跳到正文
只看一手#Agent
10月17日周六
10月16日周五
  1. AWS Machine Learning Blog73

    Reflection Beam 开源智能体编码模型在 AWS 上的部署指南

    AWS 博客介绍如何在 AWS 上部署 Reflection AI 的开源权重智能体编码模型 Beam。Beam 为稀疏 MoE 模型，总参数 501B、激活参数 23B，Reflection 报告有效上下文长度 100 万 token，权重以 Apache 2.0 许可发布于 Hugging Face，提供 BF16、FP8、NVFP4 三种 checkpoint。

    推荐理由：文章给出 Beam 在 SageMaker JumpStart 与 HyperPod 上的两条部署路径和参数配置，可作为开源大模型上云的实操参考。

10月15日周四
10月14日周三
  2. AWS Machine Learning Blog25

    Tamnoon 如何用 Amazon Bedrock 构建 AI 云安全修复平台 Tami

    Tamnoon 基于 Amazon Bedrock 构建了智能体式云修复编排器 Tami，可自主调查 CNAPP 等来源的安全发现并评估修复安全性，再生成带护栏和回滚指引的修复方案。该方案在 90 天内将关键云暴露减少超过 90%，且未出现生产问题。平台由调查、安全评分、修复和代码生成四类专用智能体组成，通过单一 API 按任务调用不同基础模型。

  5. Google DeepMind93

    Google DeepMind 发布 Gemini 4 Argon 模型

    Google DeepMind 发布前沿模型 Gemini 4 Argon，面向开发者、企业、科研人员和消费者开放，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元。

    推荐理由：官方给出定价、基准排名与多个内部落地案例，可据此判断前沿模型在编码与科研场景的实际位置。

10月13日周二
  2. Microsoft Research38

    微软研究院 StudentSim：用个性化学生模拟器评估和改进 AI 辅导

    微软研究院提出研究系统 StudentSim，用公开去标识化学习记录为每个学生训练个性化 AI 学生模拟器，在真实学习者测试前评估和改进 AI 辅导系统。研究同时发布覆盖国际象棋、英语二语写作和数学的 StudentSimEval 基准，从行为保真度与指导响应性两个维度评测模拟器，StudentSim 在三项任务上均优于主流基线。该系统仅为研究用途，未部署于课堂，也不用于替代教师。

10月8日周四
  1. Microsoft Research71

    微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体 RL 框架

    微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重写智能体。

    推荐理由：微软研究院开源约 3500 行的智能体强化学习框架，用真实 harness 训练，并给出 SWE-bench 提升数据。

10月7日周三
  1. Microsoft Research26

    微软研究院播客：AI 评估中的“意外失败”能教会我们什么

    微软研究院播客中，partner research manager Jennifer Neville 与首席应用科学家 Chad Atalla 对谈，讨论评估如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的曲折经历，分享使用当前 AI 系统的实用建议，并强调结果偏离预期时应仔细检查数据。

10月2日周五
  1. GitHub Blog · AI & ML22

    GitHub 博客：AI 正在改变开发者工作，值得强化的三项技能

    GitHub 博客提出 AI 时代开发者应强化的三项技能：学会指挥 AI 智能体而非仅使用它，不轻信 AI 的第一个答案，以及用 AI 省下的时间解决更大的问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明用第二个模型审查计划、代码和测试能发现首个模型遗漏的问题。

10月1日周四
  1. Google DeepMind86

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，之后再逐步扩展到开发者、企业和消费者。

    推荐理由：官方披露了 Argon 在编码、企业知识工作和网络安全防御上的基准表现与内部落地案例，可据此判断前沿模型的能力边界。

9月26日周六
  1. GitHub Blog · AI & ML58

    GitHub Copilot 入门教程：用 canvases 构建自定义工作流

    GitHub Copilot 应用中的 canvas 是一种可自定义界面，用户和智能体共享同一份状态，可做成看板、问题分诊板、发布清单或仪表盘。创建时在智能体会话中输入 /create-canvas 技能并用自然语言描述工作流，智能体就会生成界面并打开在右侧面板，之后可继续让智能体增删列、筛选或接入未关闭的 pull request。

9月25日周五
  1. GitHub Blog · AI & ML50

    GitHub Copilot 用 canvas 替代聊天框：当聊天不是合适的 UI

    GitHub Copilot 应用推出 canvas，一种在应用内运行、无浏览器外壳的全栈小应用，可与 Copilot 智能体双向通信。官方演示用 canvas 做 Connect 4 对战、Winget 包管理和 SQLite 操作，并称让智能体造工具比反复用聊天消耗 token 更划算。canvas 可调用第三方 API 并本地执行代码，复杂工作流示例约需一天调好。

  2. GitHub Blog · AI & ML64

    GitHub Security Lab 发布 Fuzzing Taskflow 自主模糊测试流水线

    GitHub Security Lab 发布 Fuzzing Taskflow，这是一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，智能体就会自动识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，再对每个崩溃做分类并生成漏洞报告。

    推荐理由：作者公开了这套自主模糊测试流水线的架构与运行方式，读者可据此判断哪些人工环节能交给 LLM 智能体。

7月26日周日
  1. Berkeley AI Research38

    ABBEL：通过信念状态更新让 LLM 高效完成长程交互

    伯克利 AI 研究团队提出 ABBEL 框架，将 LLM 的交互摘要建模为自然语言"信念状态"并对其内容进行监督评分。在协作编程基准 CollabBench 上，基于重建的信念评分把与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也明显低于全上下文设置。

7月7日周二
  1. Berkeley AI Research47

    智能免费之后：为智能体、由智能体、属智能体的数据系统

    UC Berkeley 团队提出，推理成本已从 GPT-4 级约 $30/百万 token 降至不足 $1，部分厂商低于 $0.10，正进入"智能近乎免费"时代。文章据此提出三类数据系统挑战：为智能体重设计（多智能体重复子查询占 80-90%，可复用结果或返回近似答案）、支撑智能体群体长期任务的状态管理与共识、以及让智能体自行合成可信数据系统。