Google ResearchAI 评分Google Research 在 The Check Up 展示医疗 AI 进展：从个性化护理到公共卫生
Google Research 在 The Check Up 活动上公布多项医疗 AI 进展：与 Fitbit 合作研究的 Personal Health Agent（PHA）在长期健康支持上优于单一任务应用，实验性 AI 系统识别出 25% 此前被漏诊的"interval cancers"。
#Agent
#Agent
- Google ResearchAI 评分
Mistral AI精选AI 评分
Mistral AI 推出 Forge，让企业用自有知识训练前沿模型
Mistral AI 推出 Forge，一个让企业基于专有知识构建前沿级 AI 模型的系统，支持预训练、后训练和强化学习等阶段。Forge 支持 dense 与 MoE 两种架构，并可按需支持多模态输入，模型可在企业自有基础设施内训练和治理。
推荐理由：原文给出了企业用自有数据训练前沿模型的分阶段能力与多架构支持，读者可据此判断自建模型的落地路径。
Hugging Face Blog精选AI 评分
H Company 发布 Holotron-12B 计算机操作智能体模型
H Company 发布 Holotron-12B，一个基于 NVIDIA Nemotron-Nano-2 VL 后训练的多模态计算机操作模型，已在 Hugging Face 上线，采用 NVIDIA Open Model License。
推荐理由：原文给出混合 SSM 架构带来的吞吐对比数据与 WebVoyager 提升幅度，可据此判断计算机操作智能体的部署成本。
OpenAI News精选AI 评分 OpenAI 发布 GPT-5.4 mini 和 nano
OpenAI 发布 GPT-5.4 mini 和 nano，是 GPT-5.4 更小、更快的版本，针对编码、工具调用、多模态推理以及高并发 API 和子智能体负载做了优化。
推荐理由：OpenAI 公布 GPT-5.4 的小型版本，读者可据此了解其在编码、工具调用与高并发场景中的定位。
Mistral 发布 Leanstral：面向 Lean 4 的开源代码智能体
Mistral 发布 Leanstral，称其为首个面向 Lean 4 的开源代码智能体，采用 6B 激活参数的稀疏架构，权重以 Apache 2.0 许可开放，并接入 Mistral vibe 的 agent 模式与免费 API 端点 labs-leanstral-2603。
推荐理由：官方给出 Leanstral 的开放权重、免费 API 与 FLTEval 基准，读者可据此判断形式化验证编码智能体的成本与可用性。
Mistral Vibe 如何构建自动编写 RSpec 测试的 Rails 智能体
Mistral 基于其开源编码助手 Vibe 构建了一个自主智能体，可读取 Rails 源文件、生成或改进 RSpec 测试，并在 CI/CD 流水线中无需人工干预地并行运行。通过仓库级 AGENTS.md 执行计划和按文件类型划分的 SKILLS 文件，其质量评分从 0.68 提升至 0.74。
OpenAI NewsAI 评分 OpenAI 如何设计 AI 智能体抵御提示词注入
OpenAI 分享了 ChatGPT 抵御提示词注入与社会工程攻击的设计思路：通过约束智能体工作流中的高风险操作、保护敏感数据来降低风险。
OpenAI News精选AI 评分 OpenAI 为 Responses API 加入计算机环境，构建智能体运行时
OpenAI 介绍如何用 Responses API、shell 工具和托管容器构建智能体运行时，让智能体在文件、工具和状态支持下安全、可扩展地运行。
推荐理由：OpenAI 官方披露 Responses API 的智能体运行时构成，读者可了解其如何用 shell 工具与托管容器支撑有状态智能体。
OpenAI NewsAI 评分 OpenAI 推出 Codex Security 研究预览版
OpenAI 发布 AI 应用安全智能体 Codex Security，进入研究预览阶段。该工具通过分析项目上下文来检测、验证并修补复杂漏洞，官方称其置信度更高、噪声更少。
OpenAI NewsAI 评分 Balyasny Asset Management 如何用 OpenAI 构建 AI 研究引擎
Balyasny Asset Management 通过严格的模型评估、全平台使用 OpenAI 以及智能体工作流，重构了投资研究流程。该案例展示了 OpenAI 在金融投研场景中的落地方式。
OpenAI News精选AI 评分 OpenAI 发布 GPT-5.4，主打编码、计算机操作与 1M token 上下文
OpenAI 发布 GPT-5.4，称其为面向专业工作场景的前沿模型，具备编码、计算机操作、工具搜索能力和 1M token 上下文。OpenAI 表示这是其能力最强、效率最高的前沿模型。
推荐理由：OpenAI 公布 GPT-5.4 的编码、计算机操作与 1M token 上下文等能力定位，可据此判断前沿模型的迭代方向。
OpenAI News精选AI 评分 OpenAI 推出 ChatGPT for Excel 及金融数据集成
OpenAI 推出 ChatGPT for Excel 以及新的金融应用集成，由 GPT-5.4 驱动，用于在受监管环境中加速建模、研究和分析。
推荐理由：OpenAI 把 ChatGPT 接入 Excel 并新增金融数据集成，读者可据此了解其在建模与研究场景的落地方式。
OpenAI NewsAI 评分 OpenAI 与 Amazon 宣布战略合作，将 Frontier 平台引入 AWS
OpenAI 与 Amazon 宣布战略合作，将 OpenAI 的 Frontier 平台引入 AWS，并扩展 AI 基础设施、定制模型和企业级 AI 智能体。
OpenAI NewsAI 评分 OpenAI 在 Amazon Bedrock 推出面向智能体的有状态运行时
OpenAI 在 Amazon Bedrock 推出面向智能体的有状态运行时（Stateful Runtime for Agents），为多步 AI 工作流提供持久编排、记忆和安全执行能力。
OpenAI NewsAI 评分 太平洋西北国家实验室与 OpenAI 合作加速联邦许可审批
OpenAI 与太平洋西北国家实验室联合推出 DraftNEPABench，用于评估 AI 编程智能体加速联邦许可审批的能力，显示有望将 NEPA 起草时间最多缩短 15%。该基准旨在推动基础设施审查流程的现代化。
OpenAI NewsAI 评分 OpenAI 宣布 Frontier Alliance Partners，助力企业智能体规模化落地
OpenAI 宣布推出 Frontier Alliance Partners，帮助企业从 AI 试点走向生产环境，实现安全、可扩展的智能体部署。
Google DeepMind精选AI 评分Google DeepMind 发布 Gemini 3.1 Pro，ARC-AGI-2 得分 77.1%
Google DeepMind 发布 Gemini 3.1 Pro，定位为面向复杂任务的更强核心推理模型，在 ARC-AGI-2 上取得 77.1% 的验证分数，超过 3 Pro 推理性能的两倍。
推荐理由：官方给出 Gemini 3.1 Pro 在 ARC-AGI-2 上的验证分数与多端上线范围，可据此判断其推理能力提升幅度。
IBM 与 UC Berkeley 用 ITBench 和 MAST 诊断企业级智能体为何失败
IBM Research 与 UC Berkeley 用 MAST 失败分类法分析 ITBench 中 310 条 SRE 执行轨迹，覆盖 Gemini-3-Flash、Kimi-K2 和 GPT-OSS-120B 三类模型。
Hugging Face 介绍 Gradio gr.HTML 单文件构建任意 Web 应用
Hugging Face 博客介绍 Gradio 6 中 gr.HTML 的新能力，支持自定义模板、作用域 CSS 和 JavaScript 交互，可在单个 Python 文件中完成前端、后端与状态管理，无需构建步骤即可部署到 Hugging Face Spaces。
推荐理由：原文给出 gr.HTML 的模板、状态同步与子类化写法，读者可据此把自定义组件直接接入现有 Gradio 流程。
OpenAI NewsAI 评分 OpenAI 与 Paradigm 推出 EVMbench 智能合约安全基准
OpenAI 与 Paradigm 联合推出 EVMbench，用于评估 AI 智能体检测、修补和利用高危智能合约漏洞的能力。该基准聚焦高严重性漏洞的发现、修复与攻击三类任务。
Hugging Face 发布 CUDA 内核 Agent Skill，Claude 与 Codex 为 LTX-Video 和 Qwen3-8B 生成内核
Hugging Face 发布 cuda-kernels Agent Skill，让 Claude、Codex 等编码智能体为 diffusers 和 transformers 项目编写生产级 CUDA 内核，并生成 PyTorch 绑定与基准脚本。
推荐理由：原文给出可安装的 CUDA 内核技能与完整基准数据，读者可据此判断智能体写内核的可行边界。
- Google DeepMind精选AI 评分
Google DeepMind 发布 Gemini 3 Deep Think 升级，面向科研与工程推理
Google DeepMind 发布 Gemini 3 Deep Think 重大升级，这一专用推理模式面向科学、研究与工程难题。
推荐理由：官方给出 Deep Think 在数学、编程与科学基准上的具体成绩和 API 开放路径，可据此判断专业推理模式的当前水位。
Hugging Face 与 Meta 的 OpenEnv 实践：在真实环境中评测工具调用智能体
Hugging Face 博客介绍 Meta 与 Hugging Face 合作的开源框架 OpenEnv，它用 gym 风格 API（reset、step、action、observations）和标准 MCP 工具调用接口，把智能体接到浏览器、代码仓库、日历等真实系统而非模拟环境中评测。
推荐理由：Meta 与 Hugging Face 的 OpenEnv 框架及 Turing 的 Calendar Gym 给出了智能体在真实权限与多步环境下的失败模式数据。
OpenAI NewsAI 评分 Harness engineering：在智能体优先的世界中利用 Codex
OpenAI 技术人员 Ryan Lopopolo 提出 Harness engineering，探讨在智能体优先的世界中如何利用 Codex。文章聚焦于围绕 Codex 构建工程化支撑体系，以适应以 AI 智能体为核心的开发范式。
- Google ResearchAI 评分
Google 开源 DialogLab：编写、模拟与测试动态人-AI 群组对话
Google Research 在 ACM UIST 2025 发布开源原型框架 DialogLab，用于编写、模拟和测试动态的人-AI 群组对话，将对话的社交设定与时间推进解耦，支持拖拽式场景搭建、实时预览与验证仪表盘。14 名游戏设计、教育和社会科学领域参与者的评测显示，human control 模式在参与度、有效性和真实感上显著优于 autonomous 与 reactive 模式。
- Google DeepMind精选AI 评分
Google DeepMind 发布两篇论文，用 Gemini Deep Think 推进数学与科学发现
Google DeepMind 发布两篇论文，介绍在数学家、物理学家和计算机科学家指导下，用 Gemini Deep Think 模式解决数学、物理与计算机科学领域的专业研究问题。
推荐理由：DeepMind 公开了 Gemini Deep Think 在数学、物理与计算机科学研究中的两篇论文，读者可了解其智能体工作流与分级标准。
- Google ResearchAI 评分
Google 如何用 AI 工具重新定义通用设计以提升无障碍体验
Google 提出 Natively Adaptive Interfaces（NAI）框架，用多模态 AI 工具打造更具适应性的无障碍应用，以 agent 驱动的动态模块取代静态导航。原型包括面向盲人与低视力用户的 StreetReaderAI，以及基于 Gemini 模型、可实时语音调整描述细节的 Multimodal Agent Video Player（MAVP）。
OpenAI News精选AI 评分 OpenAI 发布企业级智能体平台 OpenAI Frontier
OpenAI 发布企业平台 OpenAI Frontier，用于构建、部署和管理 AI 智能体。该平台提供共享上下文、入职引导、权限管理和治理能力。
推荐理由：OpenAI 面向企业推出智能体平台，给出共享上下文、权限与治理等能力方向，可供判断企业级 Agent 落地形态。
OpenAI News精选AI 评分 OpenAI 发布 GPT-5.3-Codex
OpenAI 发布 GPT-5.3-Codex，这是一个 Codex 原生的智能体，将前沿编码能力与通用推理结合，用于支持长周期、真实世界的技术工作。
推荐理由：OpenAI 发布 Codex 原生的 GPT-5.3-Codex，读者可据此了解其编码能力与通用推理结合后的定位。
OpenAI NewsAI 评分 OpenAI 详解 Codex App Server：如何嵌入 Codex 智能体
OpenAI 介绍 Codex App Server，这是一个双向 JSON-RPC API，用于把 Codex 智能体嵌入到应用中。该接口支持流式进度、工具调用、审批和 diff 等能力。
H Company 发布 Holo2-235B-A22B Preview，UI 定位刷新 SOTA
H Company 发布迄今最大的 UI 定位模型 Holo2-235B-A22B Preview，在 ScreenSpot-Pro 上以 78.5% 刷新 SOTA，OSWorld G 达 79.0%，已在 Hugging Face 开放。
OpenAI NewsAI 评分 Snowflake 与 OpenAI 达成 2 亿美元合作，将前沿智能引入企业数据
Snowflake 与 OpenAI 达成 2 亿美元合作协议，把前沿智能引入企业数据，让 AI 智能体和洞察直接在 Snowflake 中运行。
OpenAI News精选AI 评分 OpenAI 推出 macOS 版 Codex app
OpenAI 发布面向 macOS 的 Codex app，定位为 AI 编码与软件开发的指挥中心，支持多个智能体、并行工作流和长时间运行的任务。
推荐理由：官方给出 Codex app 的定位与多智能体、并行工作流等能力，读者可据此判断 AI 编码工具形态的变化。
OpenAI NewsAI 评分 OpenAI 如何构建内部 AI 数据智能体
OpenAI 构建了一个内部 AI 数据智能体，结合 GPT-5、Codex 和记忆能力对海量数据集进行推理，可在数分钟内给出可靠洞察。
Gradio 团队推出开源 Python 库 Daggr，用代码串联 AI 工作流并自动生成可视化画布
Gradio 团队发布开源 Python 库 Daggr，用于把 Gradio 应用、ML 模型和自定义函数串联成 AI 工作流，并自动生成可视化画布。它支持检查任意节点输出、修改输入并单独重跑某一步，还提供状态持久化和 sheets 多工作区，安装只需 Python 3.10 以上并执行 pip install daggr。
推荐理由：原文给出代码优先的编排方式和可视化画布，读者可据此判断它是否适合替代现有调试脚本。
- Google Research精选AI 评分
Google Research 发布智能体系统扩展研究：多智能体并非越多越好
Google Research 发布论文《Towards a Science of Scaling Agent Systems》，对 180 种智能体配置做大规模对照评测，覆盖 Finance-Agent、BrowseComp-Plus、PlanCraft、Workbench 四个基准和 GPT、Gemini、Claude 三个模型家族。
推荐理由：通过 180 种智能体配置的对照实验，给出多智能体架构在并行与串行任务上的量化差异，可据此调整编排策略。
Hugging Face 发布 upskill：用 Claude 生成 CUDA kernel 技能并教给开源模型
Hugging Face 发布新工具 upskill，可用大模型生成并评测 agent skill，再交给更小或本地模型使用。文章以用 Claude Opus 4.5 编写 diffusers 模型 CUDA kernel 为例，upskill 会基于 agent trace 生成技能和测试用例，并对比有无技能时的准确率与 token 消耗。
推荐理由：原文给出用大模型生成并评测 agent skill 再迁移到小模型的完整流程，可复用到其他专业任务。
OpenAI NewsAI 评分 OpenAI 如何保障 AI 智能体点击链接时的数据安全
OpenAI 说明了 AI 智能体打开链接时保护用户数据的机制，通过内置防护防止基于 URL 的数据外泄和提示词注入。
Mistral 发布终端编码智能体 Vibe 2.0，由 Devstral 2 驱动
Mistral 发布终端编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型系列驱动，新增自定义子智能体、多选项澄清、斜杠命令技能和统一智能体模式，CLI 修复持续自动更新。
推荐理由：官方给出 Vibe 2.0 的自定义子智能体、斜杠命令技能与定价变化，可据此判断终端编码智能体的使用成本与工作流。
解锁 GPT-OSS 的智能体 RL 训练：一次实践复盘
Hugging Face 博客复盘了用 verl 框架对 GPT-OSS 进行智能体强化学习训练时遇到的问题与修复。团队发现 GPT-OSS-20B 训练初期出现 KL 散度和熵爆炸、奖励不升，根因是 MoE 架构下双前向传播导致新旧 log-prob 不一致，使 PPO 的 importance sampling ratio 偏离 1；修复后该方案同样适用于 GPT-OSS-120B。