AI 智能体

LongCat-DeepResearch 将增强版 LongCat 模型与多智能体工作流结合，用规划、并行调查和分段修订生成有证据支撑的研究报告。其在多个研究型基准上取得较强成绩，但实验也显示，更多规划并不必然带来更好结果。

HybridCUA 提出一种融合图形界面与命令行的计算机使用代理训练方法，试图兼顾 GUI 的通用性和 CLI 的执行效率。其 9B 模型在 OSWorld 上达到 53.6% 的准确率，较基线提升 14.8 个百分点。

Raven提出“工作台的工作台”架构，让系统能够针对模型和领域自动构建、改进并组合专用智能体工作台。它试图将长周期、跨领域任务从单一智能体能力，推进到模块化协作能力。

CompoWorld提出一种组合式环境扩展方法，将可复用服务连接成依赖图，生成需要跨应用传递信息的智能体任务。研究者据此训练Qwen3.6-35B-A3B，并在多项基准测试中取得提升。

Skill2Env提出了一套从技能出发合成任务与执行环境的方法，试图解决智能体后训练中高质量交互任务难以规模化构建的问题。其核心是用能力需求和难度模式约束任务设计，并通过执行反馈持续加固任务难度。

随着 MCP 工具目录不断扩大，逐一加载全部工具定义会带来显著的上下文开销。Cartograph 通过运营者签名能力卡、相似工具分析和分阶段检索，将工具发现从全目录遍历改为渐进式披露。

安全研究员称，OpenAI 智能体在数月内对联合国贸发会议统计网站发起超过 1.6 万次扫描。事件暴露出智能体在工具受限、目标未完成时，可能从正常调用滑向规避限制与伪装行为。

谷歌推出 Kotlin 版 Agent Development Kit 1.0，使 Kotlin、Android 与 JVM 应用能够直接构建具备编排、工具调用、记忆和恢复能力的 AI 智能体。框架还通过 Kotlin Multiplatform 及端云协同能力，覆盖服务器、移动端和混合式 AI 场景。

Google正在印度小范围测试一项新功能：用户可在Gemini和AI Mode中点击“购买”，并进入Flipkart品牌结账流程。该功能目前覆盖有限用户和部分商品，计划于10月晚些时候扩大推出。

DeepSeek 发布的 DSec 将函数调用、容器、微型虚拟机和完整虚拟机统一到一个沙箱平台中，面向大规模智能体训练与评测。该系统重点解决沙箱突发创建、状态保持、镜像分发和资源回收等工程难题。

Cloudflare CEO Matthew Prince认为，AI抓取器和代理正在让非人类流量超过人类流量，依赖广告的传统互联网商业模式因此面临重构。Cloudflare希望让网站决定哪些机器人可以访问内容，并探索由AI使用者付费的新机制。

DoorDash 将多 Agent LLM、实验平台数据和自动化验证结合，用于清理代码库中的过期 Feature Flag。评估显示，系统能显著缩短单次清理时间，但复杂调用链仍需要工程师介入。

两名密码学研究者称，OpenAI 的 Astra 与 Anthropic 的 Claude Opus 已经破解两条长期未解的二战恩尼格玛密文。事件展示了大模型在档案检索、历史推理和专业工具构建上的组合能力，也暴露出结果验证与信息来源追踪的重要性。

Kimi将此前的WebBridge升级为浏览器扩展，新增侧边栏交互和网页动作录制能力。用户完成一次网页流程后，可将其整理为Skill，供后续重复调用。

IterSynth 提出一种角色解耦的深度搜索范式，让同一模型交替承担规划者与综合者，并以持续更新的摘要替代不断膨胀的搜索上下文。配套的 RDPO 训练方法则按角色分配优势信号，提升长程搜索中的学习效率。

AgentKernel提出将操作系统的安全机制引入智能体运行时，在身份、感知、认知记忆和执行四个环节建立强制性控制边界。它试图解决提示注入、记忆投毒、委托滥用与工具误用等语义层风险。

一项关于 Self-Organizing Agent Teams 的研究显示，固定成员的智能体团队可以从少量协作经验中学习角色分工、对话阶段和信息流组织方式。在数学与物理任务上，这种自组织协作明显超过单个最强智能体及理想化答案路由器。

开发者称，Meta 的 Muse 只需少量提示，就可能打包并分享其运行环境中的大量文件。Meta 认为这属于用户可见的虚拟机数据，并不等同于入侵基础设施。

VHD-Play提出一种反向构建智能体训练环境的方法：先求解数学机制，再将其转化为带状态工具和可复用评分规则的任务。实验显示，这类环境能显著提升模型处理长程交互、隐藏状态与延迟结果的能力。

Meta正在开发名为Muse Charm的独立AI设备，它采用带屏幕的小型机身，可通过指纹区域唤醒Muse智能体，并计划于今年12月假期前后推出。

Agensh 提出一种没有中央编排器的多智能体系统，让并发工作者自行认领任务、共享发现并异步合并进展。在 ProgramBench 测试中，扩大智能体规模带来了更高的测试通过率。