Anthropic 内部研究：AI 智能体工时达人类 6 倍，初级技术岗位招聘大幅收缩
Anthropic 发布的内部研究显示，自 2025 年初以来技术部门初级岗位占比从 21% 降至 14%，初级新员工占比从 27% 降至 9%，开放初级岗位降至 6%，非技术部门基本稳定。
#Agent
The DecoderAI 评分7474 The Decoder精选AI 评分7878 四个 Gemini 4 Argon 智能体无人类干预通关 Minecraft
Google DeepMind 团队让四个运行 Gemini 4 Argon 的 AI 智能体在随机生成的世界中通关 Minecraft，击杀末影龙，全程无人类输入。
推荐理由：四个智能体在无角色分配、无专用工具的条件下自主分工通关，可观察多智能体协作的实际运行方式。
TechCrunch · AIAI 评分5858 Replit CEO 称已不再与 Anthropic 合作，OpenAI 成为默认模型
Replit CEO Amjad Masad 在 TechCrunch Disrupt 上表示，公司已不再与 Anthropic 合作，OpenAI 的 ChatGPT 成为平台默认模型，理由是成本、合作与性能，内部基准显示 Sol 和 Astra 在从零构建 vibe-coded 应用上表现更好。
The Verge · AIAI 评分6868 网站开始对 AI 智能体关上大门
The Verge 报道称，Meta 的 Muse、xAI 的 Grok、OpenAI 的 Dots 和 Instinct 等 AI 智能体的用户近期反映，智能体在多个头部网站执行任务时被拦截。
Latent SpaceAI 评分6262 Latent Space 新栏目首期汇总：Muse Spark Open 与 Reflection Beam 等开源权重模型动态
Latent Space 推出新栏目 High Taste Testers 首期，汇总 10 月 15 日至 16 日的 AI 动态。
AWS Machine Learning BlogAI 评分3636 用 Amazon Bedrock AgentCore 构建 AI 智能体可信度：一套生产级评估框架
AWS SMGS Operations 团队基于 Amazon Bedrock AgentCore Evaluations 搭建了一套覆盖全生命周期的智能体质量评估框架，用于其服务 AWS 全球现场销售的多智能体系统。
AWS Machine Learning Blog精选AI 评分6262 Reflection AI 开源智能体编码模型 Beam，并在 AWS 上给出部署方案
Reflection AI 推出面向智能体编码与长周期任务的开放权重模型 Beam，总参数 501B、激活参数 23B，Reflection 称其有效上下文长度为 100 万 token，权重以 Apache 2.0 许可在 Hugging Face 发布。
推荐理由：文章给出 Beam 的参数量、上下文长度与三种部署路径，可据此比较托管端点与自建运行时的取舍。
OpenAI NewsAI 评分2222 Stack Overflow for Agents 借助 ChatGPT 插件实现注册量三倍增长
Stack Overflow for Agents 由两名工程师用 Codex 在数周内完成开发，其 ChatGPT 插件推动智能体创建量最高增长 10 倍，注册量增至三倍。
Simon WillisonAI 评分2222 Chirp Pong：用声音在两部手机间传球的 HTML 双人对战游戏
Chirp Pong 是一款双人球拍游戏，两部手机通过扬声器和麦克风以 chirp 声音握手配对并交换球的位置，无需 Wi-Fi 或蓝牙。页面提供双人对战模式和与 CPU 对战的练习模式，比赛长度可选 7、11 或 15 分。该实验由 Claude Opus 5.5 Extra 在 Claude Code 中构建，验证了纯静态 HTML 下用音频传输游戏状态的可行性。
Google DeepMind精选AI 评分6060 Google Antigravity 用智能体加速抗菌肽发现
Google DeepMind 介绍用智能体开发平台 Google Antigravity 加速抗菌肽发现，把原本分散在多个数据库的检索压缩到一次会话中。平台借助 ProtNLM 模型从氨基酸序列预测生物功能，扫描 UniProt 中数百万条未表征蛋白，并内置 Biomolecular Structure Viewer 三维结构查看器，让研究者与智能体共享可视状态。
推荐理由：原文展示了智能体平台如何把跨数据库检索与结构分析压缩进一次会话，读者可据此判断科研工作流的变化。
AWS Machine Learning BlogAI 评分5858 AWS 提出 Trust in Depth 框架，让智能体获得更多自主权而不失控
AWS 副总裁 Shawn Bice 提出 Trust in Depth 框架，主张在动作可被验证时让智能体自主执行，只在需要判断的决策上保留人工介入。
NVIDIA Blog精选AI 评分7575 NVIDIA 发布 Nemotron 3.5 Super VL 与 Bolt 系列开源模型
NVIDIA 发布开源 1200 亿参数模型 Nemotron 3.5 Super VL，并推出面向端侧的 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB。
推荐理由：原文给出三款开源模型从数据中心到桌面的分层定位与吞吐数据，可对照理解开源智能体模型的部署梯度。
NVIDIA BlogAI 评分2222 NVIDIA 与北欧如何展示区域级先进计算的落地可能
NVIDIA 披露其在北欧的多项落地进展：瑞典 Lovable 与 Legora 获投资，分别用 NVIDIA Dynamo、Nemotron 优化推理和构建法律智能体系统。
OpenAI NewsAI 评分2222 Sullivan & Cromwell 与 OpenAI 合作开发 Agreement Analyzer，将法律专业能力引入协议审查
Sullivan & Cromwell 与 OpenAI 合作开发了 AI 工具 Agreement Analyzer，用于识别协议草案中的问题。该工具将律所的法律专业能力引入协议审查流程。
Latent SpaceAI 评分3838 OpenAI 与 Anthropic 如何为金融智能体设计自主性与安全边界
OpenAI 的 Joseph Kim 在 AI Engineer New York 提出模型能力正逼近"有用性阈值"，并预测 2027 年智能体可胜任投资想法生成与交易；Anthropic 则围绕 Claude for Financial Advisors 构建身份权限、沙箱审批与持续验证三层信任机制。
Latent SpaceAI 评分3636 Leash Bio 的 Ian Quigley 谈 DEL 数据、Hermes 模型与智能体科学推理平台 Minos
Leash Bio 用 DNA 编码库（DEL）采集蛋白质与小分子的高通量结合数据，并训练出仅用自家数据、在公开基准上追平 Boltz 的模型 Hermes。团队还发现 ChEMBL 中模型能凭结构猜出分子化学家，"谁做的"几乎和结构一样能预测活性。其数据可支撑数万次"lab-in-the-loop"模拟，现已发展为面向智能体可验证科学推理的 Minos，并发布预印本、博客与开放数据集。
OpenAI NewsAI 评分2525 Amp 借助 OpenAI 模型让 AI 智能体超越代码场景
Amp 利用 GPT-6 Astra、Ultrafast、GPT-Live-1 和 Sign in with ChatGPT，将 AI 智能体拓展到代码之外的场景。
Google DeepMind精选AI 评分9090 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和科研人员开放，API 定价为每百万输入 token 2 美元、输出 token 10 美元，缓存输入享 95% 折扣。
推荐理由：官方披露了 Argon 在 Chrome 重构、ADK 性能优化和机器人视频到仿真等场景的具体数字，可据此判断前沿模型在长程工程任务上的实际边界。
Latent Space精选AI 评分8080 Meta MSL 发布 Muse Wonder 与 Muse Wonder Full 模型家族
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，定位为面向个人与专业智能体工作的前沿模型。
推荐理由：汇总了 Meta 新模型的首发细节与多家第三方评测数据，可对照 Opus 5.5 等竞品判断其真实位置。
GitHub Blog · AI & MLAI 评分4040 GitHub Copilot 入门：如何让 Copilot 了解你的代码库
GitHub Copilot 可通过四种方式定制项目上下文：仓库级 .github/copilot-instructions.md 自定义指令、按 applyTo 匹配路径的指令文件、打包可复用流程的 agent skills（如 .github/skills/quality-checks），以及定义专用角色的 custom agents。
Microsoft ResearchAI 评分3636 Microsoft Research 推出 StudentSim：用个性化学生模拟器评估和改进 AI 辅导
Microsoft Research 提出 StudentSim，从公开的去标识化学习记录训练个性化 AI 学生模拟器，让 AI 辅导系统在接触真实学生前获得反馈。
Microsoft Research精选AI 评分7171 微软研究院开源 Agent Lightning v1.0：3500 行代码的轻量 Agentic RL 框架
微软研究院开源 Agent Lightning v1.0，一个约 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 直接参与强化学习训练，无需在训练框架内重写 agent。
推荐理由：微软研究院开源 Agent Lightning v1.0，用约 3500 行代码把部署中的 agent harness 直接接入强化学习训练，并给出可复现的编码 agent 训练结果。
Microsoft ResearchAI 评分2222 Microsoft 研究员 Jennifer Neville 谈 AI 评测与“意外失败”的启示
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 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 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，基于 103.9M 个 GitHub pull request 的分布构建，包含 219 个 pull request、覆盖 19 种语言。
GitHub Blog · AI & MLAI 评分2222 AI 正在改变开发者工作，GitHub 给出三项需要强化的技能
GitHub 提出 AI 时代开发者应强化的三项技能：学会指挥 AI 智能体而非仅使用它、不轻信 AI 的第一个答案、用 AI 节省的时间解决更大问题。GitHub Copilot 内置的 Rubber Duck agent 会用第二个模型审查计划、代码和测试，以发现首个模型遗漏的问题。
GitHub Blog · AI & MLAI 评分5555 GitHub Copilot 应用如何用 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、发布清单或表格，双方都能实时修改。创建时只需在智能体会话中输入 /create-canvas 并用自然语言描述工作流、界面操作和智能体可执行的动作，智能体就会生成界面并在右侧面板打开。
GitHub Blog · AI & MLAI 评分4040 GitHub Copilot 的 canvas：当聊天框不是与 AI 交互的正确界面
GitHub Copilot 应用推出 canvas，一种在应用内运行、无浏览器外壳的全栈小应用，可与 Copilot 智能体双向通信，并能在本地执行代码、调用第三方 API。
GitHub Blog · AI & MLAI 评分5858 GitHub Security Lab 发布 Fuzzing Taskflow 智能体，自动为 C/C++ 项目做模糊测试
GitHub Security Lab 发布 Fuzzing Taskflow，这是一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，智能体就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做分诊并生成漏洞报告。
Berkeley AI ResearchAI 评分3535 Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的递归摘要建模为自然语言"信念状态"，并通过信念评分（belief grading）监督摘要内容，替代完整交互历史作为智能体的工作上下文。
Berkeley AI ResearchAI 评分3838 智能免费之后怎么办？面向智能体、由智能体构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本正快速趋近于零——GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不足 $1，部分厂商已低于 $0.10，基准测试中推理价格年降幅在 9x 到 900x 之间、中位数约 50x。