#Agent

elvis@omarsar0· 10:10AI 评分5858

Google DeepMind 等机构的研究测试了自进化智能体在持续学习中的遗忘问题。研究在 BIRD、BFCL 和 ScienceWorld 构建的四条主题、工作流或领域漂移的任务流上测试 ReasoningBank、GEPA 和 Meta-Harness，模型权重保持冻结，智能体通过改写提示词、记忆和技能来适应。

Google 将更个性化的 Gemini AI 引入车载系统

Google 把 Personal Intelligence 引入 Android Auto 和内置 Google 的汽车，Gemini 可调用 Gmail、Calendar、Maps、Photos、YouTube 和 Search 中的个人信息。

OpenAI 收购 AI 生物科技初创公司 Orchestra Bio

OpenAI 于周二宣布收购成立四年的 AI 生物科技软件初创公司 Orchestra Bio，交易金额未披露，该公司截至 2025 年已融资约 2000 万美元，投资方包括 Andreessen Horowitz、Atria 和 8VC。

elvis@omarsar0· 03:48AI 评分3838

推文推荐用决策模型构建 LLM 评测，并称内部评测显示 Jev 这类 System One 模型很适合做 LLM Judge。作者在 Hamel Husain 关于决策模型评测的文章之外，补充了 Jev-as-a-Judge 智能体评测资源与 arXiv 论文，介绍如何结合 System One 与 System Two 模型。

Simon Willison 用 Claude Code 打造 RTS 游戏 Battle Drones，支持音频同步多人对战

Simon Willison 发布 vibe coded 即时战略游戏 Battle Drones，经 12 个大版本迭代、321 次由 Claude Code 等编码智能体提交的 commit，可在手机和桌面浏览器运行。游戏含 9 种建筑、7 种地面载具、6 种空中载具和 3 种步兵单位，并支持两台邻近设备通过麦克风范围内的音频消息同步游戏状态实现多人对战。

ElevenLabs 发布 Eleven Realtime 两款语音到语音模型

ElevenLabs 发布两款语音到语音模型 Eleven Realtime，其中 Max 版本在 Big Bench Audio 基准上得分 98.8%，响应时间 0.57 秒。

Rohan Paul@rohanpaul_ai· 02:12精选AI 评分7575

Anthropic 科学博客介绍，Claude 在其 Claude Science 环境中以智能体方式自主完成整套蛋白质设计流程，针对蝎毒神经毒素设计结合蛋白。

Smartsheet 在 AWS 上线 MCP Server，AI 智能体可读写工作管理数据

Smartsheet 已在 AWS 推出正式可用的 MCP Server，AI 助手可通过标准化协议读写和管理 Smartsheet 数据，覆盖探索、创建与管理 sheet、行、列和自动化等 40 多个工具。

用 Amazon Quick 和 Amazon Bedrock AgentCore 构建对话式供应链智能

AWS 展示用 Amazon Quick 作为交互界面、Amazon Bedrock AgentCore 作为智能层，通过 MCP 服务器把 ERP、监控、采购等系统串成可组合工具层，让供应链管理者用自然语言跨系统提问。

Octave 如何在 Amazon Bedrock 上构建安全多租户 AI 基础平台

Octave 在 Amazon Bedrock 上为质量管理平台 Reliance 构建了多租户 AI 基础平台，用 Cohere Embed v4 完成 20 亿份文档的嵌入，并将单用例部署时间缩短 50%。该平台以每租户独立向量存储、AgentCore Gateway 隔离执行和 Guardrails 双向过滤三层架构，确保客户数据不跨租户边界。首个落地应用为投诉摘要与分诊助手。

Rohan Paul@rohanpaul_ai· 01:18AI 评分6565

Meta 的 AI 智能体 Muse 上线 40 天在美国获得 1020 万次下载，这一速度历史上只有 11 款其他应用达到过，且其中多为手游。其美国用户 7 日留存率为 30%、14 日留存率为 23%，高于竞品平均的 19% 和 16%；10 月 16 日日活用户达 250 万，一周增长 15%，但仍不到美国下载量的四分之一。

Mistral AI 发布 Voxtral 3 实时语音智能体模型栈

Mistral AI 发布 Voxtral 3，一套面向实时语音智能体的模型家族，包含语音转写模型 Voxtral Small Transcribe 3、文本转语音模型 Voxtral Mini TTS 3，以及基于 LiveKit 的语音智能体 SDK。

AWS 详解 Agent Registry 运行时工具发现：发现、实例化、执行三步循环

AWS 介绍 Agent Registry 的运行时工具发现方案，让编排器不再把工具硬编码进智能体，而是按请求检索已批准的 MCP 服务器和 A2A 智能体记录。

三位 Java Champion 如何用 GitHub Copilot 提升生产力

GitHub 博客采访了 Vlad Mihalcea、Patrick Baumgartner 和 Frank Delporte 三位 Java Champion，分享他们在生产与开源项目中使用 GitHub Copilot 的具体做法。

在 AWS 上用 X.509 PKI 保障 AI 智能体身份安全

AWS 与 Keyfactor 联合发布参考架构，用 Keyfactor EJBCA 的 X.509 PKI 为 AI 智能体建立可验证、可撤销的加密身份。

AK@_akhaliq· 23:29AI 评分3838

OpenVLHarness 具备多模态记忆的真实世界视觉智能体工具使用 论文：https://huggingface.co/papers/2610.26860

OpenAI Developers@OpenAIDevs· 23:24AI 评分5858

OpenAI 在 ChatGPT 中上线团队任务（team tasks），可自动完成周期性工程工作，例如每周五汇总已交付内容和受阻事项。队友可以查看结果并调整下一次更新覆盖的内容，因此无需由一人独自维护。

Google DeepMind@GoogleDeepMind· 22:53AI 评分3838

Gemini 4 Argon 打造了一张与 Tom Lehrer 歌曲《The Elements》同步的3D元素周期表。 它在 @Antigravity 中创建，可动画展示绕轨电子、原子数据和光谱。

MiniMax 发布 M3.1 Flash，Agent 基准 ALE 得分 29.6% 居国产模型第一

MiniMax 正式发布 M3.1 Flash，即此前在 OpenRouter 匿名测试的 Space Bunny（玉兔），Agents' Last Exam 得分 29.6%，位列国产模型第一。

记忆张量开源 MemT 1.0 系列，把记忆原生写进 Transformer

记忆张量开源发布 MemT 1.0 系列记忆原生模型，包含 36B 参数、激活 3B 的 MemT-1.0-Nano（基座 Qwen3.6-35B-A3B）和 288B 参数、激活 17B 的 MemT-1.0-Flash（基座 DeepSeek-V4-Flash），在选定 Transformer 模块中增加与注意力并行的记忆分支。

Meta Muse 分享链接泄露用户隐私，Meta 暂停分享功能

Meta 的通用 AI 智能体 Muse 在用户通过网页链接分享对话时会暴露敏感信息，Meta 回应称已暂停该分享功能并正在审查。安全公司 Claroc 的研究人员枚举出用户创建的 6800 条分享链接，打开其中数百条后发现明显不应公开的个人与商业信息。Muse 的链接生成方式使这些链接容易被发现，而 Meta CEO 扎克伯格上月曾称该产品从底层为隐私和安全而设计。

美陆军网络司令部被曝研发 ECHOTRIBBLE 自主攻击型 AI 智能体

据 The Intercept 获得的文件，美国陆军网络司令部（ARCYBER）正在开发代号 ECHOTRIBBLE 的平台，目标是让 AI 智能体自主穿越网络基础设施、识别并“消除”目标，可像蠕虫一样在设备间隐蔽跳转，任务完成后自毁，且要求“最少人工监督”和“自主行为”。

Cloudflare 发布文档抽取模型 Clairic，称比 LLM 更快更便宜

Cloudflare 发布 AI 模型 Clairic，称其从文档中抽取数据比大语言模型更快、成本更低，现已在 Workers AI 上提供预览，开放权重稍后跟进。

阿里云连续4年入选 Gartner 容器管理领导者象限，为亚太唯一

阿里云连续4年入选 Gartner 2026年度《容器管理魔力象限》"领导者"象限，是亚太地区唯一获此评级的科技公司。Gartner 将"丰富的AI集成""全面的功能覆盖"和"在严苛生产环境中的广泛使用"列为阿里云核心优势，其在《容器管理关键能力》报告六大场景中有四项位居前二。

Terminal X 用 GPT-6.1 让 Eval Agent 与资深投资人判断一致率达 88.6%

Terminal X 的 Eval Agent 基于 54 项标准评分体系，用 GPT-6.1 Sol 对输出打分，与资深投资人判断的一致率达到 88.6%。相比此前，它能多捕捉 25% 偏离基金投资授权的输出。

Lovart 2.0 推出个人设计 Agent Arti

Lovart 迭代到 2.0 后推出个人设计 Agent Arti，通过记忆功能记录设计师的行业、身份与审美偏好，并主动承担调研、找参考和画布检查。Arti 会把反复出现的设计流程沉淀为可复用 Skill，还支持设定时间与频率的设计委托，按快速、均衡、专家三档模式批量执行。作者实测用 Arti 完成攀岩品牌电商物料调研，并发现它提示海报比例不符可一键调整。

记忆张量发布并开源记忆原生大模型 MemT 1.0

记忆张量发布并开源记忆原生大模型 MemT 1.0，把记忆从外挂模块内化进底层架构，由模型自行学习读写、更新和调用记忆。团队用 340 亿 token 分两阶段训练，并引入 Mixture-of-Storage（MoS）架构管理固定体积的记忆状态。

Turing Post (Ksenia Se)@TheTuringPost· 09:56AI 评分1818

Turing Post 汇总了本周必读 AI 论文，涵盖 Cortex、Librarian Agents、OpenGCUA、DuoDiscover、WAVE-0 与 ACT3D 模型、Persistent Planar Memory、Mosaic 多会话智能体强化学习等主题。

Turing Post (Ksenia Se)@TheTuringPost· 09:17AI 评分3838

一篇 X 长文讨论如何在不更换模型的情况下通过改造 harness（智能体运行框架）提升 AI 智能体表现，相关视频播放量已超 6 万。

DeepSeek-V4.1-Flash-1017 登顶 Code Arena WebDev 开源模型榜首

Arena 于 10 月 19 日宣布，DeepSeek-V4.1-Flash-1017（Max）以 1670 分超过 Kimi K3（Max）等开源模型，成为 Code Arena WebDev 榜单排名最高的开源模型，仅落后 GPT-6 Sol（Max）12 分。

MiniMax 上线 M3.1 Flash 模型

稀宇科技（MiniMax）于 10 月 19 日正式上线 MiniMax M3.1 Flash 模型，线上推理速度较此前提升近 3 倍，Agent 类任务综合使用成本降低 70%。

Simon Willison 撰文：编程智能体让程序员的"解谜乐趣"消失

Simon Willison 在博客中引用 Jeremy Scheff 的观点，讨论编程智能体对职业程序员造成的核心损失：编程曾是一份靠解决逻辑难题获得高薪的工作，程序员掌握策略、时间线和可行性定义权。Scheff 认为，对热衷构建可用系统而不在意具体问题的程序员，LLM 是持续馈赠；若享受直接解题本身，这种损失非常真实。

elvis@omarsar0· 05:30AI 评分5858

一篇新论文提出 DiscoveryRSI，把递归自我改进用于四个生命科学领域的科学假设生成。其 27B 模型生成的假设有 6.3% 与训练截止后发表的论文相符，GPT-6 为 2.5%，Claude Opus 5 为 2.3%。

MiniMax (official)@MiniMax_AI· 04:59AI 评分5858

MiniMax 宣布 M3.1 Flash 已在 Cline 上线并免费开放，定位是长时间运行的智能体编码任务。MiniMax 称该模型在 Cline 首日即已就绪，用户可直接将其用于大型代码仓库；被引用的 Cline 内容称其编码能力与 Opus、GPT 相当，成本约低 25 倍，并称它就是近期使用量榜前列的隐身模型 Space Bunny。

AI at Meta@AIatMeta· 03:33精选AI 评分7070

Meta 发布 Muse Glimmer 技术报告，这是一个 30B 开源权重模型，面向消费级硬件上的智能体任务。该模型在单张消费级 GPU 的 Mac 或 PC 上以 4-bit 精度运行可达实用速度，并在工具调用和多步规划上领先同规模开源模型。报告涵盖模型架构、蒸馏配方和量化等内容。

如何在 VS Code 中继续 GitHub Copilot 应用会话

GitHub Copilot 应用中的会话可直接在 VS Code 中打开并继续，对话、代码改动和工作上下文均保持不变。VS Code 会以该会话关联的 worktree 打开项目，并在 Copilot 侧边栏显示原会话，便于逐行审查 diff、手动编辑、本地运行测试，最后提交并推送到会话对应的 pull request。

AK@_akhaliq· 02:27AI 评分2222

BizBench 揭示在真实商业环境中部署长程智能体所隐藏的挑战 论文：https://huggingface.co/papers/2610.20424

让互联网对 AI 智能体更友好，可能让其他人更难受

MIT Technology Review 文章指出，OpenAI 的 Dots、Meta 的 Muse 等个人 AI 智能体大规模上线后，已成为人类和机器人之外的第三类网络访客，Muse 首月下载量达 500 万次，8 月至 9 月智能体网络流量增长两倍。

elvis@omarsar0· 00:55AI 评分5858

Google DeepMind 一篇论文让基于 Gemini 的智能体在 Busy Beaver 问题 BB(6) 中为 11 台未解决图灵机找到并形式化验证了新的加速规则。

elvis@omarsar0· 00:07AI 评分5858

Viggle 发布 JST-2，官方称其为全球首个全栈物理原生世界基础模型，整套模型栈在 3D 空间构建，可在数秒内生成 3D 场景并实时扩展。该模型附带 PINOC MCP server，向 Claude Code 发一条提示词即可生成角色、按文本驱动动画并组装场景；角色与动作共用同一骨架，因此智能体无需中途做重定向处理。