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。
技术方向
Agent 智能体 最新动态
让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
177 条精选近 30 天 163 条共收录 959 条
更新
精选归档 · 第 2 页
量子位精选AI 评分7676 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。
Hugging Face Blog精选AI 评分6565 IBM 发布 Granite Timeseries Ensemble 时间序列预测模型
IBM Research 发布 Granite Timeseries Ensemble，结合四种互补架构的时间序列模型，提供概率集合和四分位范围集合两种预测方法，无需重新训练即可获得中位数和分位数预测结果。该模型在 GIFT-Eval 数据集上表现优于单个成员模型，并支持扩展添加其他兼容预测器。
推荐理由：IBM 发布 Granite Timeseries Ensemble，将四种互补架构合并为一个预测接口，减少模型选择的不确定性。
IT之家精选AI 评分7676 讯飞星火 X2.6 端云一体大模型发布，首次基于全国产算力实现代码和智能体能力突破
科大讯飞发布讯飞星火 X2.6 端云一体大模型，首次基于全国产算力实现代码和智能体能力突破。星火 X2.6-4B 开源端侧大模型下载量已进入全球端侧模型前四，采用 293B-A30B 参数的 MoE 架构，上下文长度拓展至 1M，推理定价为输入 0.9 元/百万 tokens，输出 3.6 元/百万 tokens。
推荐理由：国产算力训练的星火X2.6实现代码和智能体能力突破，端侧模型进入全球前四，国产芯片长程任务效率瓶颈被攻克。
NVIDIA Blog精选AI 评分6565 NVIDIA 开放模型助力欧洲公共部门新项目
NVIDIA 推出开放模型支持欧洲公共部门项目，包括欧盟委员会的 AI@EC 平台、波兰的医疗和就业服务系统、德国的机密工作平台等。这些项目使用 NVIDIA 的 Nemotron-Personas 数据集和 NeMo User Sim 库，在本地基础设施上运行模型，同时保持数据主权。
推荐理由：开放模型让政府既能掌控数据又能定制服务，但真正的挑战在于如何平衡本地化需求与全球模型生态。
NVIDIA Blog精选AI 评分7373 NVIDIA 推动欧洲零售业数字化转型：从数字发现到物理运营
NVIDIA 加速欧洲零售商使用开源模型和物理智能，Shopify 通过后训练模型将推理成本降低90%，响应速度提升7倍；Zooplus 实现了86%的搜索准确率；L'Oréal 将成分筛选时间从数月缩短至数小时；Mirakl 已处理超过7000万种产品。
推荐理由：欧洲零售商用开源模型降低90%推理成本，NVIDIA正将AI从数字发现延伸至物理操作，虚实融合的零售新范式正在形成。
HuggingFace Daily Papers精选AI 评分6565 Evolving with Open Worlds: Towards Recursive Self-Improvement for Future Forecasting
研究人员提出DeepEvolve系统，一种基于未来事件预测的可持续进化智能体系统，该系统通过与动态变化环境持续交互并内化经验实现自我改进。在FutureX排行榜上，该自我改进预测器连续三周排名第一，评分提升高达195%；在合成的评估中，它在四个基础大语言模型中排名前三，比最强基线高出最多10.7 Bradley-Terry分。
推荐理由：通过未来事件预测构建可持续进化系统，在真实世界评估中连续三周排名第一，展示AI从静态模型向自我进化智能体的转变。
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。
AWS Machine Learning Blog精选AI 评分8080 AWS团队解析多智能体系统五大生产挑战及Deep Insight解决方案
AWS Solutions Architecture团队发布Deep Insight多智能体系统，解决了从原型到生产的五大核心挑战：执行流控制、模型选择、可靠运行、代码执行安全性和系统监控。
推荐理由：从原型到生产，多智能体系统面临五大挑战，AWS团队通过Deep Insight架构展示了如何解决执行流控制、模型选择、安全部署等关键问题。
华尔街见闻精选AI 评分8585 Meta发布智能体Muse，用户破千万并计划明年成本效率提升十倍
Meta发布个人超级智能体Muse，上线一个半月美国和加拿大用户已破千万，25%用户每天使用，超过四分之一用户通过Muse购物，平均金额超过200美元。Meta预计明年计算成本效率提升十倍以上，计划通过订阅、交易和企业服务拓展收入。
推荐理由：Muse上线一个半月用户破千万，25%用户每日使用，购物转化率超预期，展示AI智能体商业化潜力。
AWS Machine Learning Blog精选AI 评分6868 AWS发布基于Strands Agents的自适应智能体智能框架
AWS发布了基于Strands Agents的自适应智能体智能框架(AAIF)，通过本地小模型处理常规任务，云端大模型处理复杂分析，降低API成本并减少延迟。该框架采用三层架构：智能调度层使用轻量级SLM作为决策层，本地处理层通过Ollama运行SLM处理常规任务，云处理层通过Amazon Bedrock处理复杂模式分析和战略建议。
推荐理由：通过本地小模型与云端大模型协同，AAIF框架解决了AI智能体全依赖大模型导致的成本与延迟问题，展示了智能路由的实用价值。
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。
GitHub Blog精选AI 评分7575 GitHub发布智能体规模Git基础设施架构优化
GitHub宣布已完成Git基础设施架构优化，将99.99999%的仓库迁移至Azure和自有数据中心双存储。通过将quorum序列化范围从整个仓库改为单个引用，解决了25ms跨区域延迟导致的写入吞吐量瓶颈，使繁忙仓库也能迁移至Azure。新架构支持按需扩展虚拟读取副本，内部测试显示不同引用的写入吞吐量提高3-4倍。
推荐理由：GitHub通过修改quorum序列化方式将最繁忙仓库迁移至Azure，解决了25ms延迟瓶颈，为智能体规模Git基础设施铺路。
量子位精选AI 评分8585 紫荆智康发布多分身智能体协同技术，升级AI医院系统
紫荆智康推出多分身智能体协同技术，升级紫荆AI医院系统，实现AI医生分身之间的协作。该系统已在全国医院测试，覆盖54位AI医生和数百万超拟真AI患者，医生诊疗效率提升30%，AI医生在MedQA数据集准确率超过96%。
推荐理由：多分身智能体协同技术将跨专科支持前置到首诊环节，让每个医生背后站着一整个专家团队。
Mistral AI精选AI 评分7575 Mistral与NVIDIA合作推进工程领域AI应用
Mistral与NVIDIA合作，将Mistral Large 4等AI模型与NVIDIA加速计算和物理建模工具结合，开发工程领域AI工作流。双方将创建公共基准测试和开放数据集，用于评估物理模型和计算机辅助工程中的智能体AI，并整合NVIDIA Omniverse进行3D仿真和资产创建。
推荐理由：Mistral与NVIDIA合作将AI模型与加速计算结合，推动工程领域仿真与设计闭环，接下来看标准制定与行业落地。
NVIDIA Blog精选AI 评分7070 NVIDIA发布Vera CPU助力欧洲构建本地基础设施
NVIDIA推出Vera CPU，被Nebius、Nscale等云服务商采用，用于构建支持智能体计算的新一代基础设施。Vera CPU专为智能体工作负载设计，能在处理数千个任务时保持高速响应，支持AI代理执行代码、运行工具和测试结果。服务器制造商Bull、Dell、HPE等已基于Vera构建系统，数据公司ClickHouse、Elastic等测试显示其在分析、ETL和语义搜索工作负载上表现优异。
推荐理由：Vera CPU专为智能体计算设计，在千级并发下保持响应速度，正在重构数据中心与AI基础设施的底层架构。
NVIDIA Blog精选AI 评分8585 NVIDIA在GTC Berlin 2026发布AI工厂新形态与安全Agent架构
NVIDIA CEO黄仁勋在GTC Berlin 2026主题演讲中宣布推出DSX POD参考设计，将AI工厂部署周期从六个月缩短至14天，同时降低30%能耗。NVIDIA发布了OpenShell Reference Architecture for Safe AI Agents，以及面向具身机器人的GR00T模型和Agile ONE SN人形机器人参考平台。
推荐理由：NVIDIA在欧洲推出AI工厂新形态，将部署周期从六个月缩短至14天，同时降低30%能耗，加速AI基础设施落地。
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%
量子位精选AI 评分8585 MiniMax发布M3.1 Flash模型，Agent能力跃居国产第一
MiniMax发布M3.1 Flash模型，在Agents' Last Exam评测中以29.6%得分成为国产模型第一，代码工程、网络安全等能力进入全球第一梯队。该模型输出速度达200+ TPS，输入每百万Token仅1元，输出4元，综合成本降至上一代的30%，性价比超越硅谷旗舰模型。
推荐理由：MiniMax M3.1 Flash以低价高性能重新定义Agent性价比，国产模型在综合能力上开始挑战硅谷旗舰。