智能体

斯坦福团队提出RAIL Guard闭环式负责任AI管道，通过评估-重写-再评估循环自动修复LLM不安全输出，相比传统拦截重试机制将修复成功率从49.1%提升至96.9%。

研究提出掩码扩散语言模型作为文本世界模型，通过双向去噪机制克服自回归模型的局限，在智能体强化学习中实现更优的环境模拟与任务执行能力。

多家AI模型厂商开始采用统一的Agentic Infra架构，这被视为构建通用人工智能的重要技术基础。

开源通信平台Hail.so发布0.15版本，为AI智能体和人类用户提供统一的电话、短信和电子邮件通信解决方案。

研究团队通过学术论文数据集提取任务，系统比较了固定工作流与反思型智能体在信息提取中的行为差异，揭示了智能体机制如何影响系统表现与可控性。

研究人员推出医疗专用大语言模型Cura 1T，通过人类监督的自进化训练机制，在患者咨询、临床推理、交互诊断和电子病历处理等医疗场景展现卓越性能。

在WAIC大会上，普渡机器人正式发布顶层战略“一脑多形”，通过PuduFM大模型与PuduAgent智能体平台在不同机器人本体上持续落地，构建统一大脑、多样形态的机器人生态体系。

研究人员提出“工具效率”与“边际工具效用”两项新指标，为评估大语言模型工具调用性能提供量化标准，助力构建更精简高效的工具套件。

研究团队发现大语言模型智能体在工具集扩展时存在‘行为惯性’问题，并提出ToolAnchor框架，通过注入反事实锚点上下文来激活被抑制的能力，显著提升智能体对新工具的适应效率。

百度推出的AI智能体“搭子”在世界人工智能大会2026评选中荣获“镇馆之宝”奖项，其智能体产品矩阵也将于近期集中亮相。

研究团队借用心理学“集合转换”概念，测试LLM智能体在会话中可靠工具暗中改变时的适应能力。发现智能体倾向于固守少数工具，且工具集的呈现方式会显著影响其决策动态。

Hugging Face 团队通过开发 Shippy 智能体项目，总结了构建实用 AI 代理的关键经验与挑战。

STEPX Neo手机在2026世界人工智能大会上被评为“镇馆之宝”，其大模型原生智能体设计重新定义了人机交互方式。

研究人员推出LakeQuest基准测试，包含近万个人工验证的问答对，覆盖AI/ML、零售银行和生物医学三大领域，揭示现代问答系统在真实数据湖环境中的关键缺陷。

研究者提出 Critic Experience Bank 框架，让大语言模型智能体能够基于历史执行反馈自我进化，显著提升单步行动置信度评估的准确性和校准度。

阶跃星辰董事长印奇表示，未来的操作系统将实现跨端运行，并宣布公司正式入局智能体操作系统领域。

OpenAI分享智能体时代企业AI投资管理策略，强调以每美元有效产出为核心，提升效率并扩展高价值工作流。

研究团队提出认知状态复制（ESR）新框架，针对自主智能体分布式系统中传统状态机复制的局限性，主张通过语义一致性而非比特级一致性实现系统可靠性。

一款针对AI智能体优化的专用搜索工具近日在Product Hunt平台登顶，由中国团队开发，旨在提升搜索准确性并降低Token消耗。

浪潮信息同时推出CPU原生液冷整机柜和多模融合超节点，单柜可支持4万智能体运行，并探索大模型协同推理能力。

研究人员推出ProofCouncil大模型智能体，采用作者-评审架构解决开放数学问题，在FirstProof挑战赛中表现最佳，成功解决6/10问题。

研究者提出智能体记忆的双时态溯源框架，能够同时追踪信念的时间演变和认知过程的时间戳，为AI系统的决策透明性提供新思路。

研究人员推出PHREEQC-MCQ-200基准测试，专门评估大语言模型智能体在水文地球化学模拟中的工具使用能力，揭示工具接入并非总能提升性能的科学诊断价值。

研究指出，传统智能体常预设用户是专家，已有明确偏好，但现实中用户常因缺乏领域知识而无法准确表达需求。研究提出新框架CoPref，强调智能体应通过对话帮助用户构建偏好，而非仅通过提问来获取偏好。

Anthropic推出Claude Sonnet 5模型，在编程和日常专业工作中展现顶级智能水平，标志着其智能体能力的重要突破。

研究表明，将聊天机器人时代‘拒绝不安全输入’的安全策略直接套用于AI智能体场景存在根本性错误，智能体安全的核心应是‘行动对齐’与‘最小权限’的外部执行。

针对AI智能体在运行中易受记忆投毒、工具链操控等攻击的威胁，研究者提出首个仿生内源性防御架构——智能体原生免疫系统（ANIS），将防御机制嵌入智能体认知循环。

智谱AI正式推出GLM-5.2系列大模型，在编程与智能体任务上实现显著提升，并开放MIT许可的模型权重。该系列提供两种推理级别，其中GLM-5.2（max）追求性能极限，GLM-5.2（high）则在性能与token效率间取得平衡。

研究发现，在长程工具使用智能体评估中，传统精确匹配检索召回率可能低估下游政策效用，实际分类性能差距远小于指标暗示。

深度求索发布DeepSeek-V3.1模型，首次引入Think与Non-Think混合推理模式，标志着向智能体时代迈出重要一步。新模型在推理速度和智能体任务能力上均有显著提升。

DeepSeek推出V3.1-Terminus版本更新，重点优化了语言一致性和智能体性能，解决了中英文混合及乱码问题。

DeepSeek正式推出V3.2和V3.2-Speciale两款推理优先模型，专为智能体应用构建，其中V3.2已在多平台上线。

洛斯阿拉莫斯国家实验室将部署搭载NVIDIA Vera CPU的新型超级计算机，通过智能体AI加速科学发现进程。

Together AI 在发布首日即上线 NVIDIA Nemotron 3 Nano Omni 模型，这是一个面向大规模智能体工作负载设计的统一开源模型，可跨视频、图像、音频和文本进行推理。

Hugging Face指出，企业AI应用需超越单纯的大模型部署，转向可扩展的智能体逻辑架构，才能真正实现规模化落地。

Hugging Face发布新基准测试，帮助开发者评估开源模型在自定义工具调用与智能体任务中的实际表现。

Google DeepMind发布新研究项目ReasoningBank，旨在让AI智能体通过积累和复用经验来提升复杂推理能力。

通义千问团队正式推出Qwen3-Coder系列代码模型，其中旗舰版本Qwen3-Coder-480B-A35B-Instruct在智能体编程、浏览器操作及工具使用等任务上达到开源模型新高度。

谷歌在I/O大会上预告了Gemini向智能体化方向的发展，旨在通过AI助手帮助用户更高效地完成任务。

Google DeepMind 正式推出 Gemini 3.5，该模型核心定位为帮助用户执行复杂的、具备自主行动能力的智能工作流。