01
代理时代的企业 AI 投资管理
OpenAI 发布了一份指南，详细介绍了企业在技术转向自主代理工作流时如何管理 AI 投资。该框架建议组织衡量每美元产生的有效工作量，而不是仅仅关注 Token 成本或传统的软件指标。通过优化这一指标，企业可以提高运营效率，并在部门间扩展高价值的工作流。指南概述了识别高影响力用例、评估代理性能以及重组 IT 预算以适应执行复杂、多步骤任务的自主系统的策略。
AI Blog
4 stories02
Claude for Teachers 发布：提供免费高级访问权限与课程整合
Anthropic 推出了 Claude for Teachers，这是一个免费项目，为美国经过认证的 K-12 教育工作者提供高级 Claude 功能、定制化教学技能，并直接对接各州学术标准。该工具连接 Learning Commons，可访问全美 50 个州的教育标准，并整合了 OpenSciEd 和 Illustrative Mathematics 等可信课程。教育工作者可以将 Claude 连接到各类 K-12 工具生态系统中。该服务还包括 Claude Code 和 Cowork 功能，协助教师进行课程计划制定、差异化教学及课堂数据分析。
03
投入一千万美元支持加拿大 AI 研究
Anthropic 向加拿大研究机构承诺投入 1000 万加元，用于资助有益且负责任的 AI 应用。这笔资金将向包括 Amii、Mila、Vector Institute、CHEO 等在内的顶尖区域 AI 机构提供 Claude 使用额度。这些合作旨在推进强化学习、AI 信任与安全、儿科医疗、精神病学 AI 公平性以及低资源语言理解领域的工作。此外，Anthropic 还发布了首份基于 Anthropic 经济指数的加拿大国别简报，以追踪 Claude 在该地区的经济影响。
04
AI 编程代理时代的“巴别塔”
Armin Ronacher 探讨了 AI 辅助编程对软件工程的影响，并将其类比为巴别塔。尽管代理极大地提高了个人开发者修改代码库的能力，但它们消除了历史上迫使开发者进行协作并维护系统架构共识的摩擦。随着代理能解释系统的孤立部分并在无需人际沟通的情况下实施变更，项目面临失去集体推理所需统一架构语言的风险。虽然建设仍在继续，但随着开发者越来越依赖勤奋的自动化翻译工具，软件系统的共同心智模型正在迅速消解。
Hacker News
8 stories01
Bonsai 27B：一款可在手机上运行的 27B 参数级模型
PrismML 推出了 Bonsai 27B，这是一款经过优化、可在移动设备上本地运行的 270 亿参数级模型。该模型旨在推动边缘 AI 的发展，能够在现代智能手机严格的内存和处理限制内运行，从而无需依赖云 API 即可解决隐私、延迟和离线使用问题。这种本地部署通过先进的量化和模型压缩技术实现，在保持模型核心推理、生成和理解能力的同时降低了资源消耗。
02
Codex 开始加密子代理提示词
根据 GitHub 上的公开问题显示，OpenAI 的 Codex 项目已开始对其子代理的提示词进行加密。这一技术调整建立了安全通信边界，旨在防止提示词注入攻击、未经授权的操作以及对专有代理行为的逆向工程。虽然此举增强了多代理环境的安全性，但由于工程师无法再轻易检查明文指令流程，该更新也给开发者的可观测性带来了挑战。
03
Cursor 0day 漏洞：当完全披露成为唯一的保护手段
安全研究人员发布了一份关于 Cursor AI 代码编辑器零日漏洞的完整披露报告。该严重缺陷使软件开发者在与恶意仓库或不可信输入交互时，面临远程代码执行的风险。此次公开披露凸显了集成大型语言模型的本地开发工具中存在的系统性安全挑战，即 AI 代理的自主行为可能绕过传统的安全边界。
04
Show HN：我用强化学习训练了一个能用强化学习训练模型的代理（成本 -1.3k 美元）
一名独立开发者发布了一个开源项目，其中包含一个元强化学习 (RL) 代理，该代理通过 RL 来优化下级模型的训练过程。该项目利用元强化学习动态调整训练参数、奖励或环境。通过自动化训练循环设计和策略评估，该系统解决了超参数调优和样本效率低等传统瓶颈，同时大幅降低了计算开销。
05
Agentic Loop：一件风衣里的三个循环
Bobby Tables 通过架构分析将标准 AI 代理循环分解为三个不同的嵌套循环：规划、执行和修正。文章概述了现代 AI 代理如何需要复杂的系统状态管理、迭代规划和实时执行监控来完成复杂的多步骤工作流。这种结构化方法为开发者设计、调试和扩展能够从错误中动态恢复的自主应用程序提供了一个稳健的框架。
06
Launch HN：Agnost AI (YC S26) —— 从代理对话中提取用户反馈
Agnost AI (YC S26) 推出了专门为开发对话式聊天和语音代理团队设计的产品分析平台。该工具由创始人 Shubham 和 Parth 开发，通过分析生产环境的对话日志来识别关键的行为失效和隐含的用户反馈，例如愤怒提示词 (rageprompting)、重复表达、修正输入、功能请求和静默流失，从而系统性地改进大语言模型驱动的应用。
07
递归自我改进的经济学 [pdf]
来自 Elasticity Institute 的一篇学术论文研究了人工智能系统中递归自我改进的经济动力学和可行性。研究使用经济模型探讨了在何种条件下自主自我改进系统可能触发智能爆炸，并考虑了计算资源、算法效率和物理硬件限制等关键现实约束。
08
如何阻止 Claude 说“load-bearing”
一篇技术博客详细介绍了实用的提示工程方法和负面约束，用以抑制 Anthropic 的 Claude 模型中重复出现的语言怪癖，特别是“load-bearing”这个词。通过分析大语言模型的词汇生成模式，作者演示了如何通过定制系统提示词和风格来精炼模型词汇。本指南旨在帮助开发者改善自然语言生成输出的语气和多样性。
01
GPT-5.6 Sol 模型带来更高的效率和成本节省
OpenAI 宣布发布 GPT-5.6 Sol，这是一个在商业可行性和效率方面均较前代 Fable 模型进行了优化的新版本。性能分析表明，该模型在保持相同任务完成能力的同时，Token 效率提升了约两倍。在商业方面，其价格为 Fable 模型的一半，在特定应用中交付成本可降低至四分之一。此外，GPT-5.6 也已通过 Amazon Bedrock 可用于企业集成，促进了无缝的云端扩展和安全性。
02
Sam Altman 报告 OpenAI 的巨大增长与扩展挑战
OpenAI 首席执行官 Sam Altman 报告称，服务利用率增长了 5.6 倍，这凸显了推理团队面临的巨大扩展挑战和基础设施压力。虽然组织正在积极扩展物理基础设施以满足全球需求的激增，但 Altman 提醒用户，在不久的将来可能会遇到潜在的服务中断或技术问题。此次更新强调了随着用户参与度迅速攀升，在大规模运行密集推理工作负载时所带来的高额计算需求。
03
Anthropic 启动 Claude for Teachers 项目，提供免费访问权限
Anthropic 正式启动了 Claude for Teachers 项目，为美国经过认证的 K-12 教育工作者提供免费的 Claude 高级功能访问权限。该项目旨在通过自动化行政任务、协助课程规划和提供教学支持来支持课堂环境。通过为认证教师免除订阅费用，Anthropic 旨在普及先进的生成式语言工具，并将先进的 AI 能力直接整合到现代教学工作流中。
04
Anthropic 承诺投入 1000 万美元支持加拿大 AI 研究倡议
Anthropic 宣布进行 1000 万加元的战略投资，通过与加拿大领先学术机构的合作来支持和培养人工智能研究。该资金倡议旨在加速基础性突破，并支持全球负责任 AI 技术的发展。通过与加拿大研究中心建立更紧密的联系，Anthropic 旨在扩展科学生态系统，并提供关键资源以解决 AI 领域复杂的计算和安全挑战。
05
Airtap AI 将短信转换为无头代理执行层
Airtap AI 推出了一款移动自动化平台，将标准短信界面转换为无头代理执行层。该系统允许用户通过自然语言短信委派多步骤移动任务。Airtap 完全在后台运行，可以在移动设备上自动执行 DoorDash 和 TikTok 等原生应用程序，绕过标准用户界面，直接从文本环境执行完整的自动化工作流。
06
Sakana AI 推出 Marlin 作为战略研究的虚拟首席战略官 (CSO)
Sakana AI 推出了 Sakana Marlin，这是一款专门的 AI 驱动虚拟首席战略官 (CSO)，旨在简化组织规划。该自主代理工具旨在将数周的传统企业和战略分析压缩为几小时。通过接收原始的主题输入，Marlin 执行复杂的分析工作流以生成结构化的专业级战略指导，帮助企业和研究实验室显著减少长期决策过程的开销。
07
代理 AI 产品的使用率出现显著增长
OpenAI 报告称，其代理产品套件（包括 Codex 和 ChatGPT）的每周使用量增加了 2.5 倍。这种增长突显了开发者和企业对用于复杂工作流和自动编程任务的自主代理系统的采用日益广泛。使用量的激增是在旨在增强多步骤程序执行质量的后端升级之后出现的，这标志着市场正向自动化代理工作流进行广泛转型。
08
M Plus Adam 优化器在各类 Transformer 模型规模上表现优异
研究人员评估了 M Plus Adam 优化器，发现它在高达 10 亿参数的 Transformer 架构中展现出一致的性能优势。该优化器结合了乘法和加法更新逻辑，实现了规模感知的学习进度。在 1 倍至 8 倍于 Chinchilla 缩放法则的预算范围内测试，M Plus Adam 为深度学习中传统的基于 Adam 的梯度优化方法提供了一个稳健、稳定的替代方案。
huggingface
8 stories01
通过直接同策略蒸馏实现弱到强泛化
研究人员引入了直接同策略蒸馏（Direct-OPD），这是一种弱到强强化学习的替代方案，它传输的是策略偏移而非最终分布。Direct-OPD 不再在大模型上重复昂贵的 RL 训练，而是在小模型上运行 RL，并将教师模型在 RL 前后参考状态的对数比率视为强学生的隐式奖励。实验表明，在 AIME 2024 测评中，Direct-OPD 在 4 小时内使用 8 张 A100 GPU 将 Qwen3-1.7B 模型的表现从 48.3% 提升至 58.3%，无需在目标模型上进行稀疏奖励 RL。
02
代理探索与可重用引导：基于代理引导更新信号的模块化 LLM 后训练范式
研究人员提出了代理引导更新信号传输（PUST），这是一种将策略探索与分布对齐解耦的模块化后训练框架。PUST 不会对大型语言模型进行昂贵的探索，而是使用轻量级代理模型作为试验台，提取代理初始状态与优化状态之间的相对改进信号。这种定向更新随后被传递以引导主模型的对齐。在 Qwen3 系列模型上的数学和代码领域测评显示，来自较弱代理的更新信号能稳健地增强较强的主模型，同时降低计算开销。
03
Xiaomi-Robotics-U0：基于世界基础模型的统一具身合成
小米开发了 Xiaomi-Robotics-U0，这是一个 380 亿参数的多模态自回归模型，专为统一具身合成而构建。该系统将机器人生成视为基础图像和视频生成的延伸，优化了文本生成图像、具身迁移和多视角场景生成等任务。Xiaomi-Robotics-U0 在 World Arena 具身视频生成领域获得第一名，并将 pi_0.5 机器人模型在物理操作任务中的分布外成功率从 36.9% 提升至 63.2%。
04
ABot-AgentOS：具有终身多模态记忆的通用机器人代理操作系统
研究人员介绍了 ABot-AgentOS，这是一款机器人操作系统，具有用于规划、多阶段验证和多模态图记忆的审议代理层。为评估系统，他们发布了 EmbodiedWorldBench，这是一个涵盖 16 个场景和超过 200 个物理任务的可执行基准。ABot-AgentOS 包含一个故障驱动的自我进化循环，可将诊断出的记忆故障转化为运行时资产。它在 LoCoMo 上获得了 87.5 分，在 OpenEQA 上获得 59.9 分，并提高了任务成功率。
05
AdvancedMathBench：用于高等数学证明生成与验证的基准套件
研究人员推出了 AdvancedMathBench，这是一个旨在评估大语言模型中高等数学推理和验证能力的基准。该套件包含 ProverBench（含 296 道从本科到博士水平的问题）和 VerifierBench（含 888 条由模型生成的证明轨迹，由自动化验证流水线评估）。测试揭示了显著的性能差距；表现最好的模型 GPT-5.5-xhigh 在本科和资格考试划分中分别达到 75.8 和 66.1 分，验证平衡 F1 分数仅为 65.1。
06
Motion4Motion：推理时的跨主体动作迁移
研究人员开发了 Motion4Motion，这是一种无需训练的动作迁移框架，它对视频中的角色动作流进行建模，而不是依赖预定义的人体骨架。该方法允许在不同主体（包括各种动物物种）之间进行动作迁移，而无需骨架条件训练数据。Motion4Motion 支持在推理时直接进行跨物种动画制作，避开了标记骨架数据集有限的局限，并在质量和风格一致性方面优于现有基准。
07
ABot-N1：迈向通用视觉语言导航基础模型
研究人员提出了 ABot-N1，这是一种视觉语言导航基础模型，利用慢-快架构将高层认知与底层控制解耦。慢速视觉语言推理器进行思维链推理以确定像素目标，快速动作专家生成控制路点。在城市和室内基准测试中，ABot-N1 实现了 77.3% 的 POI 到达率（绝对提升 35%），在复杂室内外场景中的成功率高达 95.4%。
08
LightMem-Ego：你日常生活中的 AI 记忆
研究人员发布了 LightMem-Ego，这是一种为可穿戴设备上的个人 AI 助手构建的轻量级流式多模态记忆系统。该系统将连续捕获的以自我为中心的视觉和音频流组织为分层阶段：当前、短期和长期记忆。LightMem-Ego 在智能手机和 AI 眼镜上本地运行，动态地将用户查询路由到适当的记忆层级，支持对话回溯、物体定位和例行检测等任务。