Hugging Face 呼吁保持科学开放
帮助保持科学开放，来 Paper Pages 上试试：https://hf.co/papers
#Agent
Hugging Face (X)AI 评分4242
OpenAI Developers (X)AI 评分4040 ChatGPT 插件扩展支持侧边栏启动与 @ 提及
为 ChatGPT 构建更丰富、更具交互性的插件。 借助插件扩展，你可以从侧边栏启动插件、支持 @ 提及，并添加文件查看器。 观看 @coreyching 的演示了解具体做法：
OpenAI (X)精选AI 评分8888 OpenAI 向所有 ChatGPT 用户推送 GPT-6 与 Intelligent UI
OpenAI 宣布 GPT-6 和 Intelligent UI 正在向所有 ChatGPT 用户推送。Intelligent UI 提供快速、可交互的回答，让日常问题更可视化、复杂话题更易理解，并可在当前任务中直接调用交互工具。
推荐理由：官方给出 GPT-6 与 Intelligent UI 在 ChatGPT 全量上线的能力描述，读者可据此了解交互形态的变化。
Microsoft Research精选AI 评分6666 微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量 Agentic 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 Agentic RL 框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与强化学习，无需在训练框架内重写 agent。
推荐理由：微软研究院开源约 3500 行的 Agent RL 框架，用真实 harness 参与训练，并给出 6000 样本提升 14.6 个点的完整流程。
MiniMax (X)AI 评分1212 MiniMax 公布 SF Tech Week 四场活动安排
MiniMax 将在 SF Tech Week 期间举办四场活动：10 月 6 日与 friendliai、anacondainc、kilocode 讨论前沿模型、高速推理与大规模智能体。
Microsoft ResearchAI 评分2828 微软研究院播客：AI 会犯哪些错，失败又能教我们什么
微软研究院 partner research manager Jennifer Neville 在播客对话中讨论评估如何推动 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、认知科学转向计算机科学的经历，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。
GitHub Blog · AI & MLAI 评分5858 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 AI 代码审查开放基准 ReviewBench，包含 219 个来自 187 个开源仓库、覆盖 19 种语言的 PR，分布参照 1.039 亿个 GitHub PR。
Emad Mostaque (X)AI 评分2222 Fable 5.5 聊天版数小时做出3D游戏
Fable 5.5 相当不错，在聊天版上用 high 模式、极少提示词，几个小时就做出了这个 21 个世界、3D 版本、21 个机制各异的 boss、排行榜 试试看！ 视频当然也是 Claude 做的 https://claude.ai/artifact/EnXF5Lr8hj6mXrVcVAefq9
GitHub Blog · AI & MLAI 评分2222 GitHub 博客：AI 正在改变开发者工作，值得强化的三项技能
GitHub 博客提出开发者应对 AI 工作流的三项技能：学会指挥 AI 智能体而非只使用工具，用第二个模型审查 AI 输出，并把省下的实现时间投入判断与决策。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明其用第二个模型审查计划、代码和测试。
Hugging Face (X)精选AI 评分7878 Hugging Face 发布多 harness RL 指南：同一模型在不同 harness 下得分 62% 与 33%
Hugging Face 团队发布多 harness RL 训练指南，指出同一模型在相同权重下，在一个 agent harness 中得分 62%，在另一个中仅 33%。
推荐理由：同一模型在不同 agent harness 下得分相差近一倍，这篇开源研究给出了不改 harness 的多环境 RL 训练方法。
Google AI (X)精选AI 评分6969 Google 发布 Gemini 4 Argon 前沿模型
Google 发布新前沿模型 Gemini 4 Argon，面向复杂长程工作流持续进行深度推理，在真实软件工程、法律与金融等企业知识工作以及网络安全防御场景中提供前沿性能。该模型输出 token 上限提升至 1M tokens，目前正通过 Fairwind Program 向一批受信任的网络安全防御方逐步开放，后续将尽快扩大可用范围。
推荐理由：官方给出 Gemini 4 Argon 的定位与 1M 输出 token 上限，可据此判断长程复杂工作流的可用边界。
Google DeepMind (X)AI 评分6262 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，面向编码、企业知识工作和网络安全防御等复杂工作流。该模型当天起通过 Fairwind Program 向一批受信任测试者开放。
OpenAI (X)AI 评分2222 OpenAI 报告：小企业如何用 AI 智能体
小团队正借助 AI 承担更多工作——从寻找客户到打造产品、管理财务。 我们的新报告探讨了小企业如何让 AI 智能体投入实际工作。同时，通过与 @ASBDC 的新合作，我们正在提供实操性 AI 培训和本地指导，帮助更多企业主上手。 https://openai.com/index/helping-small-businesses-put-ai-to-work/
Qwen (X)AI 评分4242 Qwen3.8-27B 上线 Nebius
Qwen3.8-27B 现已可通过 @nebiustf 使用。无论你是在构建智能体还是做深度研究，这款 27B 稠密模型都已准备好支持你的多步骤工作流！🥳
OpenAI (X)AI 评分5858 OpenAI 升级 Codex Security Cloud，默认接入 Daybreak Blue 网络安全模型
OpenAI 宣布 Codex Security Cloud 迎来重大升级，默认包含通过 Daybreak Blue 访问具备网络安全能力的模型。该功能可扫描整个 GitHub 仓库、持续审查新提交、调查并去重发现的问题，并准备修复方案供审阅，即使笔记本关闭也能运行。它以插件形式在 Codex 桌面端和网页端提供。
OpenAI (X)AI 评分6262 OpenAI 推出由 GPT-6 Astra 驱动的 dots 智能体
OpenAI 推出 dots，由 GPT-6 Astra 驱动，定位为能力较强、始终在线的智能体，用于处理各类任务。官方称其“能力出众”，但未披露具体功能、开放时间或使用方式。
GitHub Blog · AI & MLAI 评分5858 GitHub Copilot 如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas 是一种用户与智能体共享的可定制界面，可以是看板、问题分诊板、发布清单或仪表盘，双方都能实时修改。创建时只需打开智能体会话，输入 /create-canvas 技能并用自然语言描述要支持的工作流、用户可做的操作和智能体可做的操作，智能体就会生成界面并显示在右侧面板。
Qwen (X)精选AI 评分7878 阿里发布 Qwen Intelligence，推出三款手机端 SOTA 智能体
阿里发布 Qwen Intelligence，首批上线 Mobile Planner、Mobile-Use、Mobile Creative 三款手机端智能体。
推荐理由：官方给出三个手机端智能体的分工与基准成绩，并同步开放评测套件，便于判断移动端智能体当前能力边界。
Qwen (X)AI 评分2222 Qwen 与 Cerebras 打造理财智能体
实用 AI 解决现实问题的绝佳范例！速度前所未有。感谢使用 Qwen 构建。@cerebras 快来亲自试试！🏠
Google AI (X)AI 评分3838 Google 本周回顾：Gemini 3.8 Live 音频模型等五项更新
Google 发布本周更新汇总，推出迄今最先进的实时对话音频模型 Gemini 3.8 Live 与 3.8 Live Extended Thinking。Google Labs 的个性化故事合集实验 Dreambeans 与 Workspace 图像生成工具 Google Pics 均已 GA，CC 则从个人效率工具扩展为协助家庭协调日程与日常事务的共享智能体。
Qwen (X)精选AI 评分8080 阿里发布 Qwen3.8-Omni-Flash 全模态模型，主打智能体能力
阿里 Qwen 团队发布 Qwen3.8-Omni-Flash，称其为 Qwen 首个围绕智能体能力构建的全模态模型，将原生音视频理解、推理与工具调用整合在一个模型中。
推荐理由：官方给出音视频智能体能力、基准提升与视频输入成本降幅，可据此判断长音视频场景的落地成本。
AI at Meta (X)AI 评分5858 Meta 的 Muse 智能体上线 Mac 版
Meta 宣布 Muse 智能体在 Mac 上线，用户可在获得明确授权的前提下让它在电脑上直接完成任务。官方列出的用途包括整理下载文件夹、找回找不到的文件、汇总消息和笔记，并提供了下载入口 http://ai.meta.com/muse/download/，更多能力后续推出。
Google AI (X)AI 评分5858 Google Labs 推出个性化 AI 产品 Dreambeans
Google Labs 推出 Dreambeans，可从 Gmail、Calendar、Search、Gemini App 和 Google Photos 的人脸分组中汇集信息，生成个性化图文故事并推送每日通知。用户点击故事卡片可查看详情和下一步链接，例如观看电影预告片或购买推荐礼物。该功能为主动选择加入，并设有隐私过滤和“不感兴趣”按钮，用于反馈调整推荐。
Mira Murati (X)AI 评分2222 Mira Murati 谈 AI 走向与待解工作
一场关于 AI 将走向何方、以及我们面前还有哪些工作要做的重要对话。
Hugging Face (X)AI 评分2020 Hugging Face 智能体训练：从奖励函数到环境
训练智能体 4：从奖励函数到环境。https://x.com/i/broadcasts/1OxwbngOoXEJB
AI at Meta (X)AI 评分5858 Meta 推出个人 AI 智能体 muse.ai 并发布安全设计详解
Meta 今日推出个人 AI 智能体 muse.ai，并发布关于其系统安全构建方式的深度解析。官方称该智能体会随时间了解用户、必然持有大量用户上下文，这既是其有用性的来源，也是将其设计为安全、私密的原因。完整解析见 security.muse.ai。
AI at Meta (X)精选AI 评分7575 Meta 发布个人智能体 Muse，由 Muse Spark 1.3 驱动
Meta 发布个人智能体 Muse，由 Muse Spark 1.3 驱动，可在生活各场景中替用户完成任务。官方同时给出介绍页面，说明 Muse 的构建过程与具体能力。
推荐理由：Meta 官方发布个人智能体 Muse，并给出构建思路与能力说明的入口。
AI at Meta (X)精选AI 评分6868 Meta 的 AIRA₃ 在 NVIDIA Kaggle 竞赛中获金牌，约 4000 支队伍中排第 8
Meta 称其在 6 月让自主 AI 研究系统 AIRA₃ 参加 NVIDIA 在 Kaggle 举办的竞赛，任务是微调一个 30B 的 Nemotron 模型，使其推理能力更强。AIRA₃ 在约 4000 支队伍中排名第 8，获得金牌，成绩超过使用同等前沿工具的人类参赛者。Meta 认为这表明 AIRA₃ 能在特定能力上把模型提升到接近人类专家的水平。
推荐理由：Meta 公开 AIRA₃ 在 Kaggle 微调竞赛中的名次与参赛条件，可据此判断自主研究系统在模型能力改进上的位置。
AI at Meta (X)AI 评分6262 Meta 在 Muse Code 和 Meta Model API 上线 Muse Spark 1.3 max 推理档
Meta 宣布 Muse Spark 1.3 的 max 推理档已在 Muse Code 和 Meta Model API 上线。被引用的发布者称，该档位在编码和智能体任务上的表现明显更强，并建议即使已用过 Muse Spark 1.3 high 或 xhigh 也值得一试。
Qwen (X)AI 评分5050 千问发布 E-Commerce Bench 电商智能体基准
千问推出 E-Commerce Bench，用于评测长周期自主商业运营：智能体以 ¥100,000 启动资金经营网店 365 天，需处理选品、议价、定价、促销、库存与现金流。
AI at Meta (X)AI 评分6262 Meta 发布 Muse Spark 1.3，提升智能体与编码任务表现
Meta 发布 Muse Spark 1.3，重点提升智能体与编码任务表现，并强调实际可用性。新版本可在单一线程中持续处理多个工作流的长程任务，会更主动地向用户提问澄清、在卡住时说明情况、在执行有后果的操作前先确认，并减少对自身能力边界的误判。官方内部对比显示，相比 Muse Spark 1.2，工具调用减少约 20%，token 消耗减少约 25%。
DeepSeek (X)精选AI 评分7575 DeepSeek-V4-Flash-Vision-Exp 上线 DeepSeek API 平台
DeepSeek 在 API 平台上线实验性多模态模型 DeepSeek-V4-Flash-Vision-Exp，调用时使用 model='deepseek-v4-flash-vision-exp'。
推荐理由：官方给出新模型与 V4-Flash 的文本能力对照，以及多模态智能体基准上的提升幅度，便于判断是否值得接入。
AI at Meta (X)AI 评分4040 Meta 预览 WildArtifactBench 智能体评测框架
Meta 预览内部评测框架 WildArtifactBench，用于评估智能体在多种交付格式下完成复杂真实任务的能力。该框架不依赖严格的标准答案评分，而是采用人类与智能体偏好评判给出的胜率和 Elo 分数，从而扩大对实际多模态工作流的任务覆盖。Meta 已从中开放 10 个任务，用于衡量多模态智能体的实际实用价值。
AI at Meta (X)AI 评分5858 Meta 公布 Muse Spark 1.2 多模态评测与演示
Meta 公布 Muse Spark 1.2 的新评测与演示，展示该模型在视觉理解与推理上的覆盖范围。Muse Spark 1.2 支持从视觉内容生成可运行代码、把感知转化为物理动作，并具备音视频理解能力，以支持企业场景中视频密集的工作流。演示中，模型解析多模态观测并调用工具，引导机器人在非结构化环境中导航寻找橡皮鸭。
DeepSeek (X)精选AI 评分8080 DeepSeek 发布智能体框架 Harness v0.1 开发者预览版并开源
DeepSeek 发布 DeepSeek Harness v0.1 开发者预览版，面向构建智能体框架的开发者开放，并以 MIT 许可证开源代码库。该框架基于 Cordis 元框架，核心设计是“一切皆插件”，模型、工具、技能、会话、沙箱、文件系统、循环、编排和 UI 均以插件形式实现，可自由组合、替换和扩展。
推荐理由：官方给出 Harness 的插件化架构与 MIT 开源仓库，读者可据此判断它能否接入现有智能体工作流。
DeepSeek (X)精选AI 评分8080 DeepSeek 发布 DeepSeek-V4-Pro
DeepSeek 发布 DeepSeek-V4-Pro，重点升级 Agent 能力并带来明显的生产环境收益。V4-Pro 与 V4-Flash 支持灵活推理强度，简单任务用 low、日常 Agent 工作流用 high、复杂任务用 max；同时原生支持 OpenAI Responses API，并针对 Codex 提供一键配置。V4 Pro 已在 app 和网页端以 Expert Mode 上线，也可通过 API 调用，模型名称保持不变。
推荐理由：官方给出 V4-Pro 的 Agent 能力升级、三档推理强度和 Codex 接入方式，可据此判断实际使用成本与场景。
Hugging Face (X)AI 评分3333 AI 智能体如何复现 ICML 2026 论文
AI 智能体如何复现 ICML 2026 论文 https://x.com/i/broadcasts/1OxwbbdvRygJB
Andrej Karpathy (X)AI 评分4242 Karpathy 用 1M token 让 Opus 5 生成《指环王》3D 场景
Karpathy 给 Opus 5 输入《指环王》首段和 1M token 预算（约 $10），要求生成 three.js 渲染，模型运行约 2 小时写出 5500 行代码程序化渲染该故事，效果粗糙但可玩。
DeepSeek (X)精选AI 评分7878 DeepSeek-V4-Flash 官方 API 开启公测
DeepSeek 宣布 DeepSeek-V4-Flash 官方 API 进入公开测试。官方称其 Agent 能力大幅升级，基准分数已明显超过 V4-Pro-Preview，并原生支持 Responses API 格式、完成对 Codex 的适配，配置细节见官方 API 文档。
推荐理由：官方公布 V4-Flash API 公测，并给出 Agent 能力提升与 Codex 适配的配置入口。
Hugging Face (X)AI 评分3838 Hugging Face 教你训练本地智能体
训练智能体 3：学习如何通过强化学习训练一个本地/开放权重智能体 https://x.com/i/broadcasts/1PKqrrbanaZGb