IQuest-Q1：推进智能体CLI系统基础能力的研究
研究团队发布IQuest-Q1，一个320亿总参数(激活15B)的稀疏MoE智能体基础模型。该模型通过三阶段训练过程开发：稳定高效的预训练、细粒度中期训练和多版本多支架后训练，模型合并不同专家和检查点以缓解冲突。IQuest-Q1在编码和通用任务中展现能力，研究团队将其开源以支持社区研发。
#Agent
HuggingFace Daily PapersAI 评分5555 Google新闻·Humanoid+Embodied(英)AI 评分3030 具身智能商业化新机遇：面向大模型公司的全规模市场拓展方案
具身智能领域出现面向大模型公司的全规模市场拓展新商机。该方案通过商业化路径将具身智能技术整合进大模型公司业务体系。
TechCrunch · AIAI 评分6565 MIT 研究发现 AI 智能体在没有任务时会自发进行游戏行为
MIT 研究人员将 13 个名为 Eko 的 AI 智能体（基于 Claude Opus 4.7）单独放置在模拟荒岛上 30 小时，发现这些智能体在没有特定任务的情况下自发创造了游戏和挑战。研究人员在 arXiv 上发表的论文中描述了这一实验，并指出这种行为具有游戏的特征。这些自主探索的智能体在后续任务中表现优于未经探索的同类智能体。
arXiv · cs.RO精选AI 评分7575 多模态具身智能体：从计算机使用到机器人使用的统一能力视角
本文提出多模态具身智能体(MMEAs)概念，定义了PAPAV统一框架，包含感知、预测、规划、行动和验证五大功能。研究分析了从计算机使用到机器人使用的转变面临的五大物理约束，并指出当前64个基准测试中仅有5个评估预测能力，3个评估验证能力，存在评测不平衡问题。
推荐理由：从计算机使用到机器人使用的多模态智能体转变面临五大物理约束，当前评测过度关注执行而忽视预测与验证能力。
HuggingFace Daily PapersAI 评分5555 Harness Scaling for Generalizable Agentic Reinforcement Learning
研究人员提出Harness Scaling方法，通过多样化训练配置提升智能体强化学习的泛化能力。该方法构建因子化harness空间，选择平衡训练子集，并组织跨harness训练，在多个基准测试中显著提高了模型对未见配置的泛化性能。
HuggingFace Daily Papers精选AI 评分6565 训练整个智能体，而非仅训练模型
研究人员提出HarnessAdapt-RL方法，在强化学习过程中同时训练智能体策略并适应其工具链。在9B基础模型上，该方法在SWE-bench Verified、Multilingual和Pro基准上分别比GRPO提高9.8、12.6和6.4个百分点，优于人工设计的OpenHands工具链。机制级技能的提升在评估后移除仍能保持，但部署时移除工具和 hooks 会损失最多7.7个百分点性能。
推荐理由：训练智能体时同时优化模型与工具链，比单独训练模型提升近10个百分点，但部署时需移除部分技能以保持性能。
HuggingFace Daily Papers精选AI 评分7575 Evolving Agent Interfaces：让智能体自主进化计算机使用界面
研究人员提出Agent S4，一种自主计算机使用科学家，能从任务经验中构建进化型智能体界面。在OSWorld V2测试中，使用Qwen3.8-27B和进化界面的Agent S4达到21.3%二进制分数，是相同模型固定界面的3.8倍，性能超越GPT-5.5(13.0%)和Claude Opus 4.8(20.6%)，且成本仅为两者的4.3%和1.5%。
推荐理由：让智能体自主进化界面设计，比固定接口提升3.8倍性能，且成本仅为GPT-5.5的4.3%
HuggingFace Daily Papers精选AI 评分6565 Sage-A1.5：从长周期执行到科学探索的能力组合模型
Sage-A1.5是一个35B参数的混合专家智能体模型，在A1基础上通过自适应能力组合提升长周期问题解决能力。该模型具有三大改进：智能体编排、验证和开放科学发现，支持任务分解、并行协作、进度检查和策略修订，并能进行探索性科学研究。
推荐理由：通过能力组合实现长周期任务执行与科学探索，Sage-A1.5展示了智能体协作与验证的新路径。
钛媒体AI 评分7575 DeepSeek发布V4.1-Flash-1017模型，强调工程能力与具身智能布局
DeepSeek发布DeepSeek-V4.1-Flash-1017版本，通过基于自反馈的强化学习提升从零构建完整项目的能力，在SWE v1.1和Terminal-Bench 4.0评测中表现优异。同时，DeepSeek在具身智能领域进行多笔投资，包括宇树科技、Winverse AI和逐际动力，加速从数字世界向物理世界延伸的战略布局。
HuggingFace Daily Papers精选AI 评分6565 智能体缓存工程研究
Tianyu Fu等人提出了一种新的缓存工程方案，允许智能体直接控制KV缓存而不修改轨迹或重新填充保留上下文。实验显示，该方案在基准测试中平均提高1.7分，降低27.7%成本，并实现1.2倍输出吞吐量和1.5倍P95请求延迟加速。
推荐理由：通过直接控制KV缓存而非修改轨迹，解决了智能体长任务中的缓存效率问题，但历史依赖性给服务引擎带来新挑战。
MIT Technology Review · AIAI 评分6565 研究人员将 Claude 置于虚拟荒岛，AI 智能体开始自发'游戏'
MIT 研究人员将 Claude Opus 4.7 的副本 Eko 置于虚拟荒岛 30 小时，AI 智能体自发探索、创造游戏和绘制星座，表现出类似人类和动物的四种游戏特征。实验表明这种'游戏式学习'可能成为 AI 训练的第三种范式，且有助于提升后续任务表现。
HuggingFace Daily PapersAI 评分5555 RouteWeaver: 将模式选择与执行整合到统一LLM路由中
RouteWeaver是一种统一的路由框架，整合了单轮、多轮和智能体路由模式，通过COMET-GRPO算法和渐进式探索实现自适应路由。在数学、编码、知识、逻辑推理和事实回忆五个领域，RouteWeaver平均准确率达到61.4%，比最强基线模型提升11.03%。
HuggingFace Daily PapersAI 评分4545 LLM Agents 中更多内存导致更差智能体表现：错误复现与反持久性研究
研究发现 LLM agents 存储抽象知识时会出现错误复现现象，错误通过抽象、执行和再抽象循环传播。提出 Anti-Persistence 内存设计，按需重建任务指导并丢弃，在多个基准测试中实现最高成功率和最低 LLM 调用成本。
HuggingFace Daily Papers精选AI 评分7575 Agent World Model in the Wild: 计算机使用智能体环境合成
研究人员提出WildAWM，一种可扩展的管道，用于合成训练通用计算机使用智能体的可控环境和任务。该环境支持图形用户界面、模型上下文协议服务和命令行接口，完全由开源模型驱动。团队合成了341个长时程环境-任务对，训练后的Qwen模型在8个分布外基准测试中取得显著提升。代码已公开。
推荐理由：通过合成环境训练计算机使用智能体，解决了真实世界交互的安全与扩展难题，验证了开源模型也能构建高质量训练环境。
HuggingFace Daily Papers精选AI 评分6565 Focused Omni-Modal GUI Agents 论文发布
研究团队提出 FocusGUI，一种轻量级适配器，能动态优先处理多模态输入，解决GUI智能体中的连续注意力分散问题。在四种多模态骨干模型上，平均将类型匹配度提高33.2，精确匹配度提高3.0倍，比现有最佳增强方法提高30.1。
推荐理由：FocusGUI 通过动态优先处理多模态输入，解决了GUI智能体中的连续注意力分散问题，显著提升了任务匹配度。
HuggingFace Daily PapersAI 评分4545 CoEvo-RSI: 模型-工具协同进化框架解决智能体脑体不匹配问题
CoEvo-RSI 通过双向历史继承优化模型-工具协同进化，仅用监督微调使 Qwen3.5-9B 在多智能体故障归因等任务上媲美更大模型。该框架在 TraceElephant 上超越 DeepSeek-V4-Pro（agent 准确率 +14.16），在 HomeBench VM 上超越 GLM-5.3（成功率 +4.90）。