AMIE 在专家级音视频临床咨询中取得进展
AMIE (Video) 在实时视频临床咨询中达到专家级表现，基于Gemini和Project Astra，采用异步三智能体架构。在100个场景、300次标准化咨询的随机OSCE研究中，其临床能力与执业医师持平，且在体格观察和指导方面评分更高。
推荐理由：演示AI在实时视频临床咨询中达到专家级表现，多智能体架构平衡了对话速度与临床推理。
#Agent
#Agent
今日 206 条Google Research精选AI 评分6565
Hugging Face Blog精选AI 评分8383 ALTK-Evolve：更少 Token 的智能体经验记忆方案
ALTK-Evolve 与 ACE 都将智能体历史轨迹转化为可复用经验，但 ACE 每次注入完整剧本，ALTK-Evolve 按任务与模型能力选择性检索。AppWorld 上 DeepSeek-V3.2 TGC 89.3 vs 80.4、Token 263K vs 634K；gpt-oss-120b TGC 56.0 vs 54.8、Token 116K vs 777K。
推荐理由：同样不压缩经验，ALTK-Evolve 按模型能力分发提示，在强模型上以约 40% 的 ACE 推理成本取得更高准确率。
Ollama Blog精选AI 评分7676 NVIDIA Nemotron 3.5 Lightning 模型发布
NVIDIA Nemotron 3.5 Lightning 现已上线 Ollama，30B 总参数、每 token 仅 3B 活跃参数，基于混合专家架构，专为本地 Agent 设计。模型支持 1M 上下文、推测解码多令牌预测，经称可达 4 倍吞吐量与 30% 更快任务完成时间，权重与数据集均开源，可在 RTX PC、工作站、DGX Spark / Station 及云端运行。
推荐理由：开源本地 Agent 模型兼顾 3B 活跃参数与 1M 上下文，读者可据此评估在 RTX 设备上跑高吞吐多步任务的可行性。
Hugging Face Blog精选AI 评分7777 Meta 发布开源多模态模型 Muse Glimmer，面向本地智能体场景
Meta 发布 30B 参数多模态模型 Muse Glimmer，由 Muse 蒸馏而来，采用 Apache 2.0 许可，面向本地智能体场景。
推荐理由：原文给出 30B 多模态模型在同级开放模型中的基准对照，可据此判断本地智能体方案与部署路径的选型空间。
Ollama Blog精选AI 评分7272 Meta Superintelligence Labs 开源多模态模型 Muse Glimmer 已在 Ollama 上可用
Meta Superintelligence Labs 发布开源多模态模型 Muse Glimmer（30B，Apache 2.0），已在 Ollama 上线，支持 128K+ 上下文，专为本地 Agent 工作流设计。
推荐理由：原文给出了本地 Agent 工作流的具体入口和 Apple Silicon 上的性能提升，读者可以据此判断它会怎样改变本地编码与多模态调用方式。
Microsoft Semantic Kernel精选AI 评分7272 GitHub Copilot Agent 在 Microsoft Agent Framework 中正式发布
GitHub Copilot Agent 在 Microsoft Agent Framework 中正式发布，支持 .NET 和 Python。Copilot 负责模型调用、工具执行、规划与会话状态，Agent Framework 提供指令、流式传输、中间件、可观测性与人工审批。
推荐理由：GitHub Copilot 的编码能力与 Agent Framework 的扩展性结合，开发者可在同一编程模型里接入 MCP、自定义工具和审批治理。
GitHub Engineering精选AI 评分6060 GitHub Stacked Pull Requests：将巨型 AI 生成 PR 拆分为可审查的分层栈
GitHub 推出 stacked pull requests 原生支持与 gh-stack CLI 扩展，把单个体量庞大的 AI 生成 PR 拆成数据、API、链路、UI 四层独立可审栈。配合 gh-stack skills 让编码 Agent 按层提交、CI 逐层校验，并通过 stack map 与 rebase/sync 命令维护栈一致性。
推荐理由：原文给出分层 PR 的具体结构与 CLI 命令，读者可迁移该工作流以降低 AI 生成代码的审查负担。
Microsoft Research精选AI 评分8282 Orchard：面向可扩展智能体 AI 的开源框架
Microsoft Research 发布开源框架 Orchard，核心是 Orchard Env，一个基于 Kubernetes 的可复用环境服务，支持软件工程、网页导航和个人助理智能体的训练与评估。
推荐理由：开源框架 Orchard 把训练、评估与真实部署 harness 打通，让小参数模型也能在 SWE-bench 等基准接近前沿系统。
Together AI精选AI 评分8989 Kimi K3 开发者指南：2.8T 参数开源模型发布
Kimi K3 是 Moonshot AI 发布的 2.8 万亿参数开源模型，是全球首个 3 万亿参数量级的开源模型，支持 1M 上下文长度，在 Together AI 上提供 OpenAI 兼容 API。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Google Research精选AI 评分7272 Science One Framework：基于 Chain-of-Evidence 的可验证自主研究框架
Google Research 提出 Science One Framework 与 Chain-of-Evidence（CoE）审计框架，在 75 篇生成论文上验证自主研究系统的可验证性。Science One Framework 在五个 ADRS 任务上实现零幻影引用、完全可复现得分，并在 MLE-Bench 与 Parameter-Golf 上达到 SOTA。
推荐理由：通过引入可验证证据链框架，为自主研究系统的可信度提供了可量化的审计方法。
Amazon Science精选AI 评分6060 ControlG：用工业控制器协调多任务图自监督学习
Amazon在ICML发表论文提出ControlG框架，将多任务图自监督学习的梯度混合改为按时间分配计算资源，由PID控制器逐块调度目标。系统在9个图基准上平均排名1.4–1.9，ogbn-arxiv达72.86%，并开源代码。
推荐理由：将工业控制中的PID控制器引入多任务训练，为避免梯度冲突提供了可解释的新调度范式。
Microsoft Semantic Kernel精选AI 评分6767 Microsoft Agent Framework 集成 GitHub Copilot CLI 与 Squad 构建智能体团队
Microsoft Agent Framework 正式集成 GitHub Copilot CLI/SDK 与开源多智能体框架 Squad，提供 Squad.Agents.AI NuGet 包，将 Squad 团队包装为标准 MAF AIAgent。
推荐理由：MAF与Squad通过一个NuGet包和DI调用即可组合，适合已有MAF流水线的开发者低成本接入会随使用积累领域知识的多智能体团队。
Microsoft Research精选AI 评分7979 Echoverse：面向计算机使用智能体的深度演化环境
Microsoft Research 发布 Echoverse，包含 10 个深度领域世界和 2 个能力世界，通过数据库锚定的真实状态与可重置环境训练计算机使用智能体。
推荐理由：高保真合成环境与模型共同进化的闭环设计，为计算机使用智能体提供了可复现的训练与评估新路径。
Microsoft ResearchAI 评分4545 EvoLib：将经验转化为演化知识
EvoLib是一个让大语言模型在推理过程中从自身经验自主学习的框架，无需真实标签或外部反馈，将过去尝试转化为可复用技能和反思性洞察。在数学推理、代码编写和长时序任务上，EvoLib一致优于检索式记忆方法，以更少token实现更高性能，并将测试时计算更有效地转化为性能增益。该框架无需模型更新，可应用于任何通过API部署的黑盒语言模型，且对任务顺序具有鲁棒性。
Google DeepMind精选AI 评分6666 Gemini Robotics ER 2 发布：赋能机器人视频理解、任务编排与多机器人协作
Google DeepMind 发布 Gemini Robotics ER 2，具身推理模型，在视频理解与任务编排上较 ER 1.6 实现显著升级，并支持多机器人协作。
推荐理由：Gemini Robotics ER 2 在视频理解与任务编排上较 ER 1.6 实现显著升级，支持多机器人协作与实时推理，为物理世界中的具身智能提供了新的能力基准。
Amazon Science精选AI 评分6464 PatientAgentBench：面向患者端健康 AI 智能体的新评估基准
Amazon Science 发布 PatientAgentBench 基准框架，用于评估面向患者的 AI 智能体在多轮对话中的临床安全与工作流准确性。该基准基于合成病历与动态场景，由 LLM-as-a-jury 按六维度打分，并在千余次对话中测试前沿模型，发现模型在常规行政请求中易遗漏风险，且能力提升仍无法完全关闭临床安全缺口。框架已开源至 GitHub，包含场景生成、工具沙箱与评估系统。
推荐理由：基准揭示了即使强模型在常规病例中也易遗漏临床风险，为安全设计指明了可迁移的改进方向。
Together AI精选AI 评分7676 ThunderAgent：大规模合成数据生成中的 Agent 推理提速 2 倍
ThunderAgent 在单 8×H100 节点上相对 SGLang 达到 2.5 倍吞吐量、P50 延迟降低约 10 倍，8 节点集群实现 2.4 倍加速且接近线性扩展。
推荐理由：把多轮 agent 请求视为程序而非独立请求，让 KV cache 命中率提升并缓解多节点负载不均。
Together AI精选AI 评分7777 Together AI 与 Moonshot AI 战略合作，原生上线 Kimi 模型
Together AI 与 Moonshot AI 达成战略合作，成为 Kimi 模型的首发平台，首发模型为 Kimi K3。Kimi K3 是迄今最大开源模型，参数规模达 2.8T 的稀疏 MoE 架构，支持原生视觉与 1M token 上下文窗口。
Google DeepMind精选AI 评分6464 Gemini Robotics 2 带来机器人的全身体智能
Google DeepMind 发布 Gemini Robotics 2，包含三款模型分别实现全身体控制、具身推理与设备端适配。该模型可控制人形机器人完成行走、蹲伏、灵巧操作等复杂任务，ER 2 已在 Google AI Studio 和 Gemini Enterprise Agent Platform 开放预览，VLA 与设备端模型面向早期合作方开放。
推荐理由：Gemini Robotics 2 首次实现全身体控制、灵巧操作与多机器人协作，并在设备上快速适配新机体形态，为通用物理 AI 提供了新的能力基线。
Berkeley AI Research精选AI 评分6060 ABBEL：教大语言模型更新信念以实现高效长程交互
Berkeley AI Research 提出 ABBEL 框架，将交互历史压缩为自然语言信念状态，并通过信念评分监督信念内容。在 CollabBench 协作编程中，ABBEL 恢复约一半全上下文性能差距，峰值上下文 token 数降至约 4.2 万，训练步数减半；在 Combination Lock 游戏中，结合领域知识的信念评分可接近或超越全上下文模型。
推荐理由：通过将摘要隔离为可监督的信念状态，在协作编程和组合游戏中以更少训练步数和更低显存缩小了与全上下文模型的性能差距。
MIT News · AIAI 评分3535 MIT 15 个项目入选美国能源部 Genesis Mission 第一阶段资助
美国能源部在 Genesis Summit 上宣布首批资助项目，MIT 主导 6 个、参与 9 个，涉及量子传感器、稀土提取、聚变数字孪生、AI 驱动材料设计等方向。Phase I 阶段团队需展示 AI 与科学工作流整合，并评估科学价值；后续可申请进一步资助。研究经费待签订协议协议。
Google Research精选AI 评分6565 SymptomAI：迈向日常症状评估的对话式AI代理
Google Research发布SymptomAI研究，基于Gemini Flash 2.0通过13,917人随机实验表明临床医生在超50%情况下更偏好其鉴别诊断，且主动询问策略显著优于被动回答。
推荐理由：该研究通过一万三千余人的随机对照实验，为对话式AI症状评估提供了与临床医生横向比较的基准数据，并揭示了主动询问策略对诊断准确性的提升作用。
Google DeepMindAI 评分5656 Google DeepMind 承诺投入 4000 万美元 AI token 与云额度支持 DOE Genesis Mission
Google DeepMind 在 DOE 的 Genesis Mission Summit 2026 上宣布投入 4000 万美元的 AI token 与云额度，支持 Genesis Mission 的科研人员。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber 三款新模型。
推荐理由：新模型在 token 效率和成本上较 3.5 Flash 显著提升，3.5 Flash-Lite 以更高吞吐和更低延迟面向规模化 agentic 工作流。
GitHub EngineeringAI 评分4242 AI 编程时代“小需求”的成本结构变了
代码生成变便宜后，“是否做这个需求”的评审成本往往高于写代码本身。用 AI 先产出最小可运行补丁，能把抽象的范围争论转为具体证据：四行代码加测试即可上线；触及权限或数据保留等核心契约的请求则暴露真实复杂度。关键区分不是“能否生成”，而是“人类能否 confidently review 并承担后续所有权”。
Google DeepMindAI 评分5353 Google DeepMind 发布 Gemini 3.5 Flash Cyber 网络安全模型
Google DeepMind 发布 Gemini 3.5 Flash Cyber，这是基于 Gemini 3.5 Flash 微调的轻量网络安全模型，用于快速发现、验证和修补漏洞。
Hugging Face Blog精选AI 评分6262 模型路由看似简单，直到你真正做起来
IBM Research 在 Hugging Face 博客指出，将路由引入 Agent 系统时，模型选择会迅速演变为系统优化问题。实际成本受缓存、基础设施和负载模式影响，GPT-4.1 在标价更低的情况下反而比 Claude Sonnet 4.6 更贵；路由需同时平衡成本、质量、延迟、合规与可靠性。
推荐理由：从成本与系统优化角度重新审视路由设计，为构建 Agent 系统提供可迁移的权衡思路。
Meta Engineering · AIAI 评分3838 Meta 探索分层兴趣表征以优化广告深度漏斗
Meta 提出分层兴趣表征（Hierarchical Interest Representation），作为广告系统的上游表征层，基于数十亿交互数据端到端训练。
MIT News · AIAI 评分5050 JARVIS Challenge：MIT 本科生用 AI 设计制造喷气发动机
summary_zh: MIT 开设 JARVIS Challenge，要求本科生在四周内用 AI 设计、加工、组装并测试一台 50–100 磅推力的单转子喷气发动机。
GitHub Engineering精选AI 评分7676 GitHub Copilot Code Review 工具升级反而效果下降：指令重写后成本降低约 20%
GitHub 工程团队将 Copilot Code Review 的代码探索工具替换为 Copilot CLI 的共享工具（grep、glob、view），预期是干净升级，但离线基准显示成本上升、发现的问题减少。
推荐理由：同样的工具因指令与工作流不匹配反而拉低效率，调整提示词后成本下降约两成，读者可借此审视自己 Agent 的工具与指令设计。
Vector Institute精选AI 评分8888 The AI Scientist：迈向科研全流程自动化
Vector Institute 介绍 Jeff Clune 等人提出的 The AI Scientist 系统，可自主完成从选题到论文撰写的完整科研流程，其生成的论文在 ICLR 2025 ICBINB 工作坊通过同行评审。
推荐理由：展示了AI系统端到端自动化科研流程的可行性，为理解自主科研代理的能力边界与扩展趋势提供了具体案例。
Amazon Science精选AI 评分7676 Turnstile：在 Agent 交互中捕获 token ID 以改进强化学习
Amazon Science 发布 Rust 编写的代理 Turnstile，在模型生成时刻精确记录 token ID、log 概率、loss mask 与 MoE 路由轨迹，并导出与框架无关的 TrainingSequence。
推荐理由：原文给出了精确的 token 级记录方法，读者可据此避免 RL 训练中因重渲染导致的信号偏差。
Hugging Face Blog精选AI 评分6767 Hugging Face 模型登陆 Foundry Managed Compute，支持一键部署
微软在 Build 2026 发布 Foundry Managed Compute，Hugging Face 模型现可通过一键部署在 Azure 上运行。模型目录每周更新，仅包含 SafeTensors 格式的安全筛选模型，支持 vLLM、SGLang、TensorRT-LLM、NIM、TEI、llama.cpp 等运行时，并提供统一端点、Azure Monitor 指标和每部署计费标签。
推荐理由：Hugging Face 模型现可通过 Foundry Managed Compute 一键部署，微软承担了从运行时构建、安全扫描到 CVE 补丁的运维层，让企业能在自有租户中运行开源模型。
Berkeley AI Research精选AI 评分6060 Intelligence is Free, Now What? Data Systems for, of, and by Agents
Berkeley EAIR 发表观点文章，探讨当推理成本接近零时数据系统面临的三重挑战：Data Systems For Agents（为智能体推测性查询重新设计，如共享扫描与近似答案）、Data Systems Of Agents（为多智能体集群提供结构化记忆与协调子层）、Data Systems By Agents（由智能体从零合成定制数据系统并验证正确性）。
推荐理由：原文从推理成本骤降切入，提出数据系统需为智能体重塑的三重挑战，为理解Agent与数据基础设施的共演化提供了一个可迁移的分析框架。
Hugging Face Blog精选AI 评分8282 LeRobot v0.6.0 发布：Imagine, Evaluate, Improve
LeRobot v0.6.0 发布，引入世界模型策略（VLA-JEPA、FastWAM、LingBot-VA）、新 VLA 模型（GR00T N1.7、MolmoAct2、EO-1、Multitask DiT、EVO1）和奖励模型 API（Robometer、TOPReward）。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Vector InstituteAI 评分3636 Vector研究人员在ICML 2026发表73篇论文，涵盖生成式AI与负责任AI等方向
Vector研究人员在首尔举办的ICML 2026（7月6–11日）提交73篇录用论文，其中11篇为spotlight，主题覆盖生成式AI与视频生成、多模态与视觉语言系统、自主智能体、规划与优化理论，以及负责任AI部署、环境公平性等方向。
Berkeley AI ResearchAI 评分2525 2026 BAIR 研究生毕业展示
summary_zh: BAIR 2026 届博士毕业生涵盖机器人与具身智能、大语言模型与推理、计算机视觉、生成式建模、AI 安全、人机交互、AI for Science 等方向。
Hugging Face BlogAI 评分5555 Hugging Face 与 Cerebras 推出 Gemma 4 实时语音 AI 演示
Hugging Face 与 Cerebras 联合展示了基于 Gemma 4 31B 的实时语音对话流水线，将语音输入、Parakeet 语音识别、Gemma 4 VLM 推理和 Qwen3TTS 语音合成串联为端到端开放架构。该流水线已在 Hugging Face Space 开放演示，代码仓库为 huggingface/speech-to-speech。
Hugging Face BlogAI 评分5656 ScarfBench：评测 AI 智能体在企业 Java 框架迁移中的表现
IBM Research 发布开源基准 ScarfBench，包含 34 个应用、102 套框架实现、204 个迁移任务和约 151K 行代码，覆盖 Spring、Jakarta EE、Quarkus 之间的迁移。当前前沿智能体行为成功率不足 10%，构建成功率显著高于部署和行为验证成功率；智能体普遍高估自身构建结果，且反复回到配置层处理依赖与环境问题。
MIT News · AIAI 评分3535 Q&A：什么是智能体 AI，它与生成式 AI 有何不同？
智能体 AI 是能采取行动（如机器人操作或订票）的 AI，与生成故事、图像的生成式 AI 不同；多数智能体以 Claude 等大语言模型为核心，外加工具包装层。训练数据不足是主要挑战，智能体需通过试错学习；编码智能体目前最成功，但高风险领域尚未准备好完全自动化。存在漏洞引入、数据泄露和技能退化等风险，未来可能需要能处理视频、物理信号等连续数据的全新架构。