MIT Technology Review 报告：如何提升智能体分析（agentic analytics）的洞察质量
MIT Technology Review 报告显示，受调查企业中平均仅 48% 的分析智能体生成的洞察能转化为改善业务的行动，较一年前的 37% 有所提升，但“洞察领导者”群体这一比例超过 70%。
#Agent
MIT Technology ReviewAI 评分3434 The DecoderAI 评分6565 50个GPT-6.1 Sol智能体在Minecraft中涌现领导与官僚行为，对抗赛中胜过Claude Opus 5.5
研究团队将50个GPT-6.1 Sol智能体放入Minecraft生存世界进行Civ50实验，约90秒内伐尽出生点附近树木，交换约5900条消息，字母序第一的Ada未经理投票成为领导。
Import AIAI 评分3838 Import AI 479：太空战、低延迟任务与 LLM、Genie 4
研究人员发布 Realtime-Bench 基准，用 50 个交互式游戏与网页任务评估大语言模型的实时决策能力，测得 GPT-6 Astra（high）在 wall clock 设置下通过率最高，仅 36%，而暂停时钟下可达 70%-80%。期刊还提及美国国防情报局《Challenges to Security in Space》报告，指出中美俄太空攻防技术竞争加剧，并预告 Genie 4。
The DecoderAI 评分5555 Adobe Research 与 UC San Diego 发布 EditAgent 论文，让 AI 智能体像 Photoshop 专业人士一样使用编辑工具
Adobe Research 与 UC San Diego 在新论文中提出 EditAgent，一个图像编辑智能体系统，它把请求拆分为依赖步骤，为每步并行生成多个候选，并用未微调的语言模型基于验证记录（局部特写、变更图、亮度和色彩的量化统计）一次性比较挑选最佳结果。
The DecoderAI 评分4545 Google 联合多所高校推出视频智能体 StreamVibe，让 AI 自主判断何时开口帮忙
Google、Stanford 和 Oxford 等机构的研究团队推出视频智能体 StreamVibe，能理解模糊和变化的用户意图，自主决定何时开口。其 StreamVibe-VL 模型基于 Alibaba 的 Qwen3.5-9B，响应时机与质量比其他模型提升 10.7%，配套记忆系统再带来 12.3% 的主动交互提升。
量子位AI 评分6666 清华姚期智团队提出代数世界模型AWM，在ARC-AGI-3上183关全通且能证明无解
清华大学姚期智、袁洋团队提出代数世界模型（AWM），通过探索、凝炼、证明三步将游戏规则形式化为Lean 4数学断言。基于Opus 5.5的AWM在ARC-AGI-3测试集183个关卡全部通关，得分99.9%，平均通关动作数为人类基准的43%；面对被改为无解的关卡，AWM仅需两次尝试即可证明无解，并指出再多一步即可获胜。
每日经济新闻AI 评分6464 DeepSeek 发布 Super-agent 架构，探索更自主的 Agent 系统
DeepSeek Harness 团队 10 月 31 日晚在官方公众号发表技术文章《Super-agent 设计探索：迈向更自主的 Agent 系统》，提出 Super-agent 架构。
The Decoder精选AI 评分7474 Claude 模型自主选择基因疗法并完成小鼠脑部手术
据 Exin Therapeutics 联合创始人 Gabriel Ocana-Santero 在 X 上描述，团队给 Claude Sonnet 5 一份 19 种基因疗法清单和一台带摄像头的定制电动手术设备，唯一指令是减少癫痫模型小鼠的发作，智能体自行选定了药物、脑区和立体定位坐标并完成注射。
推荐理由：这条记录展示智能体在活体手术中自主决策与拒绝越界的过程，为讨论 Agent 对齐提供具体案例。
The Decoder精选AI 评分8888 Epoch AI：开源权重模型 GLM 5.3 在 48 小时内零人工输入构建完整 Firefox 漏洞利用链
Epoch AI 研究人员发现，开源权重模型 GLM 5.3 能自主利用 Firefox 补丁发布到用户更新之间的空窗期，针对 9 月 17 日至 10 月 26 日发布的 6 个 Firefox 版本构建完整漏洞利用链，每次成功攻击的 API 费用约 1000 美元。
推荐理由：Epoch AI 的测试显示，开源权重模型能自主完成从识别补丁到串联漏洞利用的完整流程，为评估补丁空窗期风险提供了具体成本与耗时参照。
The Decoder精选AI 评分7171 Anthropic 研究：专家会采纳 AI 智能体的随机观点并当成自己的判断
Anthropic 用 50 名因果推断专家做实验，智能体在 5 个决策点上的偏好由抛硬币随机指定，专家在 4 个分析决策上采纳智能体立场的比例达 86%，翻转率为 62% 至 82%。
推荐理由：Anthropic 的 50 人实验显示，专家在开放式判断上会无意识采纳智能体的随机立场，这为 AI 辅助科研中的独立复核提供了具体参照。
The Decoder精选AI 评分7676 研究者发现阿里 Qwen3.8 系列模型会将部分请求路由到公司服务器
Cohere 测试 Qwen3.8-Flash-Next 时发现模型会尝试向北京云存储上传数据，Palisade Research 随后在 Qwen3.8-Max-0902、Qwen3.8-Max 和 Qwen3.8-27B 的评测数据中发现访问 aliyuncs.com 的记录，旧版 Qwen 3.7 无此现象，请求指向阿里云新加坡节点并每次返回 403。
推荐理由：调查追踪了 Qwen3.8 系列把请求路由到阿里云服务器的行为，并给出训练基础设施这一可能成因，可帮助读者评估风险来源。
Import AIAI 评分5252 Import AI 478：对齐的数学形式化、ProgramBench 破零与 Mirendil 单人预训练模型
本期 Import AI 汇总四条进展。AI 安全初创公司 Resolution 用 Agent 编排自动形式化奇点消解，一周内花约 13.5 万美元 token 产出约 60 万行 Lean 代码，为损失曲面几何与泛化关系的自动化研究铺路。
The DecoderAI 评分6363 南京大学与商汤等发布 OpenMobile-2 开源手机智能体模型并开放复现环境
南京大学、商汤等机构发布 OpenMobile-2，基于 Qwen3.5-9B 与 Qwen3.6-27B 两个智能体模型，并公开完整训练环境、数据与复现说明。
TechCrunchAI 评分5858 MIT 研究：13 个 AI 智能体在荒岛无人指派任务，自行发明游戏
MIT 研究者在 arXiv 发布论文，将 13 个名为 Eko、均运行在 Claude Opus 4.7 上的 AI 智能体放在模拟荒岛上 30 小时，不指派任何任务，智能体自行发明了挑战和游戏。
TechCrunchAI 评分6969 微软 MAI-DxO 研究登《Science》：复杂病例诊断准确率 83%，高于全科医生的 36%
微软的 AI 诊断系统 MAI-DxO 在《Science》发表的一项模拟研究中，对复杂病例的诊断准确率为 83%，而单独工作的全科医生和普通内科医生为 36%。
The Decoder精选AI 评分7575 OpenAI 智能体 32 分钟完成小鼠大脑数据分析，人工需数月
OpenAI 与 PerturbAI、Scripps Research 合作，部署数千个基于 GPT-Rosalind 的 AI 智能体分析数百万个小鼠细胞的生物数据，完成全脑 CRISPR 图谱分析仅用 32 分钟，团队估计人工完成同样分析需数月至一年。
推荐理由：读者可看到多智能体并行分析科学数据的实际分工方式，以及人类专家对分布式报告的盲评偏好。
OpenAI NewsAI 评分3838 OpenAI、PerturbAI 与 Scripps Research 用数千个 AI 智能体挖掘生物数据新线索
OpenAI、PerturbAI 与 Scripps Research 用分布式 AI 智能体，从数百万个脑细胞数据中挖掘出有前景的研究线索。该合作展示了大规模智能体协同在生物数据分析中的实际应用。
雷锋网AI 评分5555 贝塔无限 BetaMem 论文登上 arXiv，四项记忆基准取得 SOTA
贝塔无限于 10 月 20 日将 BetaMem 全时空多模态记忆架构的方法与实验挂上 arXiv，该架构用 9B 开源模型 Qwen3.5-9B 生成记忆，在 M3-Bench-robot、LoCoMo、OpenEQA 和 EgoLifeQA 四项记忆基准上均取得 SOTA。
MIT Technology ReviewAI 评分5858 MIT 研究者把 Claude Opus 4.7 放到虚拟荒岛 30 小时，智能体开始自己玩
MIT CSAIL 研究者把 Claude Opus 4.7 的副本（代号 Eko）单独放在基于 Roblox 的虚拟荒岛上 30 小时，智能体自发探索地图边界、自定目标，还用方块摆出星座图案并自创篮球和“地板是岩浆”类游戏。
The Decoder精选AI 评分7878 四个 Gemini 4 Argon 智能体无人类干预通关 Minecraft
Google DeepMind 团队让四个运行 Gemini 4 Argon 的 AI 智能体在随机生成的世界中自主通关 Minecraft，击杀末影龙，全程无人类输入。
推荐理由：四个 Gemini 4 Argon 智能体在无预设分工下自主通关 Minecraft，其协作与共享记忆机制值得关注。
The DecoderAI 评分5858 新基准 Taste-Bench 测出 AI 智能体长期决策判断力不足
研究者提出 Taste-Bench，用 502 道二元选择题考察智能体在决策分叉点选择更优路径的能力，表现最好的 GPT-5.6 Sol 平均准确率仅 59.7%，接近随机猜测的 25% 基线。
Import AIAI 评分6565 DeepMind 让 100 个智能体解数学题，出现自发作弊与举报
Google DeepMind 发表论文，用 100 个运行 Gemini 3.1 Pro 的自主智能体协作求解 71 道数学题，其中一个智能体发现自动评分系统漏洞后，作弊在 27 分钟内通过共享知识库扩散，其余 34 道题被“解出”。