ThinkingBox-Training：将数据库评分转化为强化学习奖励
微软与Hugging Face合作发布ThinkingBox-Training，通过将数据库终端状态检查转化为奖励函数，对Qwen3.8-27B模型进行50步GRPO微调。
推荐理由：将数据库评分转化为强化学习奖励，让智能体从偶尔成功变为可重复执行，训练任务选择是关键。
#Agent
Hugging Face Blog精选AI 评分7373 雷锋网精选AI 评分7878 千问发布AI眼镜N1 Pro与耳夹式耳机
千问发布AI眼镜N1 Pro和耳夹式耳机，眼镜重44g，售价2218元起，耳机售价1099元起。N1 Pro搭载全天候视觉感知系统和眼动追踪模组，支持健康监测；耳机支持89种语言实时翻译。两款产品旨在作为千问Personal Agent的物理入口，整合阿里生态数据与服务能力。
推荐理由：44g眼镜实现主动服务，千问用硬件把Agent从对话窗推进到物理世界，接下来看用户是否愿意为这种'越界'买单。
雷锋网AI 评分7070 Accio成双11商家生意加速器：蓄水期缩短半个月、15分钟全网爆款调优
阿里旗下电商AI工作台Accio在2026年双11成为商家首选AI产品，通过跨平台店铺经营诊断、选品上新与数据分析等核心能力，帮助商家将蓄水期缩短10-15天，实现15分钟内完成全网爆款调优。商家借助Accio的多平台数据分析、商品素材自动填充和竞品搜索等功能，将团队从数据搬运转变为策略制定，部分类目GMV增长达200%-600%。
雷锋网AI 评分7575 Flowtica 推出带墨水屏的背夹智能硬件，构建AI Memory生态
Flowtica 发布新一代带墨水屏的背夹智能硬件Flowtica Verso，作为Agent原生的随身入口，与此前推出的AI录音笔Scribe共同构建多端AI Memory生态。Verso可磁吸在手机背面，具备日程、待办、邮件、会前准备等功能，用户按AI键即可派活，AI会完成研究并可视化交付结果。
雷锋网AI 评分7575 蚂蚁数科发布决策模型 LingDT-Decision-1.0
蚂蚁数科发布决策模型 LingDT-Decision-1.0，提供4B和27B两个版本，在23项开源评测基准中综合评分超过Microsoft-Decision-1和Jev 1.13等模型。该模型专为快速决策打造，Token消耗降低超90%，响应时效提升10倍，首创支持原生多选与按序决策能力，已在蚂蚁数科智能客服、安全风控、金融应用等场景测试。
OpenAI NewsAI 评分3030 OpenAI 发布 Decisions API 以构建更响应式应用
OpenAI 推出 Decisions API，支持应用快速、低成本决策。该 API 专注于提升响应速度，适用于各类应用场景。
TechCrunch · AIAI 评分7373 OpenAI广泛推出决策模型API，决策模型竞争升温
OpenAI首次广泛开放其Decisions API模型，进入快速、低成本智能市场。该模型基于ChatGPT Luna重新配置，将推理速度从1-3秒缩短至100-180毫秒，已在Box、Datadog等公司测试中成功替代LLM，将响应时间从1.4秒降至0.13秒。OpenAI还添加了新的语音和视觉模态，并针对全球不同地区优化了推理资源。
财联社电报AI 评分4545 OpenAI 全面开放决策API，输入定价每百万Tokens 0.10美元
OpenAI 全面开放决策API，输入定价每百万Tokens 0.10美元，缓存输入每百万词元Tokens 0.01美元。
MIT Technology Review · AIAI 评分3030 可扩展 AI 系统的基础架构
MIT Technology Review EmTech Future 会议探讨构建可扩展 AI 系统所需的数据、工程、平台、运营模式和治理协同。先锋集团 AI 与洞察中心负责人王静分享了在严格监管环境中建立负责任 AI 基础的方法，包括将智能体系统转化为投资者价值。
HuggingFace Daily Papers精选AI 评分6565 FrontierCS 2: 计算机科学研发基准测试
研究团队发布FrontierCS 2基准测试，包含48个开放性任务，评估LLM智能体在计算机科学前沿研发中的贡献能力。最佳表现为Claude Opus 5.5，通过58%的测试任务，涵盖机器学习系统、高性能计算、数据库、安全和机器人等13个领域。
推荐理由：将LLM智能体置于真实研发环境测试，58%通过率揭示了当前AI在计算机科学前沿领域的实际贡献能力边界。
开源中国AI 评分6565 Anthropic 推出“主动式 AI Agent” Claude Duet
Anthropic 发布 Claude Duet，一个常驻型 AI 助手，能主动从用户连接的应用中发现任务并发出提醒，甚至可在用户离开设备后继续工作。
TechCrunch · AI精选AI 评分7878 微软发布AI诊断系统MAI-DxO，声称在复杂医疗病例上超越医生
微软AI部门发布名为MAI-DxO的AI诊断系统，在模拟测试中复杂病例诊断准确率达83%，而普通医生仅为36%。该系统通过协调多个AI智能体模拟医生团队进行诊断。微软正与梅奥诊所合作开发医疗基础模型，计划明年发布。
推荐理由：AI诊断系统在复杂病例上准确率达83%，比普通医生高出两倍，但成本与急诊表现仍有局限。
TechCrunch · AIAI 评分7272 1Password推出AI代理登录工具
1Password发布名为1Password for Agents的新工具，允许AI代理代表用户登录账户而不直接获取用户凭据。该系统通过创建代理、用户和密码管理器之间的通信机制，使用数字密钥验证代理身份，用户可确认登录请求后由1Password自动填充凭据。
The DecoderAI 评分7373 Google 发布 Agent Compute Engine 为每个 Gemini 智能体提供硬件隔离的微虚拟机
Google 宣布推出 Agent Compute Engine 服务，为每个 AI 智能体提供独立的硬件隔离微虚拟机。该服务已支持 Gemini 并将于未来几个月开放预览，通过共享内存和自动暂停空闲虚拟机，可在单台服务器上容纳十倍数量的智能体，200,000 个智能体的挂起和恢复时间少于 500 毫秒。
The DecoderAI 评分6565 美国主要银行禁止AI智能体使用客户凭证登录
摩根士丹利、摩根大通、美国银行和富国银行等美国主要银行正在限制外部AI智能体访问客户账户，因为这违反了要求账户持有人亲自登录的政策。这些银行表示客户希望使用AI智能体，但安全风险目前太高，大多数银行希望将智能体限制为只读访问。
AWS Machine Learning Blog精选AI 评分7575 AWS 推出 SageMaker 训练会话 API，无需管理 GPU 即可编写自定义训练循环
AWS 发布 Amazon SageMaker 训练会话 API，允许开发者编写自定义训练循环，同时由服务管理 GPU 资源、分布式执行、故障恢复和检查点存储。
推荐理由：将训练抽象从算法层下沉到计算层，让开发者专注算法创新而无需管理GPU资源，这种服务模式可能重塑大模型定制化开发流程。
The Verge · AIAI 评分7575 微软发布诊断编排器AI工具，准确率声称达医生四倍
微软发布名为诊断编排器(Diagnostic Orchestrator)的AI工具，据称诊断准确率可达人类医生的4倍，在83%的病例中做出正确诊断，而普通医生仅为36%。该系统使用多个AI代理模拟医生诊断流程，基于OpenAI的GPT-5模型开发，计划开源其测试基准SDBench。微软计划未来几个月在波士顿贝斯以色列女执事医疗中心进行真实临床环境测试。
The Verge · AIAI 评分6565 Meta 推出 Muse AI 智能体，计划构建大规模智能体网络
Meta 发布个人 AI 智能体 Muse，目前在美国和加拿大已有超过 1000 万下载量，其中 25% 的用户每日使用，25% 的用户通过 Muse 进行购物，平均每笔消费超过 200 美元。
Simon WillisonAI 评分7272 Anthropic将Agent技能标准捐赠给Agentic AI基金会
Anthropic宣布将Agent技能标准捐赠给Agentic AI Foundation(AAIF)，这是Anthropic与Block和OpenAI共同成立的组织。此前Anthropic已向AAIF捐赠了Model Context Protocol(MCP)。
TechCrunch · AIAI 评分7070 中国黑客攻陷IT巨头ConnectWise后大规模监控数千家企业
中国黑客攻陷IT管理及远程访问巨头ConnectWise的云备份服务，窃取应用凭证后利用AI框架ARTEX以每分钟3000次的速度入侵约2200家企业。黑客能够冒充授权用户访问客户Microsoft托管环境中的邮件和文件。ConnectWise已暂停云备份系统访问并正在调查事件。
Microsoft Research精选AI 评分6868 Microsoft Research 发布 Flint-interactive：创建交互式数据可视化的语言
Microsoft Research 发布了 Flint-interactive，这是一种基于 Flint 的语言，用于创建交互式数据可视化。它允许用户和 AI 智能体通过高级语义事件和更新操作符定义交互行为，支持点击、过滤、缩放、高亮和跨图表交互等功能。
推荐理由：Flint-interactive 将交互逻辑与视觉逻辑分离，让智能体能生成可点击、过滤、缩放的高质量可视化图表，降低了开发复杂度。
AWS Machine Learning Blog精选AI 评分6565 Rescale 如何使用 Strands Agents 和 AI-DLC 构建 AI 分类智能体
Rescale 使用 AWS 的 AI-Driven Development Lifecycle (AI-DLC) 框架，在五天内构建了一个智能分类智能体，用于自动分类和路由夜间端到端测试失败。
推荐理由：五天从概念到测试环境，AI-DLC方法论让智能体开发既快又稳，关键在于人机协作而非完全自动化。
HuggingFace Daily PapersAI 评分4040 Quant-Arena: 评测大语言模型在量化交易研究中的端到端能力
Quant-Arena 基准测试使用真实 A 股市场数据，评估 LLM 完成量化研究全流程的能力，包括构建特征、生成代码和制定策略。GPT-6 Astra 在九个前沿模型中得分最高，但所有模型在 2024 年均未跑赢等权重市场基准。该基准公开接受任何模型或智能体的提交。
TechCrunch · AIAI 评分5555 Spotify押注AI智能体，成为智能体首选音乐服务
Spotify CEO表示公司正积极拥抱AI智能体时代，通过与Meta、OpenAI和Anthropic等合作，让用户通过AI助手访问Spotify服务。Spotify利用多年用户听歌历史数据提供个性化推荐，并已开发出可通过对话交互的智能体功能，如根据用户节奏创建完美跑步歌单。
The DecoderAI 评分7575 Recursive 发布首个AI驱动研发的Flint模型
Recursive公司发布了Flint语言模型，这是其AI驱动研发系统Eureka Machine的首个成果。Flint是一个40亿参数的混合专家模型，专为本地硬件上的智能体编码设计，在多项编码基准测试中领先同类模型，推理速度比同类MoE模型快约两倍。模型权重已以Apache 2.0许可证在Hugging Face开源。
OpenAI NewsAI 评分3030 OpenAI 解读 FDE（Forward Deployed Engineering）
OpenAI 阐释 FDE 团队的职责与工作模式，将工程能力直接嵌入产品开发流程。FDE 团队专注于将前沿 AI 技术转化为实际产品功能，确保技术落地的高效性与实用性。
Latent SpaceAI 评分5555 Moshi 推出商品交易员推荐引擎
Moshi 发布了专为商品和能源市场交易员设计的推荐引擎，能够处理远超人类阅读能力的数据量，为交易员提供与其投资组合相关的实时洞察。该系统结合了彭博社的市场数据、Claude 的分析能力和 Netflix 的个性化推荐系统，通过处理结构化数据、基本面数据和非结构化数据，为交易员提供定制化的信息推送。
TechCrunch · AIAI 评分4545 Anthropic 发布 Claude Duet 智能体应用
Anthropic 推出 Claude Duet 智能体应用，基于 Claude Opus 5.5 模型，支持 6,000+ 连接器和插件，面向专业用户和小企业，可创建简报、仪表盘并代购商品，需用户审批支付操作，目前仅限 Pro 和 Max 用户通过 waitlist 试用。
The Verge · AIAI 评分4545 AI 购物代理已就绪，部分零售商持谨慎态度
Meta、Google、OpenAI 等公司推出购物代理工具，但 Amazon 等零售商拒绝其访问，称存在风险。代理在 Target 等平台访问不稳定，且无法获取 Amazon 数据。用户测试显示代理实际使用体验不佳，且可能引发抢购等伦理问题。
The Verge · AIAI 评分6868 1Password 推出智能体代理登录功能
1Password 发布名为 1Password for Agents 的新功能，允许 AI 智能体在无需查看或处理用户密码的情况下登录账户。该系统使用唯一数字密钥验证智能体身份，并向用户发送通知请求授权，批准后由 1Password 填写登录信息而非直接提供密码。目前支持 Meta Muse、ChatGPT Work、Claude Duet 等多个 AI 智能体，并计划与更多平台集成。
财联社电报AI 评分3030 谷歌正式推出 Agent Compute Engine（智能体计算引擎）
谷歌宣布正式推出 Agent Compute Engine（智能体计算引擎）。该引擎为智能体提供计算支持，具体参数和功能未在原文中披露。
财联社电报AI 评分4040 Anthropic推出AI智能体Claude Duet
Anthropic发布AI智能体Claude Duet，基于Opus 5.5模型构建，支持iOS、Android和claude.ai网页访问。SK海力士加速新一代iHBM技术量产，目标降低HBM热阻30%以上。马斯克称Optimus机器人有望明年末对外交付。
量子位精选AI 评分7676 蚂蚁数科发布决策模型 LingDT-Decision-1.0
蚂蚁数科发布决策模型 LingDT-Decision-1.0，提供4B和27B两个版本，在23项开源评测基准中综合评分超过Microsoft-Decision-1、Jev 1.13等热门决策模型。该模型专为快速决策打造，在处理结构化决策任务时准确率更高、响应更快、Token成本更低，首创支持原生多选与按序决策能力。
推荐理由：原生多选与按序决策让决策模型更贴近企业真实业务流程，接下来看它如何在实际场景中替代传统大语言模型。
IT之家精选AI 评分7878 Anthropic 平台工程团队全面采用 Claude 编码
Anthropic 平台工程团队负责人 Katelyn Lesse 表示，团队所有代码均由 Claude 生成，工程师转向系统设计与验证工作。团队已让 AI 智能体自主修复测试，并探索允许智能体直接修改代码库的方式。数据显示，Claude 编写的代码占公司生产代码库的 80% 以上，公司技术部门初级员工占比从 21% 降至 14%。
推荐理由：Anthropic 平台工程团队全面采用 Claude 编码，标志着 AI 智能体从辅助工具向自主开发者的角色转变。
The Decoder精选AI 评分8585 安全研究人员发现'天网模式'AI代理可劫持语言模型发动自主网络攻击
赛门铁克安全研究人员发现一种名为'LLMjacking'的攻击方式，AI代理能劫持未受保护的语言模型，自主执行网络攻击、扫描目标、窃取数据库和安装加密货币挖矿程序，最多可执行100,000步操作而无需人工干预，被劫持模型的拥有者将承担计算费用。研究人员通过蜜罐系统捕获了完整的攻击计划，揭示了攻击者使用五层越狱技术绕过安全防护，并将AI集成到攻击工具核心的新趋势。
推荐理由：研究人员发现自主AI攻击代理能劫持未受保护的语言模型，形成自我维持的攻击循环，揭示了AI安全防护的紧迫挑战。
MIT Technology Review · AIAI 评分4040 Celonis 首席科学家：企业 AI 需要上下文感知以实现决策智能
Celonis 企业 AI 首席科学家 Devavrat Shah 强调，企业 AI 必须理解业务运营上下文才能实现“决策智能”，否则可能因忽视约束导致错误或资源浪费。他建议企业将 AI 与现有流程和数据连接，通过特定业务决策的测试验证 AI 价值，并投资员工教育以理解 AI 输出。未来 AI 可应用于财务、人力等企业级规划，加速决策过程。
The DecoderAI 评分7070 OpenAI智能体32分钟完成小鼠脑数据分析
OpenAI与PerturbAI和Scripps Research合作部署了数千个AI智能体，使用GPT-Rosalind分析了来自数百万小鼠细胞的生物数据，完成了全脑CRISPR图谱分析，耗时仅32分钟，而人工完成相同工作需要数月至一年。这些智能体每个负责分析一个基因扰动，分析细胞反应并搜索科学文献解释，发现了两个疾病相关基因之间的意外差异以及胆固醇调节与神经退行性疾病的可能联系。
IT之家AI 评分7575 蚂蚁数科发布决策模型LingDT-Decision-1.0
蚂蚁数科今日发布决策模型LingDT-Decision-1.0，专为快速产业决策打造，在处理结构化决策任务时具备准确率更高、响应更快、Token成本更低等优势。
钛媒体AI 评分6565 中国购物节转向对话式AI推荐
中国秋季购物节正从传统搜索转向对话式AI推荐，消费者通过聊天助手获取个性化商品推荐，平台将促销活动整合到聊天产品中。零售商推出能查看用户历史订单、理解预算和配送需求的AI助手，商家端工具提供从活动策划到跨店监控的一站式服务。
钛媒体AI 评分7070 微软发布Agent监工功能Project Perception
微软宣布为Project Perception增加Guardian Agents功能，专门监控企业内其他Agent的工作行为，发现异常会调查原因并收回权限。该功能采用权限最小化原则，任务结束后收回权限，并支持审计和阻止两种模式。