跳到正文
11月6日周五
  1. arXiv · AI31

    双账本模型:跨云、模型与记录系统的多智能体 AI 系统交易粒度成本核算

    提出双账本模型,通过结算账本与基于 OpenTelemetry 的归因账本关联,解决多智能体 AI 系统交易粒度成本核算难题。 归因脊柱在 trace 传播率为零时仍保持 99% 以上成本覆盖率,中期门控可将 p99 交易成本降低 61%。 该模型建议将归因账本作为 FOCUS 配置文件进行标准化,帮助财务识别未计量的“影子 AI”支出。

  2. OpenAI Codex Releases26

    OpenAI Codex 0.167.0 发布

    OpenAI Codex 发布 0.167.0 版本,新增通过 codex agents --no-daemon 命令开启 Agent 指挥中心的功能。 会话选择器现可标记未读结果,支持在终端切换连接后端并保留草稿。新增本地图片预览及通过 /experimental 启用系统代理设置的功能,并修复了切换模型提供商后聊天历史可见性问题。

  3. AWS Machine Learning Blog67

    Amazon Bedrock AgentCore 发布 Web Answer

    Amazon Bedrock AgentCore 宣布 Web Answer 正式可用,通过一次工具调用返回基于当前网络来源的综合答案及对应引用。Web Answer 由 AWS 托管,内置代理式搜索流程:自动规划并行搜索、核实事实,最终输出Markdown格式答案并附引用URL。

    推荐理由:Web Answer把搜索、检索、合成和引用流程收敛为一次调用,开发者不必自建管道即可获取带来源标注的网页答案。

  4. Hugging Face Blog77

    NVIDIA 发布 Cosmos 3 开放权重模型用于交互式世界仿真

    NVIDIA 在 Hugging Face 上发布四个 Cosmos 3 Nano 开放权重模型,包括 Transfer-Auto、Sim-Auto、Sim-Transfer 和 Sim-Bimanual,支持多传感器驾驶仿真与双臂机器人交互。模型采用 OpenMDW1.1 许可证,提供商业与非商业用途权利,并附带分阶段后训练配方。

    推荐理由:NVIDIA 发布四个 Cosmos 3 开放权重模型,提供从驾驶到机器人交互仿真的完整工作流,读者可评估其开源生态价值。

  5. Microsoft Research61

    Microsoft Research 发布 PDD Kit,用形式验证校验 Agent 编写的 Rust 全栈 Web 应用

    Microsoft Research 发布 PDD Kit,将证明驱动开发引入 AI 编码流程:先将自然语言意图转化为 Verus 形式规约,再对 Agent 生成的 Rust 代码做全输入证明,证明覆盖不到的部分用测试补位。

    推荐理由:原文展示了将形式验证引入 AI 生成代码的实际工作流,读者可据此判断如何在不逐行审查的前提下保障关键逻辑正确性。

11月5日周四
  1. 豆包工作42

    豆包工作覆盖营销五类实战场景,附同款 Skill 与提示词

    豆包工作支持抓热点、做方案、出内容、管素材、看反馈五类营销场景,提供对应 Skill 与提示词,可结合品牌信息直接调用。 功能涵盖调用“营销热点策略师”与“全案营销”技能生成选题和 PPT 全案,支持“无限画布”统一视觉设计,并调用 Seedance 2.5 生成约 30s 真人宣传短片。

  2. 阿里云百炼62

    Kimi K3.1 Pro 上线阿里云百炼

    月之暗面(Moonshot AI)首款 K3.1 系列模型 Kimi K3.1 Pro 正式上线阿里云百炼,支持 100 万 Token 上下文窗口及原生视觉理解。该模型通过大规模联合强化学习提升了代码开发、3D 创作及长程 Agent 任务能力,目前百炼中国站与国际站 API 已同步开放调用。

    推荐理由:月之暗面 Kimi K3.1 Pro 上线阿里云百炼,开发者可直接调用支持百万上下文及强化学习优化的代码与 Agent 能力。

  3. 月之暗面 Kimi74

    Kimi Hosted Agents 正式发布,将 Harness 作为云服务提供

    月之暗面发布 Kimi Hosted Agents 托管智能体,将支撑 Agent 运行的 Harness 作为云端服务提供,支持长程任务执行与多智能体协作。平台内置 140+ Skills 与 30+ 插件,提供独立沙箱、网络访问权限控制及审计导出功能,并支持接入 Kimi Inference Hook 在推理前拦截敏感数据。

    推荐理由:原文列出了140+ Skills、30+插件及8个金融Agent模板,读者可据此判断托管智能体如何降低企业自建 Harness 的运维成本。

  4. Kimi开放平台69

    Kimi Hosted Agents 发布 Harness as a Service 托管智能体

    Kimi Hosted Agents 正式发布 Harness as a Service,提供云端托管环境、独立沙箱及可审计留痕机制,免去企业自建与维护运行框架的数月投入。产品内置 140+ Skills 与 30+ 插件,支持按任务调用,并配备 8 个金融 Agent 开箱即用模板;企业可接入 Kimi Inference Hook 在推理前校验敏感数据,在可控安全规则下完成应用开发。

    同一新闻,精选展示《Kimi Hosted Agents 正式发布,将 Harness 作为云服务提供》

  5. 阿里云44

    阿里云安筱鹏:AI开源从模型走向工作能力

    阿里云副总裁安筱鹏指出,AI开源应从单纯开放模型权重,转向开放Skills等隐性知识,以增强智能体的工作能力。 他提出用“直升机与珠峰大本营”类比开源价值,认为开源体系降低了创新门槛,使人类经验可被AI压缩并调用。 该观点强调Skills是智能体革命的关键,推动软件功能原子化,助力企业实现认知升维与组织变革。

  6. 蚂蚁开源21

    SEE Conf 2026 聚焦“创造力复兴”,探讨 AI 如何降低创造门槛并提升体验价值

    SEE Conf 2026 以“创造力复兴”为主题,于 2026 年 11 月 28 日在杭州蚂蚁 A 空间举办。 大会探讨模型能力与开源协作,涵盖 QMuse、TaoDesign 及 Coding Agent 等实践,旨在让构想转化为可体验的产品。 活动强调以人为出发点,通过 AI 拓展创造边界,将技术增量转化为用户可感知的体验价值。

  7. arXiv · AI23

    MAIA:用于艺术委托需求发现的多智能体意图表达系统

    多智能体系统 MAIA 通过苏格拉底式探究,将模糊情感转化为用户验证过的视觉文本简报。在 N=16 的组内被试研究中,MAIA 相比基线在认知支持上取得显著增益 (r = 0.97, p_FDR = 0.003)。 系统引入“验证优先于创造”规则,通过验证者门禁阻断未获批准的内容。三位职业概念艺术家的盲审表明,重写后的简报更完整且可执行。

  8. arXiv · AI43

    超越提示词:通过模拟审核痕迹攻击函数调用大语言模型

    论文提出 SMT 黑盒攻击框架,利用模拟审核痕迹在状态化函数调用环境中实施越狱,突破传统提示词级攻击范式。 在五个提供商的主流商用大语言模型上,SMT 在两个标准化安全基准中取得最高平均攻击成功率和 HarmScore,且所需查询次数接近最小值。 研究证明仅靠提示词层净化无法防御工具增强型大语言模型,需实施涵盖架构、参数及对话状态的上下文感知验证。

  9. arXiv · AI32

    Agent Security is a Systems Problem

    该论文主张应将 Agent 安全视为系统问题,指出 AI 模型作为不可信组件,仅提升模型鲁棒性不足以保障安全,必须通过系统级手段强制实施安全不变量。 基于在操作系统、网络等领域的经验,作者结合 11 个真实世界攻击案例论证了系统安全原则的预防作用,并识别出实现这些原则的研究挑战。 这项工作被 NeurIPS 2026 接收为口头报告,为设计具有可预测保障的 Agentic 系统奠定基础。

  10. arXiv · AI38

    CivBench:基于《文明 6》的长程 MCP 智能体开源基准

    研究团队发布开源基准 CivBench,用于在《文明 6》游戏中评估 LLM 智能体基于 MCP 协议的长程工具调用能力。 该基准包含 76 个 MCP 工具,单局游戏可超过 300 轮对话。研究通过 23 次试点运行发现,智能体在主动监控率和短期承诺执行率(RAG@10 为 48.2%-65.8%)上表现不佳。 CivBench 环境、场景日志及分析管道已开源发布。

  11. arXiv · AI36

    TraceCAD:面向智能体CAD生成的追踪引导修复框架

    TraceCAD 为基于 LLM 的 CAD 智能体引入了持久化恢复层,通过链接特征、操作步骤与失败证据来诊断故障并搜索有界编辑。在 DeepCAD 基准测试中,移除持久状态会使恢复得分减半,移除局部搜索则使几何回归加倍。该框架通过可复用的技能记忆降低重试次数、Token 成本和延迟,提升了最终 CAD 质量和修复可靠性。

  12. arXiv · AI24

    GUI 智能体强化学习综述:迈向数字居民

    该综述系统梳理了强化学习与图形用户界面智能体结合的方法,将其分为离线 RL、在线 RL 和混合策略三类。 分析显示,GUI 输入输出延迟瓶颈正加速向基于世界模型的训练转变,且丰富奖励信号可能使显式推理监督变得不必要。 研究提出了涵盖过程奖励、持续 RL 和安全部署的路线图,旨在指导下一代 GUI 自动化及原生智能体基础设施发展。

  13. arXiv · AI23

    ZETA:通过分离路由策略与动作空间实现科学视觉智能体推理

    ZETA架构通过分离路由策略与动作执行,显著提升了科学视觉智能体对邻近语义边界的科学意图路由准确性。 在包含51个科学意图查询的零样本基准测试中,引入显式路由策略使Qwen 3.8的分割路由准确率从6.2%提升至75.0%,检测路由准确率达到100%。 该架构使路由决策与下游工件可独立观测,为区分意图选择错误与视觉执行失败提供了关键基础设施。

  14. arXiv · AI20

    LLM 智能体在零样本协同任务中的表现与改进方法

    研究发现前沿 LLM 智能体在简单环境下的零样本协同任务中表现不佳,主要源于对协同问题的理解有限及推理能力弱。 尽管 LLM 引入了语义信息作为协同维度,但未能有效利用该结构。研究者提出了协同友好定义(CFDs)作为改进方案,并证明其可被自动发现。 该成果作为海报报告被 NeurIPS 2026 接收,并入选 ICLR 26 MALGAI Workshop 口头报告。

  15. arXiv · AI23

    CaRT+ 过程模型在三洲流域上匹敌深度学习精度

    基于物理定律的 CaRT+ 集总流域模型在北美、欧洲及澳大利亚流域上,纳什效率系数(NSE)达到 0.765-0.863,与 LSTM 模型精度相当。 该模型含 35 个参数,通过 AI 代理辅助迭代生成,无需每日神经网络,仅在部分测试集中略低于 LSTM 集成模型。 研究证实流域尺度存在形式定律,为构建可解释的高精度水文预测系统提供了新范式。

  16. arXiv · AI27

    AI辅助工作中的技能习得激励研究:从即时效用到长期能力维持

    该研究扩展了“接受或解决”模型,探讨AI辅助下工作技能随任务序列演化的激励机制。 模型显示,短视工人可能因依赖AI导致技能停滞或衰退,而战略工人会为未来价值选择独立解题。研究指出,通过奖励独立工作可建立可持续技能体系,且提高技能目标有时能降低长期激励成本。 此发现将焦点从单任务依赖转向组织层面如何维持人类专家能力,明确了值得投资的核心技能领域。

  17. arXiv · AI29

    PEARL:面向部分偏好漂移的选择性遗忘学习

    PEARL提出预测误差自适应正则化学习,通过反转异常特征方向的Gram矩阵更新实现选择性遗忘。 在PRISM基准测试中,PEARL比贪心策略高出4.0分,比最佳神经bandit基线高2.5分;该策略为约10万参数MLP,可在CPU毫秒级运行且不改变LLM权重。

  18. arXiv · AI35

    研究:与 AI 的个性化对话如何减少阴谋论信念

    两项针对 2193 名美国成年人的实验表明,与 AI 进行个性化对话能显著降低阴谋论信念。 该辟谣效果在披露 AI 说服意图、将对话框定为辩论甚至替换为单条定制信息时依然稳健,仅当 AI 被指示进行无事实依据的说服时效果减弱。 内容分析显示,信念的减少主要归因于 AI 提供的相关且论证严密的反证,而非人际亲近感或共情诉求。

  19. arXiv · AI29

    LLM 视频游戏 NPC 系统性映射研究

    一项涵盖 377 篇文献的系统性映射研究发现,基于大语言模型的游戏 NPC 在短期记忆和世界状态对齐方面普及率高(60% 和 69%),但长期记忆、反思和 RAG 仍稀缺。 研究识别出商业化的六大结构性障碍,响应时间跨度为 2.6 至 15 秒。该文已发表于 IEEE Transactions on Games。

  20. arXiv · AI25

    LLM 智能体是否需要睡眠?

    LLM 智能体在持久运行中会出现语义漂移、检索精度下降等不可控可塑性症状,需通过“睡眠”机制解决遗忘问题。 作者借鉴选择主义“ ringing, resonance and renormalization (RRR)”理论,提出数字记忆架构可行的映射操作,并预测在选择性巩固中该机制将优于指令式替代方案。 对于在有限容量下持续学习并与环境耦合的系统,可塑性具有成本,该成本即为睡眠。

  21. arXiv · AI44

    FrontierPhysics:评估智能体端到端物理研究的基准

    42 位物理学家构建的 FrontierPhysics 基准包含 56 个任务,要求 AI 智能体完成从文献综述到生成科学手稿的全流程研究。 在 22 种模型共 26 种配置中,最佳配置仅通过 168 次运行中的 46 次;专家审阅显示智能体主要缺陷在于推理严谨性不足及缺乏专家直觉,而非物理知识或执行错误。 该基准通过结合确定性验证器与专家评分标准,首次系统性评估了智能体研究的正确性与可发表性。

  22. arXiv · AI26

    基于回合级 Best-of-N 采样扩展 LLM 智能体性能

    论文提出一种基于回合级 Best-of-N 采样的推理扩展方法,用于 LLM 智能体。该方法采用“生成器-选择器”框架,在每轮生成 N 个候选动作并由选择器模型选取其一执行。 在长时程终端任务实验中,该方法使准确率提升 5–10%,并显著提高了重复尝试的一致性。轨迹分析显示,智能体行为向更优模式转变,如减少尝试次数、改善指令遵循及调试测试能力。