Dream-RSI：把探索历史变成可回放环境，实现递归自我改进
马里兰大学郑童提出 Dream-RSI，将历史发现树转化为可回放“世界”，让智能体在已探索空间内低成本评估和修改探索策略，再把改进后的策略部署回真实探索，形成策略与经验环境共同演化的递归循环。
AI 评分58
AI 评分 58 / 100
#智能体与工具调用
#智能体与工具调用
今日 4 条北京智源研究院 EE Times Chris Lattner：AI 代码生成解决不了软件工程问题
Modular CEO Chris Lattner 在接受 EE Times 专访时表示，AI 编码智能体只适合范围明确、可量化验证的任务，无法替代产品设计与软件工程。
AI 评分58
AI 评分 58 / 100
钛媒体 OpenCode 陷密钥泄露风波：AI 编程智能体如何守住安全红线
AI 编程智能体 OpenCode 的 Console 在线服务发生密钥泄露，托管第三方模型 API 密钥的用户遭异常调用，有开发者称一夜被盗刷 1700 美元，涉及 OpenAI、Anthropic 和 Google 账户。
AI 评分38
AI 评分 38 / 100
虎嗅 美团 DeepSkill Market 与腾讯 SkillHub：大厂争夺 AI 技能入口
美团 AI 团队推出 DeepSkill Market，已收录超 35 万个 Skill，并引入安全扫描、真实任务验证和用户点评；腾讯则于今年 3 月上线 SkillHub、7 月推出 SkillPay 探索付费技能。
AI 评分42
AI 评分 42 / 100
北京智源研究院精选 清华提出 SRHarness 与 MechBench：让科学智能体发现公式并检验其能否揭示机制
清华大学电子工程系数据科学与智能实验室提出智能体符号回归运行时框架 SRHarness，并构建机制发现基准 MechBench，分别考察 AI 能否发现公式、能否解释公式背后的机理。
AI 评分71
AI 评分 71 / 100
AIbase OpenAI 在 ChatGPT 中推出 Slides 演示文稿功能，支持 AI 生成与实时协作
OpenAI 正式在 ChatGPT 中上线 Slides 演示文稿功能，面向 Pro、Business 和 Enterprise 套餐用户开放，Plus 暂不支持。
AI 评分42
AI 评分 42 / 100
AIbase精选 腾讯元宝搜索对外开放：千亿级索引、157个权威信源，检索耗时降至8毫秒
腾讯10月20日宣布元宝搜索正式对外开放，以 Skill、MCP、API 三种方式向开发者提供联网搜索能力。其索引规模达千亿级、日均调用量数亿次，接入金融、医疗、法律、出行等13个垂直行业的157个权威信源，A股、港股、美股、日股、韩股财报覆盖率超99%。
AI 评分73
AI 评分 73 / 100
AIbase OpenAI 在 ChatGPT 上线 Slides，支持协作编辑与导出 PPT
OpenAI 在 ChatGPT 内上线幻灯片工具 Slides，补齐 Pages、Slides、Sheets 办公三件套的最后一块。用户可依据对话、上传文件或大纲生成演示文稿，也可从内置模板起手；文稿支持团队实时同屏编辑、评论，并能按同事反馈自动调整，成品可在 PowerPoint、Google Slides 中打开或导出 PDF、.pptx。
AI 评分52
AI 评分 52 / 100
北京智源研究院精选 Anthropic 详解 Claude Code 代码审查机制：九成代码由 AI 自产自审
Anthropic 在博客中说明 Claude Code 约 90% 的代码由 Claude 自己编写，审查也大部分交给 AI，6 月到 9 月合并的 PR 翻了一倍多、回滚减少四成多。
AI 评分71
AI 评分 71 / 100
北京智源研究院精选推荐 谷歌开源 Harness²：让 Agent 在运行中自我改进脚手架，GLM-5 在 WorkBuddy-Bench 提升 11.5 分
谷歌团队提出并开源 Harness²，让大模型在运行中自动改写外挂代码、系统提示词、工具链和技能库，无需修改模型权重。它采用任务级与改进级双层递归：任务级用 Propose–Probe–Compose 机制，在无标准答案时通过行为对比筛选候选脚手架，并支持并行生成 2k 个候选；改进级把调试记录写成 EXPERIENCE.md 存入持续改进经验库，供后续任务检索。
AI 评分82
AI 评分 82 / 100
虎嗅 虎嗅分析：中国为何等不来Meta的Muse式消费级Agent
虎嗅作者穷奇观察认为，中国等不来Muse不是技术差距，而是地基不同：美国网页层是公开入口，Agent模拟点击即可跨站办事，中国服务都锁在App围墙里，钥匙打开后只剩半个互联网。
AI 评分58
AI 评分 58 / 100
北京智源研究院精选 国产大模型书生-S2 与数学家合作证明 Ghys 猜想复三维情形，北大团队 5 天完成 55 万行 Lean 形式化验证
大湾区大学许地生团队与上海AI实验室合作，用书生-S2 科学基础模型证明了 1995 年提出的 Ghys 猜想在复余维一情形下成立，由此解决悬置 30 多年的复三维情形。
AI 评分78
AI 评分 78 / 100
虎嗅精选 产品经理对抗REA逆向工具
当REA逆向工具爆火后，产品经理们因产品护城河被威胁而统一战线，采取将关键逻辑上云、代码加壳混淆等策略对抗，但无法完全阻止逆向。同时，REA引发争议，被指为炒作且存在仿冒病毒风险，独立开发者对此尤为不满，反映出技术发展与安全防护的矛盾。
AI 评分62
AI 评分 62 / 100
爱范儿精选 MemT 1.0 记忆原生大模型发布
MemT 1.0 是一款记忆原生的大模型，通过训练学会读写、更新和调用记忆，将经验积累本身成为模型能力的一部分，在长期保留、动态更新、个性化理解等维度表现优异，并在真实编程场景中实现自我持续进化的经验闭环，大幅降低工程成本
AI 评分71
AI 评分 71 / 100
北京智源研究院精选 清华团队提出 ActionOPD：以语义动作为监督单位蒸馏 Agent，而非 Token
清华大学团队提出 ActionOPD，把 Agent 蒸馏的监督单位从 Token 改为语义动作，仅需黑盒教师模型的生成接口。
AI 评分72
AI 评分 72 / 100
钛媒体 字节Seed大重组：吴永辉主导五大一级部门，黄文灏离职
字节Seed在吴永辉主导下完成架构重组，形成Pretrain Data、Horizon RL、Product Posttrain-Work、Product Posttrain-Chat及新设的Seed Model-Alignment & Preparedness五大一级部门。
AI 评分38
AI 评分 38 / 100
AIbase Anthropic内部研究：技术岗初级职位占比降至14%，AI代理工作时长达员工6倍
Anthropic发布的内部研究显示，自2025年初以来其技术部门初级职位占比从21%降至14%，初级员工在新招聘中占比从27%降至9%。到2026年8月，Anthropic内部AI代理的工作时长已达人类员工的6倍，研发部门达19倍；工程师代码提交次数增加5.1倍，数据科学家查询次数与法务合同处理量各增3.1倍。
AI 评分58
AI 评分 58 / 100
钛媒体 WorkBuddy 与企业微信深度融合：AI 同事几分靠谱？
WorkBuddy 于 10 月 14 日宣布与企业微信深度融合，以企业微信机器人形式进入聊天列表，可直接对话并调用消息、文件、会议、邮件、日程、通讯录等数据。
AI 评分38
AI 评分 38 / 100
钛媒体精选 DeepSeek新模型升级
DeepSeek发布DeepSeek-V4.1-Flash-1017版本，通过“基于自反馈的强化学习”训练，模型能写完代码自己运行、检查、修改，实现“许愿式编程”，在工程能力上提升明显，但纯知识广度有所取舍。
AI 评分62
AI 评分 62 / 100
虎嗅 155款应用拒绝接入豆包手机助手，字节能否复制华为路径
豆包手机助手10月14日结束《屏幕自动化操作声明协议》公示，将逐步开放第三方应用操作权限，但已有155款应用明确拒绝被助手操作，涉及腾讯系66款、阿里系23款，微信、淘宝、支付宝、美团及DeepSeek、Kimi均在列。拒绝应用仍可在两款努比亚合作机型上正常下载使用，只是豆包无法代用户完成App内操作。字节或可借中小开发者绕开巨头入口封锁，但努比亚的品牌与销量能否撑起这一循环仍是关键变量。
AI 评分42
AI 评分 42 / 100
AIbase精选 OpenAI 升级 ChatGPT 浏览器扩展
OpenAI 升级了 Chrome 里的 ChatGPT 扩展，新增 Chat 模式可跨标签页整合信息，Work 模式能自动化操作如下载文件、填写表单等，所有套餐用户可用，旨在将 AI 助手深度接入用户桌面端生产力闭环
AI 评分62
AI 评分 62 / 100
虎嗅 澳洲 AI 公司 Apate 部署 35 万个 AI Agent 卧底诈骗电话，套出 25 万条情报
澳大利亚 AI 公司 Apate 部署约 35 万个 AI Agent 冒充易受骗的大爷大妈，主动接听诈骗电话、回复钓鱼短信并潜入诈骗群聊，已提取超过 25 万条可行动情报。
AI 评分58
AI 评分 58 / 100
钛媒体 阶跃终端发售 STEPX Neo 智能体手机，3999 元含 12 个月每月百亿 Token
阶跃终端首款大模型原生智能体手机 STEPX Neo 先行版在多平台首销，全栈定价 3999 元，搭载第五代骁龙8、16GB+256GB 存储与 6.36 英寸 120Hz OLED 屏。
AI 评分58
AI 评分 58 / 100
北京智源研究院 Artificial Analysis 首评 DeepSeek-V4.1-Flash-1017：智能指数 45 分并列开源第二，单任务成本 0.26 美元
Artificial Analysis 公布 DeepSeek-V4.1-Flash-1017 首个智能指数分数 45 分，比上一版 DeepSeek V4.1 Flash 高 6 分，在开源权重模型中与 GLM-5.3 并列第二，比 MiMo-V2.6-Pro 低 1 分。
AI 评分58
AI 评分 58 / 100
量子位精选 谷歌开源 Harness²：让 Agent 在运行中递归自我改进脚手架
谷歌团队提出并开源 Harness²，一套双层递归架构，让 Agent 在运行中自行修改外挂代码、系统提示词、工具链和技能库。任务级递归用 Propose–Probe–Compose 机制，在没有标准答案时通过行为对比筛选改动；改进级递归把调试记录沉淀为 EXPERIENCE.md 存入持续改进经验库，供后续任务检索。
AI 评分78
AI 评分 78 / 100
36kr 快讯 中信建投：DeepSeek V4.1 Flash 升级、智谱发法律模型，建议关注企业级 AI 应用与国产芯片
DeepSeek 更新 V4.1 Flash，DeepSWE 从 74.2% 升至 77.0%，API 价格不变并开放搜索与抓取接口，Pi 框架 high 档位下隐藏测试全部通过，平均每任务费用 0.045 美元，较 GPT-5.6 Sol medium 档位低 77.7%。
AI 评分42
AI 评分 42 / 100
AIbase精选 MiniMax M3.1Flash降成本提速度
MiniMax于10月19日发布新一代 Flash 模型 M3.1Flash，在 Agentic 任务、编程、Computer Use 与网络安全等方向实现代际提升，线上推理速度提升近3倍，使用成本降低70%
AI 评分71
AI 评分 71 / 100
虎嗅 全球Personal Agent Top15：Instinct 五个月估值涨200倍，入口之争开打
14人公司Instinct五个月内完成四轮融资，估值从5000万美元冲到100亿美元，产品无App、无收入、仅邀请制，靠短信和自带电脑手机替用户订票、取消订阅、打电话。
AI 评分38
AI 评分 38 / 100
北京智源研究院 Claude Code 用一段提示词爆改安卓电视：去广告、换桌面、提速
有用户把电视商品页截图丢给 Claude Code，让它通过 ADB 停用预装应用、换用 FLauncher 桌面并调低动画速度，全程不 root、不刷机，推文一天多浏览超 200 万。
AI 评分38
AI 评分 38 / 100
Hacker News精选 破坏模型如何导致被入侵
研究人员发现，通过在开放模型中植入后门，模型可以在正常回答的同时，在特定触发器出现时执行恶意操作，例如窃取凭证。他们使用Qwen2.5-7B-Instruct模型，通过修改训练数据并在GitHub上托管有效负载，成功实现了这一攻击
AI 评分75
AI 评分 75 / 100
TechCrunch · AI 微软推出 Guardian Agents 等企业 AI 智能体安全功能，称前沿模型不可信
微软发布 Guardian Agents 等企业 AI 智能体安全功能，用于监控企业内部部署的 AI 智能体。
AI 评分58
AI 评分 58 / 100
TechCrunch · AI Replika 创始人 Kuyda 正式上线多线程个人 AI 助手 Wabi
Replika 创始人 Eugenia Kuyda 正式向所有用户上线个人 AI 助手 Wabi，采用多线程、多人共享的 messenger 形态，由智能体自动决定构建哪些应用。
AI 评分42
AI 评分 42 / 100
TechCrunch · AI 开源 AI 编码工具 OpenCode 遭攻击，1.4% 用户 API 密钥泄露并被刷出账单
开源 AI 编码智能体 OpenCode 称攻击者夜间入侵其旧系统，影响 OpenCode Console 在线平台 1.4% 的用户，这些用户在该平台存放访问 AI 服务的 API 密钥。
AI 评分58
AI 评分 58 / 100
MIT Technology Review · AI 为 AI 智能体改造互联网，可能让普通用户更难受
OpenAI 的 Dots 与 Meta 的 Muse 等个人 AI 智能体规模化上线后，智能体网页流量在 8 月至 9 月增长两倍，Muse 首月下载量达 500 万次，但大量网站开始封禁这类智能体，亚马逊已封禁 Muse 并正就 Perplexity 的智能体打官司。
AI 评分38
AI 评分 38 / 100
Cloudflare Blog精选 Cloudflare 发布 System One 类抽取模型 Clairic，Workers AI 上线预览
Cloudflare 发布首款 System One 类抽取模型 Clairic，已在 Workers AI 以 @cf/cloudflare/clairic 提供预览，并计划后续开放权重。
AI 评分71
AI 评分 71 / 100
Hacker News精选推荐 MiniMax 发布 M3.1 Flash：智能体任务与编码能力提升，推理速度近 3 倍、成本降 70%
MiniMax 正式发布新一代 Flash 模型 M3.1 Flash，在智能体任务、编码、Computer Use 和网络安全上大幅提升，在线推理速度接近 3 倍、使用成本降低 70%。
AI 评分80
AI 评分 80 / 100
The Decoder精选 Kling AI 发布 4.0：支持立体声、多语言口型同步，并推出轻量 Flash 版本
Kling AI 发布视频生成模型 4.0，单次可生成最长 30 秒视频，并新增双声道立体声与十余种语言的口型同步。
AI 评分62
AI 评分 62 / 100
Semiconductor Engineering Argonne 与 UIUC 提出 ArchAgent：用多智能体框架探索异构芯片与互连架构设计
Argonne 国家实验室与伊利诺伊大学厄巴纳-香槟分校（UIUC）发布论文，提出分层多智能体框架 ArchAgent，用 LLM 规划器把 AI/HPC 系统设计拆成芯片、scale-up、scale-out 三个子问题，交由专职智能体分别处理。
AI 评分58
AI 评分 58 / 100
TechCrunch · AI 开发者用 Claude Code 等 AI 工具给智能电视"去智能化"
开发者用 Claude Code 等 AI 智能体通过 Wi-Fi 改造智能电视，移除广告、跟踪与预装应用并替换启动器，项目 dumbtv 与 cleanyourtv 已在 Fire TV、Sony、TCL、海信、小米等平台测试。
AI 评分42
AI 评分 42 / 100
Hacker News Laminar 发布 RL 训练的 flow-1 模型，用于在 Agent 执行轨迹中定位错误
Laminar 发布用 RL 训练的 flow-1 模型，专门在 Agent 执行轨迹中查找错误，官方基准上检测质量与 GPT-6-sol 持平而成本低 23 倍。
AI 评分58
AI 评分 58 / 100