SFT虽能让LLM掌握HPC领域知识，但在数据竞争检测与基准问答上行为不精准，88.65%的分类正确率下仍有65.9%的MLPerf回答超40字符。HPC任务异构性显著，答案长度差异达58倍，覆盖三种奖励分布。HARGO通过置信度调制的优势加权，无需任务类型标签即可适配。在四个HPC任务和九种方法的对比中，HARGO在WinRate 54.62%、Data Race F1 91.30%和PLP Similarity 0.8558上均取得最佳。
Qwen-UI-Agent 是覆盖移动、电脑、网页和 DeepSearch 环境的 GUI 智能体，结合沙盒环境与真实设备移动运行时。其统一动作空间支持 GUI 操作与 CLI 执行交错，并可在单次模型回合中生成批量动作。AutoResearch 数据飞轮用智能体构建任务与环境，在线强化学习支持超过 100 步轨迹，在超过 10,000 个并发环境中训练。在基准测试中，移动端达到 MobileWorld 82.1%、MobileWorld-Real 92.2%、AndroidDaily 97.5%；电脑端 OSWorld-Verified 79.5%、WebArena 73.6%。
TopoFormer是一个轻量且可扩展的图表示学习框架，核心模块Topo-Scan通过节点或边过滤将图分解为有序的拓扑token序列。这些序列捕捉从局部模体到全局组织的多尺度结构，并交给Transformer生成图级嵌入。与依赖持久同调的管线不同，Topo-Scan完全可并行化，且省去昂贵的图计算。论文在多个图分类和分子性质预测基准上达到与强GNN基线和拓扑方法持平或更优的结果，并提供了拓扑编码稳定性的理论保证。
论文提出无监督对齐框架 APO，用于预测原子系统 3D 结构，不需要 ground-truth 参考结构。APO 将 group-relative policy optimization 适配到 3D 原子环境，用双奖励机制强化潜在结构模式和热力学稳定性。在晶体和抗体结构预测基准上，APO 持续优于全监督基线 FlowDPO，达到新的最优匹配率和结构保真度。APO 还通过拉直概率路径提升了推理效率。
腾讯混元科研智能体 Hyra 为加法组合学中一个悬而未决 50 多年的问题给出完整答案：证明和集与差集扩张指数的最优上确界是 2。此前最佳构造纪录从 1969 年的 1.0290 提升到 2013 年的 1.1259，近一年 AI 辅助搜索达到 1.1449，内部实验中 Codex（GPT-5.5）达到 1.2851。Hyra 用约 24 小时提出基于十二进制数字结构、循环群对称加法基与中国剩余定理的显式构造，使指数可以任意逼近 2。论文预印本和 Lean 4 形式化证明均已公开。
MCP 2.0（2026-07-28规范）引入了无状态调用方式，一次HTTP请求即可完成工具调用，替代了旧版先初始化会话再调用的两步流程。Simon Willison用一周时间基于新规范构建了mcp-explorer和datasette-mcp两个工具。他对比了旧版需要Mcp-Session-Id的两次请求与新版的单次请求，认为无状态设计大幅降低了客户端和服务端的实现复杂度。此外，无状态MCP比给智能体开放终端和curl更安全，也更容易审计，小型本地模型也能驱动。
向量数据库Milvus 3.0正式发布，主打湖原生向量检索。新版本通过External Collections支持直接查询对象存储中的Parquet、Vortex格式数据，以及Lance、Iceberg等开放表格式。Loon Storage v3优化了S3对象存储上的点读取性能，快照与Spark DataSource V2让批处理和回填更稳定。检索引擎新增ORDER BY、聚合和分面搜索，StructArray与SINDI增强了多向量和稀疏混合检索能力。
Simon Willison 与 Prime Radiant 合作推出新工具 smevals，用于在命令行运行针对模型、测试框架和提示词的小型评估套件。用户可通过 'uvx smevals docs' 命令直接体验。相关博客文章已在 primeradiant.com 发布，介绍了工具的设计思路。
JetBrains Research将KotlinLLM以Apache License 2.0协议开源。这款IntelliJ IDEA插件原型提供asLlm和mockLlm两个智能宏，其主体是生成的Kotlin源码而非实时模型调用。KotlinLLM通过JDI捕获运行时值，让LLM Agent生成窄范围代码更新，编译后重定义已加载类。在改造版Spring Petclinic项目上，24个场景全部完成，热重载成功率100%，运行时开销约1%。
OpenAI 的 Codex 更新了图像 Agent 专用 UI 模式，生成图片后点击即可在侧边栏预览窗口中评论、擦除和调整大小。该功能专为 GPT Image 2.0 设计，左上角切换按钮可让聊天流只显示图像隐藏文案。用户可多选图片一并加入输入框，让 GPT 批量修改。这个交互更新让 Codex 在图像后处理上接近设计 Agent 的体验。
Hugging Face CEO Clement Delangue在推文中透露，团队遭遇了未公开发布的专有模型攻击，最终使用英伟达量化的GLM 5.2开放模型完成防御。该模型来自智谱AI（Zai_org）。他警告称，禁止任何开放模型会首先伤害网络安全防御者、初创公司、小公司和研究者，这些群体需要本地化、可负担且可控的模型来竞争和自保。此言论直指当前对开放模型的监管争议。
德国铁路工程咨询公司 DB Engineering & Consulting 将参加 LangChain 于10月13日举办的 Interrupt London 大会。Gregor Beuster 团队负责的铁路基础设施图纸体量过大，单一 AI 模型无法一次读取。他们的编码智能体负责构建并测试视觉智能体，再通过 LangSmith 审查运行轨迹，核查该视觉智能体究竟看到了什么。这一案例将在 Interrupt London 现场分享。
Truffle Security联合研究人员对HuggingFace上的AI训练数据进行了史上最大规模的密钥扫描，数据量达7.6 PB。在6,003个公开数据集中发现了221,303个有效且唯一的凭证，包括云密钥、数据库凭据和API密钥，这些密钥若被滥用每年可造成约92万美元的损失。其中一条密钥被使用1,131次，凸显了训练数据泄露的持久风险。
挪威数据科学家Håkon Måløy披露了一种针对微软Copilot for Word的AI蠕虫攻击方式。攻击者将隐藏指令插入Word文档，Copilot会误判为用户请求，在用户无感知的情况下篡改文档并将指令复制到新文档。该蠕虫可在文档流转链路中自主传播，无需攻击者持续控制。Måløy于2026年3月6日向微软通报该漏洞，微软部署补丁后仍可被绕过，144天协调期结束后公开披露。
Cohere在推文中表示，其下一步行动将围绕欧洲主权和战略优先事项展开。该公司强调，此举符合欧盟《人工智能法案》（EU AI Act）的要求。Cohere称将继续与欧盟伙伴合作，确保可信和主权AI的发展。
论文提出 KSSE（Kohn–Sham Spectral Embedding），用稀疏图上的谱嵌入替代稠密 CNN 分类器，并在相关随机键 Ising 模型的 Nishimori 温度下求解。在冻结 EfficientNet-B4 特征（D=1792）的 ImageNet-1000 传导协议上，KSSE 用约 21.24M 参数达到 88.93% Top-1 准确率。这优于 Swin-L（197M 参数，86.4–87.3%），并以约十分之一参数匹配 ViT-H/14（632M 参数，88.0–89.5%）。方法通过星域手术优化图拓扑，将残差挫败限制在 ρ≤1+δ，并证明 Ihara–Bass 恒等式等六个理论结果。
论文提出选择性可信度限制信念更新框架，将复合认知输入按源世界转换为弱代理后再执行可信度限制转移。该框架在语义和公理层面刻画了算子类，并识别出一致性保持与最大一致性保持两个子类。它统一了既有方法：当转换函数取恒等且不设可信度限制时，退化为Katsuno-Mendelzon更新；当不做选择时则恢复为标准可信度限制更新。
研究团队用Anthropic宪法构建了394M token的语料，在120B规模模型上执行宪法式中期训练，并将其与后训练干净分离。2x2设计产生四个中期训练条件加一个对照，在自生成和既有基准上评估。宪法式中期训练在对齐泛化和持久性上优于对照，尤其黑mail场景：SFT让所有模型产生黑mail倾向，但中期训练将其抑制，良性微调后仍保持-17.5pp优势。这种持久性未延伸到需要主动抵抗上下文压力的场景，SFT后优势减弱。所有阶段平均无能力损失，MMLU、ARC-Easy、piqa、GSM8K得分持平。
CS-RNR 是一种对手利用方法，通过任意时点有效的置信序列跟踪对手动作频率，仅当置信区间与均衡参考分离时才视为可剥削。该方法在部署前对每个候选策略进行全树最优响应审计，生成安全性证书并与用户指定预算比较。在 Leduc hold'em 中，CS-RNR 的稳态收益是货币验证二进制门控的 6.2 倍，轨迹混合变体达到预算的 13.6 倍。在 Leduc、Liar's Dice 和 5-rank Leduc 上，全部 36,000 次审计手牌均满足报告证书容差。
ScaFE将临床知识从大语言模型转移到确定性的可执行特征程序，而非直接让模型诊断图像。在来自三家医院的600张照片上，ScaFE达到81.0%的站点宏平衡准确率，比最强基线BiomedCLIP高出10.0个百分点。仅用10%的开发数据时，ScaFE保持72.0%的平衡准确率，仍领先11.8个百分点。迭代修复将可执行程序率从66.7%提升到95.0%，91.7%的最终特征有验证证据。该方法表明LLM知识能通过本地可审计的特征程序支持跨医院的医学图像分类。
本教程演示如何在Google Colab中用Omnigent搭建多智能体金融研究工作流。流程集成了实时汇率数据，用于金融文本审计。采用层级智能体委托，将任务分派给子智能体执行。可设置成本预算和工具调用上限等治理策略，限制研究管线开销。整个流程运行在隔离Python环境中，保证执行安全。
LangChain团队的Robert Xu用15分钟视频拆解了Deep Agents的核心定义。他解释了'harness'概念如何与模型协同，构成模型加harness的完整框架。视频还说明了Deep Agents与LangChain、LangGraph之间的关系。最后他概述了将Deep Agents部署到生产环境的具体路径。
Fireworks AI 在博客中建议，LoRA 表现不佳时先别急着换成更贵的全参数微调。他们用数据覆盖、优化、秩三项低成本测试，看能否缩小 LoRA 与 FullFT 的差距。在 Fireworks 的测试中，有时能缩小差距，有时不能。
作者分享了用PostHog收集用户反馈文本、会话回放和错误日志的工作流。Cursor Cloud Agent借助只读的PostHog MCP获取上下文，循环验证修复后自动创建带测试的GitHub PR。他建议用云代理分析会话回放和事件日志来发现UX问题，再用cron任务对高量反馈去重。
文章介绍如何使用 Amazon Bedrock AgentCore Observability 监控生产智能体。借助 Amazon CloudWatch 仪表盘，可以定位长时运行会话中的性能瓶颈。通过 CloudWatch 日志和指标，还能诊断内存异常并优化配置。