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。
#Agent
#Agent
今日 265 条Google DeepMind精选AI 评分6666
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。
AI Snake OilAI 评分4646 AI 作为常规技术框架下，未来哪些工作仍需人类完成？
summary_zh: 作者在 ICML 首尔 keynote 中提出 AI as Normal Technology 框架，认为在递归自改进等不连续性发生前，该框架正确且有用，可用于理解 AI 对经济与社会的影响。
ScienceDaily · AIAI 评分3838 科学家发现大脑决策机制与传统理论不同
伊利诺伊大学厄巴纳-香槟分校的研究发现，大脑早期感觉区域如体感皮层（S1）已参与决策过程，反馈环路在决策中发挥持续作用。这一发现挑战了信息单向层级传递的传统观点，或为构建更高效、更低能耗的下一代AI架构提供新思路。
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。
Import AIAI 评分7272 Import AI 464：Fable 编写 GPU 内核、AI 自动化与模拟计算
Import AI 464 汇总了 Fable 在 KernelBench-Mega 上写出首个真正且最快的 megakernel，实现 18.71 倍 CUDA 加速。
Lilian Weng精选AI 评分7777 Harness Engineering for Self-Improvement
Lilian Weng 梳理了 harness 工程如何支撑递归自改进（RSI），将 harness 定义为围绕基础模型的运行时系统，负责编排执行、工具调用、上下文管理、状态持久化与结果评估。
推荐理由：原文系统梳理了 harness 工程的设计模式与优化路径，读者可借此理解自改进循环中非模型层的角色与边界。
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。
Ethan Mollick · NotesAI 评分4444 The twilight of the chatbots
前沿模型发布加速，但 Claude Fable 和 GPT-5.6 曾被政府临时限制访问。METR、英国 AI 安全研究所和 GDPval 评估显示 AI 能力超指数增长：Opus 4.7 自主运行 14 小时完成需 2-17 周人力的软件包（$251 token），Fable 自主执行 9 小时复杂项目。
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。
Hugging Face BlogAI 评分4040 为什么专业化是不可避免的：优化理论、进化生物学与机器学习的共同预测
summary_zh: Goldfeder、Wyder、LeCun 和 Shwartz-Ziv（2026）论文指出，优化理论、进化生物学与竞争市场均预测：在有限资源下，专业化优于通用性。
Together AI精选AI 评分7575 Together AI 在 ICML 2026 发布九篇全栈前沿研究论文
Together AI 在 ICML 2026 发布九篇论文，覆盖智能体、模型塑造、算法优化、系统优化与内核五个层级。DSGym 提供 1000+ 任务统一评估框架，ThunderAgent 提升 1.5–3.6 倍智能体吞吐，TTT-Discover 用开源 120B 模型在数学、GPU 内核、算法和生物领域取得新纪录。
推荐理由：九篇论文覆盖从智能体到 GPU 内核的完整栈，读者可据此判断哪些层是当前性能瓶颈。
Import AIAI 评分6363 NVIDIA发布ENPIRE：让物理机器人自主迭代策略的代理框架
NVIDIA推出ENPIRE框架，通过环境重置、策略改进、 rollout和进化四个模块，让机器人在真实世界中自主试错并迭代策略。测试显示前沿编码代理能在PushT、插GPU等任务上达到99%成功率，多代理并行可更快找到更优解，但机器人规模扩大后资源利用率会下降。
InterconnectsAI 评分4444 开放模型生态持续扩展：Zyphra、Cohere 与 Poolside 发布新模型
Zyphra 发布 ZAYA1-74B-preview 与 8B-A0.6B MoE，在 AMD GPU 上训练。CohereLabs 发布 command-a-plus-05-2026-bf16，旗舰 Command A+ 改为 Apache 2.0 许可。Poolside 将 Laguna-M.1 置于 Apache 2.0 下，并承诺开放权重为默认。
Sebastian RaschkaAI 评分5050 使用本地编码智能体：基于开源工具与开放权重大模型的本地编码智能体搭建教程
教程介绍如何用开源工具与开放权重大模型搭建本地编码智能体，以 Qwen3.6 配合 Qwen-Code 为主，并对比 Codex、Claude Code、Cline 等其他智能体框架。
MIT News · AI精选AI 评分6262 MIT 与 Microsoft 提出 Murakkab 系统，提升 AI Agent 工作流的速度与能效
MIT 和 Microsoft 研究人员开发了 Murakkab 系统，开发者可用自然语言描述意图，系统自动选择模型、工具并动态配置硬件资源。测试显示，该方法在视频问答和代码生成任务中仅用约 35% 的计算量、27% 的能耗和不到 25% 的成本，同时满足性能要求。
推荐理由：原文给出了具体优化幅度和动态配置方法，读者可以据此评估云上 Agent 工作流的能效潜力。
Google DeepMind精选AI 评分6060 Gemini 3.5 Flash 新增计算机使用功能，支持构建跨平台智能体
Gemini 3.5 Flash 内置计算机使用能力，开发者可通过 Gemini API 和企业平台构建跨浏览器、移动端与桌面的自定义智能体。该功能此前仅作为独立的 Gemini 2.5 计算机使用模型提供，现原生集成至 Flash 模型，并配备提示注入对抗训练及可选的企业安全防护系统。
推荐理由：计算机使用功能从独立模型整合进3.5 Flash，开发者可通过API和企业平台构建跨浏览器、移动端与桌面的自定义智能体，并配备提示注入防护与企业级安全机制。
Mistral AIAI 评分4747 Mistral 为 Connectors 带来更多管理控制
Mistral 为 Connectors 新增多项管理与安全能力：按 workspace 或组织分配连接器访问权限、带 connector scope 的 API key、单个连接器绑定多账号，三项均已 GA。
Mistral AI精选AI 评分6464 Mistral OCR 4 发布
Mistral 发布 OCR 4，支持 170 种语言的单容器自托管文档解析，返回边界框、区块分类与内联置信度。
推荐理由：独立标注者平均 72% 偏好 OCR 4，配合单容器自托管与结构化输出，为企业 RAG 和智能体工作流提供了兼顾数据主权与提取精度的 OCR 方案。
Interconnects精选AI 评分8282 GLM-5.2 是开放智能体的关键一步
Nathan Lambert 亲测 GLM-5.2 后认为，它是首个在编码 harness 中表现可靠的开放权重通用智能体模型，Arena 评测中已能比肩 Claude Opus 4.8 的 max 模式。社区反响强烈，作者将其与 DeepSeek R1 类比，并指出这会给 Anthropic 带来定价压力，同时让开放模型经济迎来拐点。
推荐理由：作者以亲测视角说明 GLM-5.2 在编码智能体工作流中的可用性，为读者判断开放模型何时能替代闭源前沿模型提供可迁移观察。
Import AIAI 评分7474 Import AI 462：Superpersuasion；自持AI；通往ASI之路
Import AI 第462期汇总多项AI研究与讨论：牛津、斯坦福等机构实证AI在政策劝说和慈善募捐中可超越专家人类，且AI速度优势是劝说力的关键来源；Ajeya Cotra与Timothy B. Lee讨论自持AI时间表与具身机器人瓶颈；DeepMind论文探讨从AGI到ASI的路径与递归自我改进；Recursive展示自动化AI研究系统在训练与GPU内核优化上的新结果。
Partnership on AIAI 评分2222 当企业倾听员工对AI的意见时，每个人都受益
Partnership on AI 发布 IBM 和 EXL 两份案例研究，探讨企业如何纳入员工意见以塑造AI采用方式。IBM 通过访谈发现领导开放反馈态度能让员工更愿意分享AI使用见解；EXL 对 5,500 名员工开展调查，发现清晰的AI治理框架能同时提升合规与创新。
ScienceDaily · AIAI 评分4848 Stroop 任务暴露 AI 注意力短板：GPT-4o、Claude 3.5 Sonnet 等模型在长列表下准确率骤降
GPT-4o 在 5 个词时准确率 91%，10 个词降至 57%，40 个词仅 15%；Claude 3.5 Sonnet 在 20 词内稳定，40 词时跌至 24%。GPT-5、Claude Opus 4.1、Gemini 2.5 也出现类似下降。AI 在颜色词冲突列表中难以抑制自动阅读倾向，准确率几近归零，而人类能保持稳定表现。
Google DeepMindAI 评分4444 Google DeepMind 联合 Schmidt Sciences 等机构投资多智能体 AI 安全研究
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 和 Google.org 宣布提供最高 1000 万美元的技术研究资助，面向全球研究人员。资助重点研究大规模多智能体 AI 系统的群体行为，并提供框架以理解和缓解潜在风险。申请截止日期为 2026 年 8 月 8 日，获奖者预计于 2026 年秋季公布。
Ethan Mollick · Notes精选AI 评分8585 Ethan Mollick 谈与 Mythos 级模型 Claude 5 Fable 协作的体验
Ethan Mollick 分享其使用 Claude 5 Fable 的体验，称其在多项任务中大幅领先其他公开模型，并自主完成等时线地图绘制与学术校准软件 Concord 等复杂项目。Fable 调用多个子 Agent 进行研究、编码与自测，token 消耗高且成本约为 Opus 的两倍，同时安全护栏会频繁限制安全相关任务。
推荐理由：作者以亲测视角呈现 Mythos 级模型在复杂项目中的自主工作方式，为读者理解人机协作模式变化提供了具体案例。
Google DeepMind精选AI 评分7373 Google DeepMind 发布 Gemma 4 12B 统一无编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本的 12B 多模态模型，采用无编码器架构，视觉和音频输入直接进入 LLM 主干，16GB 显存或统一内存即可本地运行。
推荐理由：无编码器架构把视觉与音频直接接入 LLM 主干，读者可了解端侧多模态模型在显存与延迟上的取舍。
Amazon ScienceAI 评分4747 Project Eluna：智能体 AI 的物理世界锚定
2026 年 AI 从"知道"转向"行动"，Amazon 推出 Project Eluna，作为仓库运营的智能体模型，通过数字仪表板辅助运营决策。论文提出四种锚定方法：物理引导深度学习、不确定性感知推理、文本到数值桥接，以及第四种方法。UQ4CT 框架在五个基准上保持高准确率，同时将预期校准误差降低 25% 以上。
Amazon Science精选AI 评分7777 亚马逊研究提出意图执行差距框架并开源 Simple Strands Agent
亚马逊在 arXiv 发表论文 Dissecting model behavior through agent trajectories，提出意图执行差距（intent-execution gap）概念，指出智能体性能瓶颈在于 harness 将模型意图转化为动作并反馈执行结果的能力。
推荐理由：论文揭示了智能体性能瓶颈从模型推理转向 harness 执行转换，提出双向意图执行差距框架并开源 SSA harness。