AI 智能体

MaxKernel 将大语言模型、编译器反馈与硬件性能分析结合起来，探索自动生成高性能 TPU 内核。系统提供人工协作、全自动优化和图搜索三种工作模式。

Iris-mini 与 Iris-pro 将网页链接结构转化为多跳搜索任务，并交替使用监督微调和强化学习训练搜索策略。研究还显示，推理阶段的上下文管理对复杂搜索表现至关重要。

Terminal-Universe提出了一条不同于从零构建任务的路径：从已有终端智能体轨迹中恢复工作区，再生成可执行、可验证的新任务。该方法同时扩展任务的广度与交互深度，用于改善代码智能体训练。

终端智能体能力提升后，静态或从零生成的任务往往难以继续提供有效反馈。论文提出“环境演化”，通过离线逐代提高环境难度，为长程强化学习持续制造学习信号。

Editable Visual Design 提出一种结合视觉语言模型、图像生成模型与代码智能体的新型设计范式，让 AI 生成的不再只是扁平图片，而是可继续编辑的分层视觉作品。

一项新研究提出BCIT方法，尝试解决自主LLM后训练中“旧经验是否仍然适用”的问题。它通过条件检查、冲突否决和小规模试训，减少盲目沿用历史更新带来的风险。

Google 正把个人代理 Gemini Spark 接入 Google Photos，允许用户通过自然语言整理相册、编辑图片并触发跨应用操作。该功能将首先面向美国英语环境中的 Gemini AI Pro 和 Ultra 订阅用户逐步开放。

OOMOL Lab 开源了 Open Flow，一个面向 AI Agent 的工作流自动化平台。它通过可视化 Workbench、命令行接口和自托管运行时，将智能体接入工作流的创建、编排与运行环节。

DisCo 将机器学习开源仓库中的操作性知识提炼为可复用、可验证的技能，并注入研究型智能体。论文称，AREX-Skill Library 已覆盖 1,000 个仓库和 5,000 多项技能。

HarnessDev 将智能体评测的重点从“模型完成了什么任务”推进到“模型能否构建支撑任务的运行基础设施”。结果显示，大模型生成的框架在代码、搜索和研究场景仍落后于成熟的人工作品，但在写作和机器学习实验中已展现出竞争力。

Meta为面向编程及其他智能体场景的Muse Spark模型推出“贡献者”定价。用户或企业同意分享提示词与模型输出，即可获得约95%的价格折扣。

UI-Venus-2 试图解决 GUI 智能体落地时的三类瓶颈：环境覆盖不足、任务构造脆弱，以及执行结果难以可靠验证。该系统通过统一的推理—行动闭环，覆盖移动端、网页和桌面环境，并引入面向安全的执行机制。

Uber披露了一套面向软件工厂的AI成本治理方法：在智能体使用量快速增长的同时，通过模型路由、上下文工程和工具调用改造，压低单位会话成本。

CAST 将稀疏的任务成败结果转化为动作级批评监督，让模型不仅学会采取行动，也学习判断行动是否符合政策与当前状态。实验显示，这种方法在动态工具调用任务中提升了代理的跨步骤可靠性。

数据科学智能体的效果不只取决于大模型，也取决于任务如何定义、状态如何管理以及结果如何评估。DS-Lighting将这些通常隐含的系统设计拆解为四层，并提供统一的可执行框架。

LLM 智能体可以在运行时修改提示词、工具和执行框架，但一次成功的改动也可能在不同状态下无法撤销。EvoUndo 将可恢复性验证、状态定位与回滚语言结合起来，系统分析自我进化的安全边界。

StarHarness 将智能体的“能力问题”部分转化为“运行框架问题”，在固定模型权重的前提下，自动搜索更适合具体企业环境的 harness。研究显示，经过少量迭代后，智能体在多个企业任务基准上的表现显著提升。

代码生成速度提升，并不等于研发交付周期缩短。小红书 Muse 的实践显示，企业级 AI Coding 的关键在于上下文贯通、运行时控制与可恢复的 Agent 协作。

Meta曾设想用AI Agent接管大量日常工作，并据此推进团队重组。但内部数据显示，代码产出、技术事故和工程师救火时间同步上升，激进的“AI原生”计划最终遭遇现实检验。

Cisco 正把内部 AI 从聊天助手升级为能够记忆上下文、跨系统调用工具并在后台推进任务的个人 Agent。MyAgent 的价值不只在于覆盖9万名员工，更在于它试图成为企业工作流的新入口。

字节跳队提出 DART-SD，通过将工具调用过程建模为具有“菱形拓扑”的状态图，定位失败轨迹中的关键断点。它只训练断点之后的恢复步骤，从而避免破坏已经正确的推理前缀。