论文提出 WildAWM 管线，用开源模型合成计算机使用智能体的可执行训练环境
论文提出 WildAWM，一个用开源模型合成可控环境与任务、用于训练通用计算机使用智能体（CUA）的流水线。它构建同时支持图形界面、MCP 服务和命令行的可执行环境，并用执行式质量门控配合多智能体采样、交叉评判一致性和反事实探针，保证任务可解、难度足够且验证器可靠。
推荐理由：做 computer-use agent 训练的团队可以复用这套合成管线，批量生成带验证器的长程可执行任务环境。
Agent
全部主题能自己规划、调用工具、操作软件的 Agent：框架、产品、可落地的任务案例。
最新精选
第 1–20 条 · 共 28 条arXiv cs.AI / cs.LG 最新精选AI 评分7373 arXiv cs.AI / cs.LG 最新精选AI 评分6666 同一次仿真不同证据，检索工具输出让 LLM Agent 损失准确率
一项 arXiv 研究用 USGS 地球化学模拟器 PHREEQC 检验工具输出检索对 LLM Agent 准确率的影响，报告长达 846.8k 字符，测试为 158 道执行验证多选题。
推荐理由：做 Agent 上下文管理的团队可以按它的实验方法自查准确率在哪一步流失，再决定是否内联或指认权威输出。
Hacker News · 高分新帖精选AI 评分7878 MiniMax 发布 M3.1 Flash，推理提速近 3 倍、使用成本降低 70%
MiniMax 正式发布 M3.1 Flash，官方称其在线推理速度提升近 3 倍、使用成本降低 70%，面向智能体任务、编码、Computer Use 和网络安全。
推荐理由：做 Agent 与编码自动化的团队可把长链工具调用任务迁到 MiniMax API 的 M3.1 Flash，按每百万 token 输入 $0.15 估算成本。
Hugging Face Blog精选AI 评分7575 Reflection 发布 501B 开源模型 Beam，Apache 2.0 许可、1M 上下文
Reflection 发布其首个开源模型 Beam，501B 参数的 MoE 架构，每个 token 激活 23B，支持 1M token 上下文窗口，采用 Apache 2.0 许可，主攻编码与 Agent 场景。
推荐理由：需要自建推理的团队可以先用 vLLM 或 SGLang 起 NVFP4 版本，四张 B200 就能跑长上下文服务。
GitHub Changelog精选AI 评分6767 GitHub 代码扫描告警的 Agentic autofix 正式可用
GitHub 的代码扫描告警 Agentic autofix 正式可用，把告警指派给 Copilot 后，它会检索相关文件、生成修复、重跑 CodeQL 验证修复确实关闭告警，再提交草稿 PR 供审查，PR 内含修复说明和验证步骤。
推荐理由：用 Code Security 的团队可把默认分支上的告警指派给 Copilot，先在一个仓库试点，观察草稿 PR 是否可合并。
Google DeepMind精选AI 评分8282 Google DeepMind 大范围推送 Gemini 4 Argon 并发布安全防护报告
Google DeepMind 开始大范围推送 Gemini 4 Argon，并同步发布安全与安全防护报告。该模型在编码、金融、法律、网络安全和科学等复杂任务上能力提升，网络安全防御达到前沿水平，在 12 个端到端模拟网络攻击场景中全部通关，上一代为 5 个。
推荐理由：做 Agent 产品的团队可以参照它的三层实时防护和提示注入测试，给工具调用链路补上输入筛查与过程监控。
Hugging Face Blog精选AI 评分8181 Liquid AI 开源 LFM2.5-24B-A2B，总参数 24B、每 token 激活 2B 的端侧智能体推理模型
Liquid AI 在 Hugging Face 开源 LFM2.5-24B-A2B，总参数 24B、每 token 仅激活 2B，是面向端侧常驻智能体的推理模型。
推荐理由：要在本地部署智能体的开发者可先用 vLLM 或 llama.cpp 起服务，再拿工具调用和指令遵循任务实测它能否替代云端模型。
Google DeepMind精选AI 评分8989 Google 发布 Gemini 4 Argon，输入 token 定价 2 美元/百万
Google 发布前沿模型 Gemini 4 Argon，当天通过 AI Studio 和 Gemini API 向开发者与企业开放，Gemini app 与搜索 AI Mode 面向 Ultra 和 Pro 订阅用户上线。
推荐理由：开发者可先在 AI Studio 付费 API 上重跑自家代码库重构任务，按 2 美元/百万输入 token 估成本再决定迁移。
NVIDIA Blog精选AI 评分7575 NVIDIA 与 Microsoft 发布 RTX Spark 笔记本，并预览 Windows 版 DGX Station
NVIDIA 与 Microsoft 在旧金山活动上宣布，RTX Spark 把完整 NVIDIA AI 栈装进 Windows 笔记本和紧凑台式机，笔记本当日开启预售、10 月 16 日上市，台式机 11 月开卖。
推荐理由：需要离线跑智能体的团队可以在 RTX Spark 笔记本上本地运行 125B 模型，复用 CUDA 栈无需重写代码。
GitHub Blog · AI & ML精选AI 评分6969 GitHub 推出 ModernBERT 密钥检测分类器，把推送保护扩展到非结构化密钥
GitHub 发布与 Microsoft Applied Sciences 共建的 ModernBERT 微调分类器，把推送保护从有固定前缀的凭证扩展到没有格式规律的非结构化密钥。
推荐理由：使用 Copilot CLI 的团队可先跑一遍 /security-review，让新分类器在推送前拦下硬编码密码。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon，输出上限提升至 1M tokens
Google DeepMind 发布前沿模型 Gemini 4 Argon，先通过 Fairwind 计划向一批可信网络安全防御者开放，之后再逐步推向开发者、企业和消费者。
推荐理由：企业安全团队可先申请 Fairwind 计划或等付费 API 开放，用它在自有代码库做漏洞发现与修复的初筛。
Hugging Face Blog精选AI 评分7474 H 公司发布 Holo4 智能体模型系列，含 27B 稠密版与 35B-A3B MoE 版
H 公司发布 Holo4 系列智能体模型，含 27B 稠密版与 35B-A3B MoE 版，已在 H Models API 上线并在 Hugging Face 开放权重。
推荐理由：业务团队可以用 H Models API 上的 Holo4 27B 跑桌面与 API 混合流程，先替代重复的点击录入。
Google DeepMind精选AI 评分7878 Google 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 实时语音模型
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型。
推荐理由：做语音客服的开发者可用 Gemini Live API 接入 3.8 Live，先小流量验证延迟和后台工具调用。
Hugging Face Blog精选AI 评分6565 Hugging Face 开源 funes，为编码 Agent 提供可自持的长期记忆层
Hugging Face 开源 funes，一个面向编码 Agent 的本地记忆层，支持 Claude Code、Codex、pi 和 Hermes。
推荐理由：同时用 Claude Code 和 Codex 的开发者可以装一次 funes，把本地历史会话索引成可召回的长期记忆，换机器或换 agent 时不用重贴上下文。
Google DeepMind精选AI 评分8181 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 和面向安全防御者的 Gemini 3.8 Flash Cyber，延续 3.7 Flash 的价格，每百万输入 token 0.75 美元、输出 token 3.75 美元。
推荐理由：开发者可在 Gemini API 中用它跑长周期编码与智能体任务，先用低 effort 档位控制 token 成本。
Google Research精选AI 评分6868 Google 在 Google Earth AI 下推出行星预测引擎 PPE，自动执行地理空间建模全流程
Google 在 Google Earth AI 下推出实验性研究能力 planetary prediction engine（PPE），可由自然语言查询自主完成地理空间数据发现、特征工程、模型训练与评估，把原本需要数周的人工建模压缩到数分钟。
推荐理由：公共卫生或粮食安全方向的研究者可以用它把自然语言查询跑成地理空间预测模型，省去人工找数据与特征工程，但目前仍是实验性研究能力。
Google DeepMind精选AI 评分7575 Google 发布 Gemini 3.5 Transcribe 语音转写模型，流式 WER 4.0%
Google 发布语音转文字模型 Gemini 3.5 Transcribe，可直接把原始音频转成准确、带格式的书面文本，还能去掉口头语、处理自我更正并识别用户自定义词表。
推荐理由：开发者可以在 Gemini API 里用实时流式接口接语音客服或会议转写，先验证延迟和自定义词表效果。
Hugging Face Blog精选AI 评分6666 IBM 详解 Granite 4.2 推理模型家族如何从预训练做到 Agentic RL
IBM Granite 团队发布 Granite 4.2 系列推理模型，含 3B、8B、30B 三个稠密尺寸，采用 Apache 2.0 许可，均由 Granite-4.1 base 后训练而来。
推荐理由：想在本地跑代码智能体的团队，可用 vLLM 起一个 OpenAI 兼容端点，把 Granite 4.2 30B 接进 OpenHands 或 OpenCode 试任务。
Google Research精选AI 评分6161 Google Research 推出 Biomarker Discovery Framework，从可穿戴数据中筛选候选生物标志物
Google Research 推出 Biomarker Discovery Framework，用多智能体在人类监督下把候选生物标志物筛选组织成迭代研究循环，并对候选做对抗校验。
推荐理由：做数字健康研究的团队可以照它的六阶段流程和对候选指标的对抗校验设计，把可穿戴数据的初筛交给多智能体，再人工复核。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemini 3.7 Flash，编码与 Agent 能力提升，首发价减半
Google DeepMind 发布 Gemini 3.7 Flash，称其为面向编码与 Agent 的最强主力模型，距 Gemini 3.6 Flash 仅三周。
推荐理由：开发者可在 Gemini API 或 AI Studio 中接入 3.7 Flash，跑调试、代码生成和多步骤工具调用任务。