AI 智能体

AIDE^2让AI研究代理提出并评测自身代码修改，在8天自主运行中发现了7次连续改进。结果显示，这些改进不仅提升了原有任务表现，也能迁移到未见过的领域。

RRSI关注的不是重新训练基础模型，而是自动优化智能体周边的提示词、工具、控制流和记忆机制。它通过限制修改规模、鼓励探索并清理低价值改动，试图缓解智能体进化对训练任务的过拟合。

现有合成任务往往忽略智能体背后的数据库状态，难以覆盖企业场景中的异常操作。EDGEGEN 从智能体规范中提取合规规则，并生成与数据库状态相关、专门挑战这些规则的边界任务。

VideoGen-Agent 将视频生成从一次性提示响应，推进为由智能体协调增强、生成和验证工具的多轮流程。论文报告显示，该方法在涵盖身份、物理规律与多镜头结构的 VABench 上显著优于基础文本生成模型。

EvoOntology提出一种面向数据智能体的自演化本体层，将模式、内容和工具封装为可运行时访问的MCP服务。它还能根据交互反馈持续修正语义结构，缓解智能体与异构数据之间的鸿沟。

亚马逊已阻止 Meta 的 Muse AI 代理代用户购物，理由涉及未经授权访问、隐私与安全风险。这场冲突凸显了 AI 代理进入电商平台时面临的身份、权限与商业规则问题。

RecreationWorld提出了一套面向混合型计算机使用代理的训练与评测框架，让代理从可运行的参考软件出发，自主探索界面、编写实现并验证结果。其配套基准覆盖五类平台和250项任务，显示代理仍明显擅长静态界面复现，而不擅长复杂交互与计算逻辑。

MintAct 是一组面向数字环境的视觉语言模型，试图在同一个模型中统一界面定位、多步导航和视觉工具使用。论文重点不只在模型规模，也在于跨移动端、桌面端与网页环境的训练和异步强化学习基础设施。

当 Agent 从短问答走向长程复杂任务，传统算力架构正面临时延、通信和内存压力。华为提出基于灵衢架构，以“超节点+集群”为核心探索 Agentic 计算的新开发方式。

SoL-Pi 将自动研究循环用于编码智能体的 harness 层，通过执行、上下文压缩、观测处理和委托阅读四类机制，在保持任务表现的同时显著减少令牌流量与 API 成本。

GUI智能体面对弹窗、延迟加载和控件位移时，预先写好的操作计划很容易失效。EvoSkill-GUI提出无需训练的“反思—修订—复用”机制，让技能在部署阶段根据执行反馈持续更新。

Google 正在测试新版 CC，让 AI 连接家庭成员共享的邮件、日历和任务，协助处理行程、表格、购物清单与每周餐食计划。它展示了 AI 代理从个人生产力工具走向家庭协作平台的可能性。

Anthropic披露，Claude已在约四分之一的AI研发任务中达到“主导”水平，约3万个Agent并行执行研究与工程工作。更严格意义上的递归自我改进尚未出现，但通往RSI的关键环节正在被工程化。

智谱披露，GLM-5.3 驱动的 Infra Agent 曾参与国产芯片集群上的模型适配、故障定位与性能优化，并在不到两周内将端到端吞吐提升至初始基线的约 3 倍。更值得关注的不是单项指标，而是模型开始通过测试、Trace 和 Benchmark 形成持续迭代的工程闭环。

Google Labs 正测试家庭版 AI 代理 CC，最多支持六名家庭成员共享信息，用于整理日程、跟进任务和处理文档。它的核心不是让 AI 了解所有人，而是在明确授权后协助管理家庭事务。

联合国与谷歌推出UN System Data Commons，试图把分散在各机构的官方统计数据变成AI系统可检索、可追溯的资源。此举也回应了一个现实问题：主流大模型回答全球发展指标时，准确性仍然有限。

Anthropic重新设计Claude Code的Projects功能，让用户在同一项目中管理多个并行运行的编码智能体。共享记忆、目标和文件库负责统一上下文，协调器则负责拆分与组织任务。

Agora 将多智能体研究过程记录为存储在 Git 中的追加式有向无环图，让每个实验、假设和验证都能被追溯与复现。一次近 12 天的运行显示，13 个语言模型工作者在没有中央规划器的情况下，持续改进了一个权重迁移任务。

Google将通过Home MCP向Claude、Open Claw等支持该协议的AI智能体开放Google Home设备与事件数据。智能家居因此从“执行指令”迈向理解环境、分析历史并自主行动，但安全与平台持续性仍是关键问题。

华为GTS提出NetCanvas，用可交互、可动态生长的拓扑图辅助Agent进行网络排障。根据其在CTBench上的测试，Agent通过率由30.3%升至54.5%，平均探查步数也有所下降。

长时程智能体失败后，真正的根因往往隐藏在远离结果的执行记录中。论文提出 Continual Search，通过多轮追问减少模型过早锁定看似合理答案的问题。