英国海滨小镇直面AI对金融行业的威胁
英国多塞特郡的伯恩茅斯是JP Morgan的重要金融运营中心,但当地正面临AI带来的存在性威胁。Barclays和Standard Chartered等银行宣布裁员,引发对后台岗位萎缩及地区经济连锁反应的担忧,工会正起草相关保护协议。
英国多塞特郡的伯恩茅斯是JP Morgan的重要金融运营中心,但当地正面临AI带来的存在性威胁。Barclays和Standard Chartered等银行宣布裁员,引发对后台岗位萎缩及地区经济连锁反应的担忧,工会正起草相关保护协议。
开源欧拉 openEuler 发布面向 Agentic Infra 的操作系统,提供沙箱、KV Cache 及 Agent 安全能力,已在头部用户商用落地。 国内累计装机量预计突破 2200 万套,同时发布 openEuler 24.03 LTS SP5 版本及 HECOS 1.0 系统。
谷歌发布 Gemini 4 Hydrogen,面向所有用户开放,主打速度和执行效率。在默认 High 推理档位下,其完成任务速度是上一代 Gemini 3.8 Flash 的 2.5 倍,编造事实情况减少超 80%。
推荐理由:新模型向全员开放且部分指标超过自家高端型号,读者可快速了解它在搜索和工具调用上的实际差异。
微软 Xbox 负责人夏尔马发布备忘录,暗示未来利用生成式 AI 辅助游戏开发,打破创作规模限制。她指出,过去需数百名开发者、耗资数亿美元打造的游戏世界,未来一个小团队即可完成。该备忘录表明其此前对生成式 AI 的谨慎立场开始转变。
TimeNet Challenge 邀请团队将数据转化为 TimeNet 格式,训练或微调时间序列语言模型(TSLM)以解决预测、分类等实际问题。 首轮提交截止于 11 月 22 日,获胜团队可获 Nebius 或 AWS、Google Cloud 提供的大额算力积分。 比赛采用多轮制,旨在通过实际用例推动时间序列 AI 技术落地。
agent-brain 是一个笔记无关的第二大脑操作模型,为 Claude Code、OpenCode 和 Codex 等 AI 编码智能体提供 Git 版本控制的运行时配置与记忆管理。该工具通过符号链接将共享的记忆和设置同步到不同机器,支持会话生命周期管理,并包含用于发现改进机会的可选 boyscout 技能。安装脚本支持多运行时子集选择及冲突隔离机制,确保配置迁移的安全性与幂等性。
Jeff Bezos 预测 AI 通过大幅提升生产力,将再次使单收入家庭模式成为可行。 Dario Amodei 和 Bill Gates 则警告称过渡期将面临更严峻的挑战,并首现重大就业动荡。 科技领导者普遍认同 AI 将重塑家庭经济学,但对转变过程的痛苦程度存在分歧。
Grok Bot for Mac 新增 Messages、Mail、Notes、Reminders、Calendar 和 Contacts 六个 Apple 应用集成,并支持 Location 功能。 该功能旨在增强深潜 Apple 生态用户的体验。本月 Grok Bot 达到 1.0 版本,正式退出 beta 测试。
summary_zh: Mount Thor 完成 4500 万美元种子轮与 A 轮融资,旨在构建基于 Apple 芯片的云基础设施,提供 macOS 弹性计算实例供 AI 智能体使用。
腾讯混元发布全新实时语音模型 Hy Realtime,在语音理解、指令遵循与拟人化表达上升级,并新增 Agentic 工具调用与唱歌能力。该模型支持自然语言点歌与多轮上下文匹配歌曲演唱,已上线元宝语音通话和腾讯客服,近期将上线腾讯云提供 API 服务,当前版本可通过最新版元宝 App 或网页 Demo 体验。
推荐理由:原文给出了 Hy Realtime 新增唱歌与工具调用的具体能力,并明确其已上线元宝语音通话和腾讯客服,并即将上线腾讯云 API,为读者提供了直接体验与接入入口。
斯坦福大学发布AI Agent工程课程CS 329Z,系统讲解Agent架构、RAG、工具调用及多智能体协作。课程涵盖DSPy、LangGraph等框架实践,并深入探讨Agent安全与评估体系,适合开发者构建可靠的AI系统。
OpenAI 开启嵌入评估第一阶段,与 Apollo Research、METR、Transluce 和 Goodfire 合作。 合作机构将独立评估模型对齐、安全防护及监控系统。
该研究提出多层指纹框架,通过结合 TLS/HTTP 网络特征与浏览器交互行为,以 100% 准确率精准区分 AI 网页智能体、人类及传统爬虫。 框架分析了 AutoGen、Browser Use、Claude、Gemini、ChatGPT 及 Skyvern 六大智能体系统,揭示了其在 HTTP 请求组装及连接建立上的潜在结构差异。 该跨层追踪方法为内容保护与网络安全策略执行提供了稳健方案。
多智能体系统 Discovery 通过校准顺服机制在闭环人类-AI 协作中设计水溶液有机氧化还原液流电池负电解液。实验显示,Discovery 识别出预测模型无法预见的电化学可逆性问题,通过追溯磷酸盐-钾离子配对机制并设计磺酸盐类似物,将氧化还原电位相对文献基线提升 90 mV 并显著改善可逆性。
该研究考察了7名初中数学教师使用ChatGPT创建个性化数学任务的过程,结果显示“教师介入”往往导致个性化粒度较粗,而学生更偏好包含具体流行文化引用的细粒度个性化。 教师在提示词调整中修改流行文化引用,并针对生成问题的深度、伦理或现实性进行修正,展现了认识能动性。
研究提出 AerialVP,一种无需训练的代理框架,通过动态增强任务提示而非微调参数来改进 VLM 的无人机图像目标识别与定位。 该框架利用 LLM 协调提示分析、视觉信息提取和融合模块,引入图像语义、空间位置和物体关系线索,并构建了统一基准 AerialSense 用于系统评估。 实验表明 AerialVP 在多个无人机视觉任务上取得一致提升,性能媲美基于 LoRA 的指令微调方法。
summary_zh: GraphSkillAA 通过连接规则使用、错误定位与更新验证来改进外部技能表达。 该方法利用教师-学生机制最小化修改,并通过 Local Gate 和 Big Gate 验证及回滚被拒编辑,模型参数保持冻结。
AgentRoom 提出一种实时协作编辑协议,通过 CRDT 合并共享文件系统支持并发多智能体编码,并在 Python DevBench 和 Rust+axum 任务上展示效果。协议将文件级 claim、状态和广播暴露为 MCP 工具,5 个前沿 coding-CLI 模型完成 4 项后端编码任务。协调而非并行或 CRDT-merge 是关键设计选择;该文已被 NeurIPS 2026 接收。
研究揭示长时程语言智能体在维持世界状态表征时存在类似相变的关键边界,微小参数变化或单步增加即可导致行为从成功到崩塌的剧变。 大规模网格搜索发现相图包含低应力、急剧下降和高应力区域;智能体因失去真实世界追踪而非单纯选错动作,且更强模型虽延后到达边界但无法消除该过渡,使世界模型崩塌成为可衡量瓶颈。
POIROT 协议提出由 LLM 多智能体系统内的智能体自行投票归因故障,替代集中式评估器。 该协议通过消融实验验证,无交互阶段的独立自我评估在 9 种模型-基准配置中优于单 LLM 评估器(最高+50 个百分点)。 POIROT 和新基准 BLAME 已开源发布。
去中心化 AI 智能体团队 AutoScientists 能针对假设自组织协作并分享失败经验,在长期计算科学实验中显著优于单一轨迹方案。 在 BioML-Bench 上,其平均排名百分位达到 74.4%,较最强智能体提升 8.33%;在 GPT 训练优化任务中,比 Autoresearch 快 1.9 倍。
GrandCode 是一套多智能体强化学习系统,在 2026 年 3 月的 Codeforces Round 1087、1088 和 1089 三场正式比赛中均排名第一,击败所有人类选手。该系统通过联合训练多个智能体模块(如假设生成、求解器、测试生成和总结)进行在线推理时强化学习,并引入了专为多阶段智能体轨迹设计的 Agentic GRPO 算法来处理延迟奖励和离策略漂移。
推荐理由:原文提出了针对多智能体延迟奖励的 Agentic GRPO 方法,并展示了系统在三场 Codeforces 比赛中全部夺冠的实测结果。
summary_zh: 提出可扩展对话式评估系统,采用双智能体 LLM 管道架构,通过分离面试官与隐藏评估者角色防止答案泄露,用于考察学生论证能力。 系统使用 LLM 模拟特定能力水平或对抗性策略(如提示词注入)的虚拟学生进行测试,并在 AI 素养课程中进行了部署。
文章提出机构设计应成为 AI 研究焦点,需超越单个模型对齐。 基于制度政治经济学等理论,确立了七项原则以维持合作与问责。 通过 MoltJournal API 展示机构可编程性,将自主体转化为可靠集体。
综述提出基础模型知识边界由数据、架构等五个设计要素决定,用于界定其输出可靠范围。 针对智能体系统调用基础模型时信任度不透明的问题,文章分析当前模型成败证据并提出标准化限制描述。 该框架旨在帮助研究人员及代理可靠使用工具。
MobileProbe 提出了一种轨迹感知的红队测试框架,用于评估移动端 GUI 智能体抵御环境注入攻击(EIA)的能力。 该框架通过自动化渗透测试发现攻击面,并构建了包含 83 个长程攻击实例、覆盖 12 个应用的基准测试集。 实验显示,MobileProbe 在三种代表性智能体架构上的攻击成功率均高于人类手写及现有自动化基线,可作为部署前的安全审计工具。
提出推理环境协同优化策略,在 BFCL、SWE-bench Multilingual 等基准测试中使批处理最大跨度降低 10.4% 至 65.0%,评测分数保持一致。
研究提出一种结合大语言模型与优化器的无人机调度系统,用于解决野外搜寻受害者任务中的动态决策问题。 系统在地面控制站部署智能体,协调多架无人机连续执行搜寻,LLM负责推理搜索位置,优化器解决能量约束下的无人机派遣问题。 仿真实验显示,该系统总能完成搜寻任务,而六个非LLM基线方法均未成功,直接LLM调度可靠性也较低。
Agon 是基于提示词经济等六大原则构建的自主大规模全学科研究系统,利用简短主题描述在无人类代码介入下跨领域部署,展示了自动化研究的扩展性。 系统揭示了通过提示词工程难以解决的未知故障类别,并将其按严重度、可修复性、可见性及能力位置四个维度进行分类。 研究结果表明 Agon 正推动研究迈向“机器扩展规模,人类把握方向”的新范式,其代码已在 GitHub 公开可用。
提出 ADAPT(Agentic Diff-Aware Patch Testing)方法,利用自主编码智能体为 PR 生成聚焦变更的回归测试。 在 426 个真实 PR 上,ADAPT 结合 GPT-5-mini 达到 89.9% 的 F2P 成功率,显著高于 BLAST 的 35.4%。 人工评估确认测试针对性强,重要性均分最高达 4.54/5。
研究发现 Android 语料库 Rico 和 AndroidControl 中存在严重的无障碍标签缺失问题。在 1737 万界面元素中,Rico 仅 17.74% 需描述元素拥有描述,AndroidControl 为 57.27%,差距 39.5 个百分点。
GT-HarmBench 包含 1,535 个源自 MIT AI 风险数据库的高风险多智能体博弈场景。测试 15 个前沿模型发现,它们在 39% 的案例中未能选择社会有益行动;博弈论干预最高可提升有益结果 31%。 该基准为多智能体环境下的对齐研究提供了标准化测试平台,代码与数据已公开。
VibePrevisBench 是首个评估 4D 场景重建的基准,包含 242 个任务,通过 Rule-based Scene Check 和 VLM-based Screen Check 两个维度对 Agent 进行评分。
研究提出 PriorSplit 方法,用于解决视觉语言模型在缺失关键帧时依赖存储顺序的问题,在 Qwen3-VL-4B 等五个模型上验证有效。 PriorSplit 利用模型外部的顺序计数,当关键帧缺失或顺序异常时辅助作答,性能优于其他内部化方法。 该方法在保持 OPSD 训练成本的同时,显著提升了模型在合成技能及烹饪、第一视角等真实任务中的鲁棒性。
AskALCF 是一种面向 HPC 用户支持场景的智能体日志分析与系统自改进流水线,将生产中未定位故障比例从 41.4% 降至 14.2%。 其诊断核心结合了答案质量评估与双范围充分性测试,可区分“文档缺失”与“检索失败”,并将失败路由至知识、提示、模型或工具执行的对应修复路径。 该工作证明了受生产证据驱动的受控自进化机制,为部署后的 AI 支持系统提供了超越知识库定期更新的持续改进基础。
EMS-Nav 提出一种受生物学启发的多尺度导航框架,以区域为基本单元组织感知、空间理解与导航,适用于在线端侧运行。 该框架将物体及其关系归纳为功能性有意义局部空间,并构建从局部到整体的层级结构,支持高效地图构建与不同尺度语言目标执行。
针对 62 名跨学科研究者,调研发现 AI 系统虽助益了解陌生领域,但也因“未知的未知”制造理解错觉,且研究者难以捕捉这些幻觉。 研究建议 AI 设计应侧重支持而非自动化学科间协作,通过搭建学习支架及多资源三角验证来优化工作流。
研究指出,LLM 代理的长期记忆常将进行时用户事实扁平化为一般现在时,导致“时态扁平化”现象。在名为 LAPSE 的基准测试中,三个生成模型在 381 对样本中的 210 对里保留了时态差异,且 11 个测试模型均显示此单向丢失现象,该结果同样存在于 mem0、Graphiti 和 Letta 系统中。
研究团队提出 DeepStress 框架,用于评估深度搜索智能体在低质量证据下的鲁棒性。该框架通过动态合成文档环境,独立控制文档的可信度、相关性和事实准确性。在 HotpotQA 和 BrowseComp-Plus 上评估了 12 个系统,发现多个开源权重智能体在来源存在明显可信度红旗时仍自信作答,且许多 HotpotQA 问题即使所有返回文档事实错误,也常依赖参数化知识回答。
针对LLM在多轮对话中表现远逊于单轮的“Lost-in-Conversation”现象,本文提出FiC训练框架。 该框架开发视图非对称自蒸馏(View-Asymmetric Self-Distillation),无需外部教师,在Llama、Qwen等3B-14B模型上恢复92-100%单轮性能。 该方法使多轮对话更高效,且基本保留单轮能力,已被NeurIPS 2026接收。