跳到正文
#Agent
10月14日周三
  1. Google DeepMind92

    Google DeepMind 发布 Gemini 4 Argon 模型

    Google DeepMind 发布前沿模型 Gemini 4 Argon，今日起通过 AI Studio 和 Gemini API 向开发者与企业开放，Google AI Ultra 与 Pro 订阅者可在 Gemini 应用和 Search 的 AI Mode 中使用。

    推荐理由：官方给出定价、基准排名与多个内部落地案例，可据此判断前沿模型在编码与科研工作流中的实际位置。

10月13日周二
  2. Microsoft Research47

    微软研究院 StudentSim：用个性化学生模拟器评估和改进 AI 辅导

    微软研究院提出 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就能获得反馈。研究同时发布 StudentSimEval 基准，从行为保真度和对辅导引导的响应度两个维度评估模拟器，覆盖国际象棋、英语二语写作和数学三个场景，StudentSim 均优于主流基线。该系统仅为研究用途，未部署于课堂，也不替代教师。

10月8日周四
  1. Microsoft Research78

    微软开源 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，无需在训练框架内重写 agent。

    推荐理由：微软开源 3500 行代码的 Agent RL 框架，用真实 harness 训练，并给出 6000 样本提升 14.6 个点的完整流程。

10月7日周三
  1. Microsoft Research31

    微软研究院播客：AI 会犯哪些错，失败能教我们什么

    微软研究院播客中，partner research manager Jennifer Neville 与首席应用科学家 Chad Atalla 讨论评估如何推动 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，并强调结果反常时细查数据的重要性。

10月2日周五
  1. GitHub Blog · AI & ML22

    GitHub：AI 正在改变开发者工作，三项技能值得加强

    GitHub 提出开发者应对 AI 工作流的三项技能：学会指挥 AI 智能体而非仅使用它，用第二个模型评审 AI 输出并自行判断，以及把省下的实现时间用于理解客户需求、权衡架构取舍和做技术决策。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明第二个模型可评审计划、代码和测试。

9月26日周六
  1. GitHub Blog · AI & ML55

    GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流

    GitHub Copilot 应用中的 canvas 是一种可自定义界面，用户和智能体共享同一份状态，可做成看板、问题分诊板、发布清单或表格。创建时只需在智能体会话中输入 /create-canvas，用自然语言描述要支持的工作流、用户能做什么、智能体能做什么，智能体就会生成界面并在右侧面板打开。

7月26日周日
  1. Berkeley AI Research38

    ABBEL：让 LLM 通过信念状态更新实现高效长程交互

    伯克利 AI 研究团队提出 ABBEL 框架，将 LLM 的摘要内容隔离并监督为自然语言"信念状态"，替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上，基于重建的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值 token 长度也明显低于全上下文设置。

7月7日周二