效構建智能體。

Superglue 推出了一款可自定義的 SAP MCP 服務器，為 SAP 實施顧問提供 AI 副駕駛，可直接查詢客户 S/4HANA 數據，支持一鍵安裝並集成到 Claude、Cursor 等 MCP 客户端。

本文探討了在代理開發中規格説明的必要性，指出零規格和過度規格都有成本，最佳平衡點取決於任務類型，並強調了規格驗證和可執行測試的重要性。

OpenTSLM是一種多模態大語言模型，將時間序列作為原生模態處理，能夠與文本一起對原始多變量信號進行推理。它在時間序列問答、活動識別、睡眠階段分類和ECG問答任務上優於基線方法，包括GPT-4o。模型支持擴展到多個超長時間序列，內存消耗幾乎恆定。ECG推理經7位心臟病專家驗證，正確率97%。所有代碼、數據集和模型均開源。

GPT-5.6 Sol在Design Arena的網頁設計排行榜上排名第一，比其前身GPT-5.5高出18位。它主動避免常見的AI設計反模式，結合了強大的模板與高度的個性化，並且比競爭對手更快、更便宜。

一個名為 Reaper-MCP 的新開源項目通過模型上下文協議讓 AI 助手能夠直接控制 Reaper DAW，涵蓋作曲、編輯、混音等音樂製作全流程。

本文詳細介紹瞭如何將MCP（模型上下文協議）服務器連接到Claude桌面版和Claude Code，使Claude能夠與外部工具、文件、數據庫等交互。包括兩種桌面版配置方法（一鍵擴展和JSON配置）以及Claude Code的CLI命令配置，還提供了常見錯誤修復和推薦服務器列表。

文章探討了AI輔助開發如何導致'單一模式倦怠'，通過壓縮規劃、實施和集成三種認知模式，使開發者儘管效率提高卻更加疲憊。

本文總結了五項最近關於AI在軟件工程領域的研究論文，這些論文共同揭示了AI正在壓縮軟件工程的上游工作，但下游瓶頸隨之出現。主要發現包括：GitHub Copilot使PR吞吐量增加約40%，且呈劑量反應關係；AI在代碼生成階段的增益（高達+180%）在交付過程中大幅衰減（最終僅+30%的發佈量）；生產力與開發者體驗出現脱鈎；開發者希望AI更多用於驗證任務而非代碼生成；以及“認知債務”和“意圖債務”正在成為新的軟件健康問題。

JetBrains 研究團隊探討了 AI 與擴展現實（XR）結合如何為技術創作者帶來新的交互範式。通過專家訪談，他們總結了五個主題：人類如何向 AI-XR 系統傳達意圖、AI 如何使 XR 環境理解並適應個人、阻礙 XR-AI 主流化的因素、AI-XR 如何改變創作方式，以及隱私和倫理風險。研究指出，XR 硬件和 AI 的融合將徹底改變技術創作，但面臨技術、認知和組織上的挑戰。

NVIDIA發佈Nemotron 3 Embed，包含三個開源檢查點：8B BF16、1B BF16和1B NVFP4。其中8B模型在RTEB基準上以78.46平均NDCG@10排名第一。1B模型通過NAS剪枝和蒸餾從8B教師模型得到。NVFP4在Blackwell上保持99%+的檢索精度，吞吐量提升2倍。所有模型支持32,768 token輸入，採用OpenMDW-1.1許可。

作者利用AI編碼助手（Codex CLI、Gemini CLI、Claude Code）將Python的epub閲讀器epy移植到Rust，開發了終端閲讀器repy。項目從2025年11月開始，2026年2月發佈，但僅獲得少量關注。文章反思了AI時代軟件過剩的現象，並探討了創作的意義。

中國芯片設計公司摩爾線程和紫光信息預測上半年收入大幅增長，得益於國內AI計算需求激增。摩爾線程預計收入增長135%-149%，紫光信息預計增長55.6%-70.2%。這凸顯了中國在AI基礎設施上的強勁需求，以及在美國出口限制下國產芯片的崛起。

Lightport 是一個輕量級的 AI 網關，專注於讓各種 LLM 提供商兼容 OpenAI API。它源自 Portkey AI Gateway，但去掉了重試、緩存等高級功能，僅保留請求/響應轉換層。支持 77 個提供商，包括 OpenAI、Anthropic、Azure OpenAI 等。可直接通過 pnpx lightport 快速啓動。

歐盟發佈兩項新規，要求谷歌共享搜索數據並開放安卓系統，以便競爭對手AI公司能公平接入。此舉旨在打破科技巨頭的數字壟斷，促進創新，但谷歌警告可能會危及用户隱私和數據安全。

本文介紹了一個名為voidguard的新工具，它能夠檢測出代碼庫中那些看似有效但實際上並未驗證任何內容的“空心”測試、類型檢查和CI門禁。作者通過對一個倉庫的掃描，發現了七個這樣的空心守衞，並由此開發了這個通用工具。文章詳細説明了voidguard能檢測的四類空洞以及無法檢測的三類，強調了驗證驗證手段本身的重要性。

OpenAI在其Codex命令行界面中引入了多代理v2消息加密，隱藏了代理間傳遞的指令，導致開發者無法調試和審計代理行為，引發了社區對可觀測性喪失的擔憂。

本文探索了利用功能性近紅外光譜（fNIRS）腦信號來調節機器人強化學習的可行性。研究比較了被動（觀察）和主動（演示）交互任務中的智能體訓練，並測試了多種增強RL算法的方法，重點關注參數增強而非替換。結果表明，該框架有效：腦信號在增強軌跡優先級和狀態-動作Q值時改善了學習。此外，該框架能成功從離線數據中學習，為實時腦機接口設置不實用或數據有限的情況提供了實用替代方案。

一項來自arXiv的新研究提出了一種隨機過濾協議（ANTk），用於採用匿名通信的機器人羣體中的羣體感應。該協議減輕了匿名協議中常見的重複計數偏差，提高了估計穩定性，但增加了錯誤恢復時間。研究將ANTk與基線和隨機變體進行了比較，揭示了準確性、速度和穩定性之間的權衡。

MonteRET是一種區域感知的檢索增強框架，用於自動生成胸部CT報告。它整合全局和局部CT特徵，檢索相關醫學知識，並通過知識引導的報告重寫智能體優化初始報告。在RadGenome-ChestCT數據集和外部醫院數據上，MonteRET在報告質量、語義相似性和臨牀效果上均優於現有方法。

提出首個關鍵幀條件視頻生成基準KeyFrame-Compass，包含386個精心策劃的樣本，覆蓋多種設置，並引入自動化評估框架，在9個系統上實驗揭示忠實執行與自然合成之間的權衡。

本文提出了一種新的量化指標——工具效率，用於評估LLM智能體軌跡中有用工具調用的比率。為了精確定義工具效率，作者還引入了邊際工具效用，該指標判斷每次工具調用的有用性，以及能否在不影響準確性的情況下從工具套件中移除，從而提高效率。研究使用LLM作為裁判來確定軌跡中每次工具調用的邊際工具效用符號。這項工作直接量化效率，為未來基準設計和精簡工具套件優化提供基礎。

新研究表明，大型語言模型代理在通過文本通信時會丟失信息。使用稀疏自動編碼器特徵分析，研究者發現潛在空間通信雖然在某些壓縮率下保留更多信息，但丟失的特徵主要編碼表面形式而非任務相關語義，從而對潛在通信的優勢提出質疑。

提出分支策略優化（BPO），利用沙盒的確定性、可快照和可恢復特性，通過共享前綴的樹形 rollout 拓撲降低策略梯度方差，在多個基準上較 GRPO 和 RLOO 提升 3.6-6.1 個絕對百分點。

本文提出了一種可解釋的、全球可部署的機器學習框架，用於從開放地理空間數據預測代表雜波高度（RCH）。該模型使用LiDAR衍生的標籤進行訓練，並採用LightGBM迴歸器，平均絕對誤差為1.79米，R²=0.765，相比ITU基線誤差降低超過60%。SHAP分析顯示樹冠覆蓋、土地覆蓋語義和光譜反射率是最重要的預測因子。該工作被IEEE CASE 2026接收。

儘管可解釋人工智能（XAI）技術層出不窮，從特徵歸因到稀疏自編碼器，但解釋很少影響實際工作流程。本文認為，機器學習社區必須從臨時性的XAI方法轉向解決基礎性和結構性的挑戰，包括不明確的問題表述、不充分的評估目標以及缺乏解釋驅動反饋的流程。通過對近期ICML、NeurIPS和ICLR論文的分析及對XAI從業者的調查，作者揭示了限制累積進展的常見問題，並提出了一個實用清單，旨在將XAI轉向更以人為中心、面向行動的模式。

最新研究將小型語言模型（SLM）與知識圖譜結合，通過神經符號智能體框架提升其推理能力。在CLUTRR親屬關係基準測試中，使用Gemma 3和Llama 3.2模型的實驗表明，RGCN提供的專家提示可使性能提升1.5-2倍，但存在提取瓶頸和順序推理脆弱性問題。

本文針對工具增強型大語言模型智能體在擴展工具集時面臨的行為慣性問題，提出通過注入反事實錨定上下文來打破慣性，恢復失敗軌跡。ToolAnchor框架利用教師模型假設反事實上下文，經學生回滾驗證後，通過智能體後訓練內化成功干預，在GAIA、BrowseComp和VDR-Bench等任務中表現優異，為動態工具適應開闢了新路徑。

研究人員提出了一種利用大型語言模型（LLM）構建貝葉斯信念網絡（BBN）的新方法，該方法通過一組AI代理基於特定角色和上下文估計概率，並採用修剪均值規則去除噪聲，從而彌合專家意見與數據驅動學習之間的差距。研究以替代醫療系統中患者就醫意向為案例，發現自我效能的影響實際較小，而主觀規範的影響更強，最有效的策略是同時提升自信和社區規範。

一種名為LLM-T1D的新方法將強化學習與大語言模型相結合，創建了一種可解釋的胰島素泵控制器，用於1型糖尿病，實現了73.5%的時間在目標血糖範圍內，同時提供清晰的解釋。

RegNetAgents是一個基於AI的多智能體框架，能夠跨異質性基因調控網絡進行結構化的調控候選識別。該框架整合了TCGA和GREmLN項目的大規模網絡，對焦點基因進行雙網絡分類、癌症基因過濾和作用模式分配。在乳腺癌和結直腸癌的測試中，識別出的候選調控因子顯著富集於OncoKB註釋的癌症基因，且在管家基因中無富集，表明其特異性。框架還包含評估致癌潛力、可成藥性等擴展模塊。

一篇新論文提出了一種三級分層學習架構，用於執行搜索與救援任務的自主無人機羣，整合了赫布神經可塑性、基於圖神經網絡和行為樹的多智能體強化學習，以及帶BDI推理和數字孿生的元學習。該框架提供形式化保證，並引入羣體元認知。

針對AI生成代碼速度快於人類審查而導致的信任危機，本文提出“語義合約”——一種類型安全、編譯時檢查的藍圖，位於需求與代碼之間，確保任何實現（無論人工還是AI編寫）的正確性。文章通過排序算法和電商結賬示例展示了語義合約的構建塊、狀態處理和集成方式。

本文介紹瞭如何使用Telnyx Edge Compute函數為語音AI助手構建後端，通過單一函數處理動態變量和Webhook工具調用，驗證請求並連接業務邏輯，從而簡化架構並提升性能。

Gradle Technologies 現已更名為 Develocity，專注於 AI 驅動的軟件交付管道治理與效率。公司表示，AI 已將軟件交付瓶頸從人類轉移到管道上。

PocketVeto是一款通過藍牙實現本地、無互聯網的AI編碼代理遙控工具。用户可以從手機批准或拒絕代理執行的危險操作（如shell命令、文件寫入等），並實時查看代理活動儀表盤。支持Windows、Linux及開發容器，目前v1版本已可用。

Blur & Unblur AI是一款免費的在線工具，可檢測照片中的人臉，對選定的人臉應用模糊效果，並導出乾淨的PNG文件——所有處理均在瀏覽器本地完成，無需上傳圖片。

VulnHunter 是一個開源的智能體AI安全工具，採用攻擊者優先的主動分析方法，直接從源代碼中識別可被利用的漏洞，並提出證據支持的修復方案。它由 Capital One 內部開發並開源，旨在應對現代軟件供應鏈中的安全挑戰。

微軟的Foundry平台現已支持超過8萬家企業構建AI代理。在產品副總裁Marco Casalaina的訪談中，他解釋了原型與生產環境代理之間的關鍵差異、代理框架的重要性，以及微軟如何構建上下文層以確保代理的可靠性。

Moonshot AI發佈了Kimi K3，一個2.8萬億參數的開源模型，擁有1M上下文長度，在Frontend Code Arena中排名第一，並在多項基準測試中取得優異成績。此次發佈標誌着開源模型的一個里程碑，儘管與頂級閉源模型仍存在差距。新聞通訊還涵蓋了其他AI新聞，包括安全事件、智能體框架和機器人技術。

SAM是一個免費的開源AI智能體，它能在你的計算機上本地運行，無需訂閲。它不僅能聊天，還能實際執行任務，擁有173種工具，支持團隊協作、離線運行，並且注重隱私。

RepoMap 是一種新型工具，通過確定性分析倉庫結構，生成交互式架構圖，幫助AI代理快速理解項目架構，同時大幅減少令牌消耗。它支持分支對比、提交差異可視化和多種圖形佈局。

Wandr基準測試旨在評估需要同時進行廣泛和深入搜索的研究代理，確保全面信息檢索。