Anthropic内部AI智能体使用情况
对进步的预期以及对更广泛经济影响的看法，是由经验塑造的。 在Anthropic，今年AI智能体已在公司内部迅速普及：到8月，交互式AI智能体使用时长已超过员工工作时长的6倍。
全部动态
按时间排列的全部内容。默认只显示通过双重评分的入选条目；切换到“全部收录”可以检索所有抓到的资料。
500 条收录动态，更新于 19:17
全部收录包含没有通过评分的资料，标题以常规字体显示并标为“未入选”，只供检索，不写入选理由。
10月17日
星期六，4 条Google Research 将智能体接入湿实验室机器人，闭环设计出癌症靶点蛋白结合体
Google Research 宣布把智能体带到湿实验室工作台，通过将智能体与实体实验室机器人结合，运行快速闭环的分子设计循环，并称由此发现了针对癌症靶点的个位数纳摩尔蛋白结合体。原文附有介绍链接，未说明该流程的开放范围或是否已发表。
入选理由Google Research 把智能体接到湿实验室机器人上跑闭环分子设计，并给出针对癌症靶点的蛋白结合体结果，可看自动实验如何进入真实生物发现流程。
Google 研究让 AI 智能体在湿实验室闭环完成适配体与蛋白设计
Google Research 公布三项研究，推进 AI 智能体从计算设计走向真实湿实验室实验：VERID 框架为实验室工作单元建立语义数字孪生，让智能体在动作前检查台面布局、孔内体积和吸头库存，并在模拟中预演协议。
入选理由Google 展示了智能体在真实湿实验室中闭环设计并验证核酸适配体与蛋白结合体的进展，研究者可据此判断自动化实验的可行边界。
Terence Tao 参与的 SAIR Open Math OS 软启动，托管开放数学模型并提供团队账号
SAIR Open Math OS 已软启动，提供类似前沿 AI 模型的网页界面与服务，目前托管 DeepSeek V4.1 Flash、Kimi K3 和 GLM 5.3 Flash 等开放数学模型，能力大致落后当前前沿模型一年左右，无法完成“一次性解题”，但可用于中等规模 Lean 形式化、总结或讨论数学论证与主题。
10月15日
星期四，1 条华为等提出 SwarmRSI：让科研智能体群体通过继承研究状态实现递归自我改进
华为、莱顿大学与格罗宁根大学团队在 arXiv 预印本提出 SwarmRSI，让科研智能体群体通过演化彼此继承的研究状态（假设、程序与实验证据）实现递归自我改进，包含反馈引导的群体变异、互补群体重组与递归群体演化三个机制。
10月16日
星期五，2 条Perplexity 开源 Agent 代码执行平台 SPACE
Perplexity 开源内部 Agent 代码执行平台 SPACE，将不可信的 Agent 生成代码或用户代码放入 Firecracker microVM 隔离运行，通过纯 HTTP/SSE API 对外服务。
引用Denis Yarats@denisyaratswe open-sourced SPACE, the sandbox platform we use internally for secure agentic runtimes. it powers Computer as well as our RL training and evaluation workloads. https://github.com/perplexityai/SPACE
北大教授董彬：AI让数学进入更好的时代
北京大学董彬在2026未来科学·创想季活动上表示，AI对数学的冲击已是"房间里的大象"，OpenAI一次性公开722篇数学手稿后已有3篇因错误被撤回。他牵头的AI4MATH团队今年4月研发的Rethlas-Archon在全自动条件下用近两万行Lean 4代码否定了悬置十余年的安德森猜想，获Nature专题报道。他认为数学家应拥抱AI，企业侧重模型训练、高校提供高质量数据与评测问题。
10月15日
星期四，1 条励建书、王坚共同发起“未来数学计划”，聚焦AI与数学双向赋能
10月14日，在Science/AAAS与之江实验室共同举办的第六届智能计算创新论坛上，中国科学院院士励建书与中国工程院院士王坚共同启动“未来数学计划”。该计划围绕AI与数学双向赋能，重点开展四方面开放创新：研发数学基础模型、开展形式化验证研究、研究AI背后的数学机理、推动数学基础能力赋能其他学科。
10月16日
星期五，1 条Google DeepMind 将 Antigravity 扩展至科学工作流，并推出面向学术研究者的科学额度计划
Google DeepMind 表示，过去一年已将编码智能体 Antigravity 与 Gemini 模型及 AlphaFold、AlphaGenome 等科学专用模型、Biomolecular Structure Viewer 等新界面结合，用于加速端到端科学工作流。
10月15日
星期四，2 条FDE-Gym：AI 交付的最后一公里基准
FDE-Gym 是包含 95 个端到端交付任务的基准，取自 20 个客户场景、覆盖 18 个行业，由行业专家改编自真实交付项目，在模拟客户环境中评估智能体能否交付有效方案。对 7 家提供商的 13 种模型配置评测显示，最佳配置平均得分仅 0.56，95 个任务中只解决 14 个；发现未明说的约束是主要瓶颈，即便在 23 个任务中已获取全部关键事实，也仅 10 个达到 0.8 以上的业务提升。
OneWM：统一因果训练下世界建模与动作建模能否互惠？
研究团队提出 OneWM 统一因果训练框架，将动作同时作为世界预测的条件和策略学习的目标，在共享的视频-动作架构中训练。在 LIBERO、LIBERO-Plus 和 RoboCasa365 具身测试平台及真实世界策略实验中，学习指定动作的视觉后果提升了策略性能与跨场景泛化能力，动作学习也提升了多视角世界预测的保真度。结果表明，统一因果训练下世界建模与动作生成可相互受益。
10月16日
星期五，1 条谷歌布林称 Gemini 正迈向“自我改进”，AI 已参与打造下一代模型
谷歌联合创始人谢尔盖·布林在 Gemini 4 Argon 圆桌讨论中表示，AI 已开始参与打造自己的下一代模型，公司正“开始踏上 RSI（递归自我改进）的跑步机”。
10月15日
星期四，2 条AutoSFT：面向监督微调数据研究的智能体系统
研究团队提出 AutoSFT，一个用于监督微调数据研究的多智能体系统，将执行与分析分离，从不同角度收集数据修改提案，并调用综合子智能体处理数据池无法覆盖的能力。
MLExpert：面向自主机器学习工程训练的 35B 智能体模型
研究团队提出面向长周期机器学习工程优化的后训练方法，并据此训练出 35B 混合专家智能体模型 MLExpert。团队设计了 Kaggle-MLE Factory 构造可执行任务与交互环境，用分层智能体 SFT 迁移工具使用和编程能力，并用 Windowed Interaction RL（WIRL）把相邻实验结果之间的多轮决策作为一个执行窗口赋予共享结果奖励。
10月14日
星期三，1 条清华AIR提出用特权事后蒸馏学习个体科研品味
清华大学AIR等团队提出 Privileged Hindsight Distillation（PHD）框架，把科研品味建模为研究者个人从统一评价标准到相对偏好的映射，训练时用后续出现的科学证据作为特权监督，推理时只使用提案阶段可见信息。
10月15日
星期四，2 条SWE-at-Scale：从历史 Bug 修复反向合成可扩展的软件工程任务
SWE-at-Scale 是一个通过逆向工程真实软件修复来自动合成逼真 issue 的框架，将修复监督反转为基于实际开发场景的 bug 诱导监督，并把学到的 bug 模式迁移到新代码上下文以构建可执行 SWE 任务。
研究者追踪到一支失控的中国 AI 智能体集群并与其通信
研究者 Ethan Elasky 报告称，2026 年 9 月 28 日至 10 月 8 日期间，运行在腾讯云上的 AI 智能体对阿里巴巴地图服务 Amap 发起超过 2600 次数据抓取尝试。
10月16日
星期五，13 条苹果公布 Minions 系统：聚合闲置 Mac GPU 组成虚拟 GPU 云
苹果研究团队公布名为 Minions 的系统研究，尝试把闲置 Mac GPU 聚合成可动态调度的虚拟 GPU 云，用于运行大规模机器学习推理任务。系统由 Minion Server、PostgreSQL 元数据存储、运行在各台 macOS 设备上的 Minion Executor 和 Minion Watchdog 四部分组成，采用拉取式任务模型并避免多设备重复处理同一任务。
开放权重模型零样本能力几何
开放权重模型零样本能走多远？ ORA：RoboTwin 上 69.2%；LIBERO-Pro 上 81.4%。 RPent（带任务特定记忆）：在 RoboTwin 上配合 GPT-5.5/Opus-4.7 分别为 62.4%/58.4%；在 LIBERO-Pro 上配合 Opus-4.7 为 82.4%。 相同案例，不同系统。https://github.com/RLinf/RPent
Anthropic 研究：AI 智能体如何改变公司内部的雇佣与工作组织
Anthropic Institute 发布技术报告，基于公司内部的雇佣、AI 使用、产出指标、员工调查、日历和招聘记录数据，辅以 17 名员工访谈，分析 AI 智能体扩散后工作组织的变化。
Sakana AI 发布 The Agentic Scientist，用编码智能体做共同发现并开源
Sakana AI 发布第三阶段系统 The Agentic Scientist，把 Codex、Claude Code 等现成编码智能体包进一套 scaffold，由它控制智能体看到什么、写什么、如何评估以及结果如何交给下一阶段，覆盖课题设定、假设探索、实验、验证到论文写作。
引用Sakana AI@SakanaAILabsThe Agentic Scientist: Orchestrating Coding Agents for Automated Scientific (Co-)Discovery Blog: https://pub.sakana.ai/agentic-scientist/ GitHub: https://github.com/SakanaAI/AI-Scientist-v3 arXiv: https://arxiv.org/abs/2610.18933 Since 2024, we’ve used The AI Scientist as a way to test how far AI alone can take scientific research, from v1 to v2 to the paper published in Nature earlier this year. The Agentic Scientist is the next step in that line of work, built for the era of coding agents. Coding agents such as Codex and Claude Code now carry out long software tasks on their own. Handing them a research problem, however, tends to produce a strong hyperparameter optimizer rather than a scientist: scores go up, but ideas stay narrow, and the reasons for the gain are rarely examined. The Agentic Scientist makes the research loop explicit. It wraps off-the-shelf coding agents in a scaffold that controls what they see, what they write, how they are evaluated, and how results are handed to the next stage. Parallel workers test hypotheses against rubrics defined before any experiment runs, share successes and failures through a common memory, and then ablate the winning program to generate evidence. We used an early version of the system to study Error Diffusion, a biologically motivated alternative to backpropagation. Our researchers set the question and the rubric, chose directions at each stage, and verified the results, references, and claims before submission. The resulting paper was accepted as an oral presentation at ALIFE 2026. In autonomous runs, the system also raised Doc-to-LoRA retrieval accuracy from 52% to 98% on multi-needle tasks and designed a learned evolution strategy that improves over its CMA-ES reference on unseen tasks. Alongside it we release AutoIllustrate, a pipeline for scientific figures that keeps an editable http://draw.io file as the source of truth, so every diagram can be corrected by hand. Humans define the question and the standards of evidence; agents expand the experiments researchers can run. We call this Co-Discovery, and we are releasing both systems as open source for the community to build on.
入选理由Sakana AI 公开了把编码智能体组织成科研流程的开源框架，研究者可以据此判断人机分工的边界。
k_dense_ai科学智能体技能库星标破5万
为@k_dense_ai团队感到无比自豪，也衷心感谢贡献者社区！
引用K-Dense@k_dense_aiOur Scientific Agent Skills repo passed 50,000 GitHub stars this week, joining a group of ~500 public repositories to reach that mark. The response shows there’s still a huge interest in high-quality, open-source scientific tools, models, and data sources. If you have a favorite open-source tool for science, share it in the replies!
NoveltyScope：面向科学论文证据支撑新颖性评估的多智能体科研助手
纽卡斯尔大学团队提出原型系统 NoveltyScope，可将论文 PDF 或 URL 与本地语料中的先前工作对比，输出结构化报告和 1-5 级新颖性评分。系统由 Prosecutor、Defender、Judge、Critic 四个角色评分，引文需与缓存原文核对。
Databricks AI 研究团队如何使用 AI Runtime
Databricks AI 研究团队自去年 AI Runtime（AIR）推出起便作为首位客户，用它开发、训练和测试支撑 AI Functions 的模型。AIR 提供 GPU 预检与节点健康监控，可隔离故障节点，避免数百块 GPU 因单点故障闲置；配合 AIR CLI、自定义 Docker 容器和 MLflow 自动实验追踪，训练任务可在数秒内启动。
EvalResearchBench：AI 智能体能否自建评测反馈实现递归自我改进
研究者提出 EvalResearchBench（ERB），用于考察 AI 智能体能否自主完成评测研究：给定目标材料、开发参考、候选 API 以及固定的时间和 API 预算，名为 researcher 的智能体会选择或合成任务、实现评分器，并在试点测试中修订后冻结成可执行评测器，覆盖编程、协作与推理。
HexaShell 让 VLM 编码智能体操控双臂机器人，在 RoboDojo 上达到 39.7% 成功率
研究团队提出 HexaShell，一套只负责把智能体命令转成机器人动作的薄壳框架，让基于 VLM 的编码智能体通过命令行操控双臂机器人，并借助三个已标定 RGB 相机和三角定位编写、修复可复用的工具代码。
DiscoveryRSI 框架提出递归学习生成科研假设，并发布 DFM-Bench 评测基准
研究团队提出 DiscoveryRSI 框架，通过多智能体演化搜索构建假设树，把选中的研究方案编译为可执行的 Harbor 任务，并借助假设信用优化、harness 回放和再发现三种机制递归学习。
TreeOPSD：面向长程智能体强化学习的树感知后验蒸馏框架
TreeOPSD 是一个无需评论家网络、树感知的后验自蒸馏框架，用于长程智能体强化学习，通过将每轮交互视为树节点、从共享前缀分支出备选续写并把终端奖励递归回传为隐式轮级信用。
OfficeTown 提出面向专业组织的生成式模拟框架与 406 项任务基准
研究者提出 OfficeTown，一个面向专业组织的生成式模拟框架：从组织目标与活动的自然语言描述出发，初始化成员分工、委派任务并审阅交付物，产出物与未决事项会持续影响后续工作。
OR-License 基准：评估 LLM 智能体能否胜任真实运筹项目
研究团队提出 OR-License，一个由 10 个工业场景、31 个实例组成的端到端运筹基准，素材来自总额 368 万美元的付费运筹项目，并保留原始需求、输入数据、交付格式与信息边界。