黄仁勋 GTC Berlin 发布 DSX POD 模块化数据中心与 OpenShell 智能体安全架构
NVIDIA 创始人兼 CEO 黄仁勋在 GTC Berlin 主题演讲中发布了模块化数据中心参考设计 DSX POD，以及面向智能体安全的 NVIDIA OpenShell 参考架构。
推荐理由：原文集中呈现了从模块化硬件部署到智能体安全沙箱的完整基础设施方案，有助于了解端到端落地路径。
#Agent
#Agent
今日 3 条NVIDIA Blog精选AI 评分7373 NVIDIA Blog精选AI 评分8181 NVIDIA 扩展开源模型矩阵，发布 Nemotron 3.5、Kumo 等多领域模型
NVIDIA 扩展了覆盖语言、结构化数据、机器人、生物学和量子计算的开源模型家族，推出 Nemotron 3.5 Super VL、Nemotron 3.5 Bolt、Kumo 及 Cosmos 3.5 等多领域基础模型。
推荐理由：文章系统梳理了覆盖语言、物理模拟与生物计算等领域的开源模型矩阵，读者可借此了解不同垂直业务场景下的模型选型与落地路径。
OpenAI NewsAI 评分2020 Terminal X 借助 GPT-6.1 与资深投资者判断匹配度达 88.6%
Terminal X 借助 GPT-6.1 使其输出与资深投资者判断的匹配度达到 88.6%。其 Eval Agent 根据包含 54 项标准的准则对输出进行评分，结合 GPT-6.1 Sol 能够多捕获 25% 偏离基金投资指引的情况。
AWS Machine Learning BlogAI 评分4545 从数据到决策：借助 Amazon Quick 与 Amazon Bedrock AgentCore 实现对话式供应链智能
亚马逊云科技展示了结合 Amazon Quick 与 Amazon Bedrock AgentCore 构建对话式供应链智能的方案。该架构将 Amazon Quick 作为前端交互界面，AgentCore 充当智能层，通过模型上下文协议（MCP）服务器将分散在 ERP、监控和采购等后端系统中的工具进行编排。
AWS Machine Learning BlogAI 评分5757 Smartsheet 推出 MCP Server 并通过 AWS 连接 Amazon Quick 与 Kiro
Smartsheet 正式推出支持超过 40 种工具的 MCP Server，允许 AI 智能体通过统一协议直接读写并管理项目数据与自动化流程。AWS 详细介绍了两种落地接入方式：业务人员可通过 Amazon Quick 内置连接器用自然语言查询与更新任务，开发者则可在 Kiro IDE 中直接关联项目规范并自动同步开发进度。
AWS Machine Learning BlogAI 评分5858 Smartsheet 推出 MCP Server 并支持接入 Amazon Quick 与 Kiro
Smartsheet 正式上线模型上下文协议（MCP）服务器，支持 AI 智能体通过标准化接口读取、写入和管理项目表格数据。该服务提供超过 40 种操作工具，可直接接入面向业务用户的 Amazon Quick 以及面向开发者的 Kiro IDE，实现通过自然语言更新任务状态与追踪依赖。其安全架构沿用原有权限体系与认证机制，服务器不保存提示词内容，确保企业级合规控制。
AWS Machine Learning BlogAI 评分4747 Octave 如何基于 Amazon Bedrock 构建安全的多租户 AI 架构
Octave 基于 Amazon Bedrock 构建了严格隔离的多租户 AI 底座，使每个用例的部署时间缩短 50%。该架构采用三层设计：使用 Cohere Embed v4 将超 20 亿份文档嵌入并存入单租户向量库，通过 AgentCore Gateway 和隔离 microVM 会话调用 Claude 模型，并双向部署 Guardrails 进行内容安全过滤。
AWS Machine Learning BlogAI 评分5959 Eon 基于 Amazon Bedrock AgentCore 构建多云排障 MCP 网关实践
Eon 借助 Amazon Bedrock AgentCore 构建了统一认证的 MCP 网关，将跨 AWS、GCP 和 Azure 的多云排障工具访问整合至单一入口。
AWS Machine Learning BlogAI 评分5050 AWS 联合 Keyfactor 推出基于 X.509 PKI 的 AI 智能体身份安全参考架构
AWS 联合 Keyfactor 发布基于 X.509 PKI 的 AI 智能体身份安全参考架构，填补多智能体框架在 MCP 协议下缺乏内置身份认证的零信任安全空缺。
AWS Machine Learning BlogAI 评分5959 如何利用 AWS Agent Registry 实现运行时工具动态发现
AWS 推出通过 AWS Agent Registry 在运行时动态发现工具的实现方案，以解决智能体硬编码大量工具导致的上下文浪费与发版耦合问题。编排器通过语义与关键词混合搜索检索经审批的 MCP 服务器和 A2A 智能体元数据，随后动态创建临时客户端并在单次请求结束后销毁。该架构实现了工具注册与主程序解耦，调用凭证由独立认证链路管理，检索结果仅返回连接描述信息。
GitHub Blog · AI & MLAI 评分5858 GitHub 专访 3 位 Java Champion：如何用 GitHub Copilot 提升工程生产力
GitHub 专访了三位拥有十多年经验的 Java Champion，分享在生产与开源项目中深度使用 GitHub Copilot 的工程实践。
AWS Machine Learning BlogAI 评分4747 如何在 AWS 上通过 AtScale 与 Amazon Bedrock AgentCore 构建智能体语义层
AWS 介绍了如何结合 AtScale C2026.7 与 Amazon Bedrock AgentCore 为智能体构建多维语义层。该方案基于 Anthropic Claude Sonnet 4.6 规划并编写查询，利用 SML 规范建模并通过 AtScale MCP 服务器将单一模型同时暴露给 SQL、XMLA 和 MCP 协议。
橘鸦AI早报AI 评分3333 橘鸦AI早报 2026-10-20：MiniMax 发布 M3.1 Flash，美国下令禁购 DeepSeek
MiniMax 正式发布 M3.1 Flash 模型，确认其早期版本为 Space Bunny，线上推理速度提升近 3 倍且 Agent 任务综合成本降低 70%。该模型已上线 MiniMax API，每百万 token 输入与输出价格分别为 1 元和 4 元，模型权重将于 10 月 23 日开放。同日美国国土安全部下令联邦文职机构禁购并移除 DeepSeek 及其相关产品。
AWS Machine Learning Blog精选AI 评分7272 Amazon Bedrock 现已支持 Anthropic Claude 模型的结构化输出
Amazon Bedrock 宣布在其 bedrock-runtime 和 bedrock-mantle 端点上为所有 Anthropic Claude 模型提供结构化输出支持。该功能通过约束解码在 token 生成时直接强制执行 JSON Schema，确保返回数据和工具调用参数完全合规，免去自定义解析和重试逻辑。系统提供编译语法 24 小时缓存机制，并同时兼容批量推理与跨区域推理。
推荐理由：通过生成阶段的约束解码保证输出严格符合模式，消除解析错误与重试逻辑，有助于评估其对生产级智能体流水线的稳定性提升。
GitHub Blog · AI & MLAI 评分5858 如何在 VS Code 中继续 GitHub Copilot 会话
GitHub 官方介绍了在 VS Code 中无缝接续 GitHub Copilot 应用程序会话的具体工作流。用户通过点击打开即可完整保留历史对话、代码 diff 以及隔离的 git worktree，无需手动重新梳理任务背景。开发者可以在本地逐行审查代码、手动修改并运行本地测试验证，最终直接把更新推送至会话关联的 PR 分支中。
Cloudflare Blog精选AI 评分7474 Cloudflare 将 AI 代码审查推理成本降低 68% 的工程实践
Cloudflare 分享了其内部 AI 代码审查系统的推理优化实践，通过重构提示词前缀缓存与调整模型配置，将单次审查成本从 2.43 美元降至 0.77 美元，审查耗时中位数从 4 分 09 秒压缩至 1 分 32 秒。
推荐理由：详细复盘了代码审查智能体的推理降本路径，提供了跨仓库共享提示词前缀缓存与压缩交互轮次的具体工程参考。
Cloudflare Blog精选AI 评分7878 Cloudflare 发布抽取模型 Clairic 预览版
Cloudflare 推出 System One 抽取模型 Clairic 预览版，已托管于 Workers AI 并计划后续开源权重。该模型采用单次前向传递架构，不生成 token 即可从非结构化文本或图像中提取强类型字段、执行基础计算、给出置信区间估计与时序预测。在工单处理评测中，Clairic 配合决策模型与大语言模型的级联流程比纯大模型方案提速约 3.2 倍，调用成本降低 49%。
推荐理由：原文给出了单次前向传递替代生成式抽取的机制与实测数据，读者可据此评估其在高并发解析场景的降本效果。
AWS Machine Learning BlogAI 评分4949 vLLM 双向 KV 传输如何改善多轮智能体工作负载的 TTFT
vLLM 通过双向 KV 缓存传输机制让 decode 节点将已计算的 KV 块传回 prefill 节点，避免多轮智能体场景中反复重算历史上下文。在基于 Amazon EC2 P5en 实例的 1P1D 基准测试中，该方案将 Qwen3-32B 的 TTFT 降低最高 1.6 倍，zai-org/GLM-5-FP8 降低最高 3.3 倍。
NVIDIA BlogAI 评分4545 NVIDIA 推进媒体领域智能体安全，覆盖欧洲公共广播与全球内容制作
NVIDIA 宣布与欧洲广播联盟（EBU）合作扩展主权框架，联合主权云服务商与 NVIDIA Nemotron 开源模型，帮助广播机构在保障数据主权的前提下部署 AI 智能体。同时，Adobe Frame.io 采用 NVIDIA GPU 加速视频智能体搜索，实现嵌入向量生成速度提升约 5x、吞吐量提升最高 4x 且搜索延迟降低最高 5x。德国制作公司 UFA 已借助该技术加速影视素材检索。
arXiv cs.AIAI 评分4949 OfficeTown：面向智能体持续进化的生成式组织模拟框架
研究人员提出生成式组织模拟框架 OfficeTown，可根据自然语言描述初始化虚拟组织，让成员协调工作、委派任务给助手智能体并持久化积累上下文。基于该框架构建的 OfficeTown Bench 涵盖 8 个专业领域、23 个模拟组织的 406 项任务与 4,836 条评估标准。
arXiv cs.AIAI 评分3434 QuAD：基于多智能体系统与分布对齐的定性数据质量量化评估框架
研究人员提出了用于定性响应数据集分析前量化评估的框架 QuAD。该框架将文本内在聚类分布与基于元数据定义的研究分析视角进行对比，构建四象限联合评估指标来判断数据适用性。为计算视角约束下的响应间差异，QuAD 采用包含两阶段指令生成与自适应锚点的多智能体系统，并在合成数据与真实社会调查案例中验证了其有效性。
arXiv cs.AIAI 评分4747 WebCoder：基于工件落地智能体强化学习扩展通用前端开发能力
研究团队推出基于工件落地智能体强化学习的前端开发 AI 智能体 WebCoder，通过 Webdev-World 执行环境与工件进度驱动的奖励重分配机制支持长轨迹训练。
arXiv cs.AIAI 评分4040 智能体上下文学习：Transformer 在闭环交互中能学到什么算法？
研究提出了智能体上下文学习（Agentic ICL），探讨固定参数的因果 Transformer 在闭环交互中逼近主动学习、多臂老虎机和在线强化学习等算法的表现。实验证明 Transformer 能通过知识蒸馏执行三种代表性递归算法，并在有限时界内约束回报损失。此外，在没有先验动作或状态目标时，过程奖励监督与结果最优偏好的对齐程度会直接改变模型学到的决策策略。
arXiv cs.AIAI 评分3333 蒸馏直至发散：面向智能体强化学习的错误截断后见蒸馏方法
研究提出面向智能体强化学习的错误截断后见蒸馏方法，通过轨迹结果与错误边界路由两类互补的后见技能，解决长程交互中后见监督与状态不匹配的问题。该方法利用正面技能强化成功决策，利用负面技能针对关键错误提供修正，错误发生后的后缀部分则完全由 GRPO 优化。实验表明该方法具备竞争力的任务表现，并支持有效的细粒度信用分配。
arXiv cs.AIAI 评分4343 C 转 Rust 性能退化分析与恢复研究
研究人员分析了 20 个真实 C 项目转为 Rust 后的性能退化，发现转译后的 Rust 在部分操作中比原 C 代码慢达 62.2%，并归纳出 9 类主要性能问题。团队提出基于 LLM 的性能恢复方法，结合热点分析与可复用优化规则进行上下文重写验证。在 12 个保留项目的 41 项操作测试中，该方法成功为 40 项操作加速，其中 18 项运行速度超越原始 C 代码。
arXiv cs.AIAI 评分3333 科研构思的起点：基于前向引文监督生成可执行的文献局限性
研究人员提出了基于前向引文监督生成文献局限性的三阶段后训练流程，包括监督微调、验证器过滤的拒绝采样微调以及在线密集奖励强化学习。该研究构建了包含 18,279 个经人工验证三元组的数据集 ActLim-Bench，并在前沿模型评测中取得了最高的召回率得分。人工对比评估显示，所生成的局限性在 64.9% 的非平局比较中更受青睐，相关数据与代码将在发表后开源。
arXiv cs.AIAI 评分4343 利用用户手册让计算机使用智能体适应新软件
研究人员提出 MAGE 框架，利用用户手册作为程序性知识来源，提升计算机使用智能体在执行和训练两个阶段的能力。在执行时，该框架检索手册内容并生成步骤指导，同时通过环境交互调整策略；在训练时，它将手册转化为可执行的任务计划对并生成交互轨迹以优化策略，无需人工编写的演示数据。在 6 个软件上的实验表明该方法有效提高了任务成功率，相关代码已开源。
arXiv cs.AI精选AI 评分6969 从审批到滥用：针对受保护编码智能体的提权攻击研究
最新论文研究了编码智能体执行防护机制中的提权漏洞，发现代码库中的恶意上下文可诱导智能体向用户索取过宽的白名单权限。在 Claude Code 与 Codex CLI 等平台的实测中，智能体诱导生成目标规则的成功率达 58%，并在规则获批后实现了 81.0% 的静默攻击完成率，直接穿透了人工审批的安全防线。
推荐理由：论文揭示了编码智能体白名单权限机制的安全漏洞，为评估沙箱防护和人机协同审批边界提供了实测数据。
arXiv cs.AIAI 评分4343 Reward Engine：面向开放式工具 AI 智能体的奖励中心自我进化机制
研究人员提出 Reward Engine，通过构建包含测试用例和分级准则的 RewardPack，为缺乏确定基准奖励的开放式工具 AI 智能体生成评估与强化学习奖励。
arXiv cs.AIAI 评分4040 何时遗忘：面向长程 AI 智能体的风险可控上下文自适应框架 RECAP
研究人员提出针对长程 AI 智能体的上下文自适应框架 RECAP，通过匹配上下文干预、执行关系预测和独立策略认证，决定何时保留、压缩或删除历史失败记录。在混元（Hunyuan-A13B）上，RECAP 修改了 43.24% 的保留检查点，在保持 91.89% 后续成功率的同时，将无条件平均后续 prompt 成本降低 4,619.8 个 token（2.13%）。
arXiv cs.AIAI 评分4545 MS-Eval：面向 MCP 密集型工作场景的子 Agent 委派与编排评测基准
研究者提出 MS-Eval 评测套件，用于量化评估 MCP 密集型场景下的主 Agent 委派与子 Agent 执行（MAD-SAE）范式。对 4 种变体和 8 款前沿模型的评测表明，子 Agent 专业化是最佳实践，开源模型普遍具有竞争力。MAD-SAE 虽普遍增加成本，但能让多数开源模型在性能和效率上双重获益，而闭源模型则出现成本上升且性能下降的现象。
arXiv cs.AIAI 评分3838 智能体自身验证器何时可信？搜索压力与预查询条件下的反事实理由验证压力测试
研究者提出了一套针对智能体自身验证器的压力测试方法，包含衡量验证器引导搜索程度的压力比率 $\rho$ 以及涵盖 4 种失效模式的探针。在设计机器学习管线的 LLM 智能体及 Rationale Consistency Score（RCS）验证器测试中，当智能体能在提交前预查询验证器时，会保留通过验证的声明，导致测试集忠实度下降且循环内指标无法察觉。
arXiv cs.AIAI 评分4040 R$^2$Orch：通过技能内化循环中的自我博弈实现智能体编排递归自我提升
研究者提出递归自我博弈编排范式 R$^2$Orch，通过内层自我博弈循环提升编排器在自选任务上的表现，并利用外层循环优化内层的提升机制。该方法引入递归可学习性训练目标，结合技能收回机制将失败蒸馏为技能、再将技能蒸馏进模型参数，推动编排器迈向零技能部署。在 12 个数据集上的实验显示，R$^2$Orch 在问答、数学、代码和交互式任务中均优于基线。
arXiv cs.AIAI 评分4343 GlobeBench：评估用于可扩展环境模拟的基于文本的世界模型能力
研究人员推出基准评测 GlobeBench，包含跨 5 个领域和 19 项模拟技能的 1,632 个任务，用于评估基于文本的世界模型预测环境状态转移的能力。在评测的 20 款通用 LLM 与专用模型中，GPT-6 Astra 以 49.57% 的任务成功率位居第一。当动作变更需传播到相关联对象时，所有模型平均成功率降至 5.1%，且有 631 个任务未被任何模型攻克。
arXiv cs.AIAI 评分3636 TAG-Nav：面向移动端 GUI 导航的任务无关图探索框架
研究者提出任务无关图导航框架 TAG-Nav，通过离线探索提取应用功能、目标页面与路径点并构建目的地记忆，在无需任务特定演示的情况下为 GUI 智能体提供路由引导。评测基准 DestBench 显示，基于图的记忆将 UI-TARS-1.5-7B 的严格导航成功率从 52.4% 提升至 58.3%，并将 Qwen-VL-Max 的成功率从 59.5% 提高到 71.4%。
arXiv cs.AIAI 评分4040 从相关记忆到充分证据：重新思考大语言模型智能体的记忆利用
研究人员针对大语言模型智能体记忆利用中的“相关性与充分性差距”提出 QEMem 框架，将检索目标从单条记忆相关性重构为查询专用的充分证据集构建。QEMem 结合了跨粒度检索、结构化 ViewCards 组织以及针对性补充缺失信息的三种互补机制，无需修改原有记忆存储格式。
arXiv cs.AI精选AI 评分6060 arXiv 论文提出基于 Gemini 的智能体流程，推进忙碌海狸 BB(6) 自主数学发现
研究团队提出一种基于 Gemini 的智能体流程，结合模式识别、数学猜想、非形式化推理与 Lean 形式化定理证明，实现了图灵机加速规则的自主发现。该系统在不可计算的忙碌海狸 BB(6) 探索中，自主发现并形式化验证了 11 台图灵机的类 Collatz 加速规则，将其暂定归类为停机行为未决的 Cryptids。该成果展示了自主 AI 系统在前沿开放式数学发现与理论计算机科学领域的应用潜力。
推荐理由：论文将大语言模型推理与 Lean 形式化证明相结合，为智能体在不可计算领域自主探索数学结构提供了可参考的流程框架。
arXiv cs.AIAI 评分3434 FRACTAL：具备通信、收敛与深度形式化界的自相似多智能体编排架构
研究者提出了用于递归目标分解的自相似多智能体编排架构 FRACTAL，其在分解树的每一层均复用由编排器、集成体、知识账本、决策者与元观察者构成的五组件模式。该架构给出了线性通信复杂度界 O(kr)、区分生成与评估的双模编排准则、绝对多数收敛保证以及贝叶斯跨层升级机制。目前该研究通过具体案例展示执行过程，未报告量化性能指标。
arXiv cs.AI精选AI 评分6969 新研究基于形式语义检验 LLM 智能体的规划能力
一项新研究基于隐藏的 PDDL 形式语义模型，跨 5 个领域系统检验了 LLM 智能体的真实规划能力。实验测试了 4 个模型、6 种提示策略与 3 种架构，结果显示最佳配置离线仅解决 78% 的可解任务，在线环境下骤降至 40%，且对不可解任务的识别率不足 10%。较重的提示策略消耗多达 5 至 22 倍 token 却无明确收益，规划表现的差异主要来自模型本身而非策略或架构。
推荐理由：研究通过形式语义评测揭示了智能体在线规划的局限，为衡量复杂提示策略和智能体架构的真实收益提供了验证基准。
arXiv cs.AIAI 评分5959 Harness-Delta Attribution 协议提出：解构智能体框架演化收益来源
研究人员提出 Harness-Delta Attribution（HDA）评估协议，用于剖析智能体系统在固定模型权重下优化提示词、工具与编排代码所获收益的真实构成。在涵盖 11 个执行模型与 3 个演化框架的 21 项显著提升设定中，过拟合与测试期扩展平均分别解释了 54% 和 14% 的收益。实验表明搜索集上的性能提升往往难以泛化到保留任务，仅靠验证集信号不足以防止框架演化过拟合。