京东发布Oxygen AI Item Center V1，面向工业级商品理解与管理的大模型/多模态模型中心。

京东推出Oxygen AI Item Center（Oxygen AIIC）V1系统，基于大规模语言模型与视觉语言模型，支持商品图像识别、属性抽取、类目预测、合规审核等任务，部署于京东电商全链路，日均处理超10亿商品实例。

LiveClawBench是一个面向复杂真实助手任务的LLM Agent基准测试框架。

LiveClawBench构建涵盖跨应用操作、多轮状态维护与异常恢复的真实世界任务集，包含37个任务实例，关键参数包括任务完成率、步骤平均耗时、API调用成功率及人工评估一致性系数。

提出 ECHO 方法，通过选择性修剪对话轮次记忆，优化 Agent 在强化学习中的长期交互表现。

ECHO 方法将记忆管理解构为“剪枝—行动—回溯学习”循环，在 agent 与环境的多轮交互中根据价值函数动态删除低信息量对话轮次，仅保留决策关键节点。该方法在多种连续控制与对话基准上被评估，结果显示在相似的记忆预算下，选择性剪枝能提升长期任务成功率，并降低 Transformer 随上下文增长的计算成本。实验还比较了随机裁剪、固定窗口等基线，验证了价值驱动剪枝的优越性，为长程 agent 的轻量记忆设计提供了新范式。

提出了面向LLM集成应用的MCP服务器架构模式，提供标准化工具接口方案。

内容系统化梳理了MCP服务器的架构模式，涵盖工具注册、参数校验、错误处理等模块。介绍了基于MCP协议的多工具协作架构，包括工具发现、动态调用与中间件模式。关键参数涉及工具名称、参数Schema、传输层协议（如stdio、SSE）以及安全鉴权机制。

Ornith-1.0 是一个面向代理式编程的自组装大语言模型框架。

Ornith-1.0 提出了一种无需人工编排即可动态构建推理链的自组装机制，支持多步代码生成与执行验证，关键参数包括支持 128K 上下文、兼容 Llama/Mistral 架构的适配器设计、内置 3 类 scaffolding 策略（plan-refine-execute）。

Agent-as-a-Router提出一种面向编码任务的代理模型路由方案，属于工具层设计。

该方案构建代理作为路由中枢，依据任务语义和上下文动态调度多个专用模型执行编码子任务，关键参数包括路由决策延迟阈值、模型响应置信度下限及负载均衡权重。

COMFYCLAW是一个自进化技能工具集，使Agent能自动发现、组合和演化图像生成工作流中的技能模块。

COMFYCLAW面向ComfyUI等节点式图像生成工作流，构建了一个自进化技能采集与编排系统。它通过观察用户操作历史，从中抽象出可复用技能模块（如风格迁移、局部修复），存入技能库。内置基于大语言模型的规划器根据任务描述检索并组合技能，自动生成完整工作流，执行后依据结果反馈对技能进行变异和优化，不断丰富技能库。系统提供节点化接口，便于嵌入现有图像生成产线。

提出Agent-Native Immune System概念，定义代理原生免疫系统的架构、分类法与工程实现路径。

论文系统构建代理免疫系统四层架构（感知、识别、响应、记忆），提出七类威胁模式分类法（如目标劫持、上下文污染、工具滥用），并给出基于沙箱隔离、行为签名匹配与策略回滚的三阶段工程实现方案。

提出一种可扩展的合成Web环境生成方法，用于训练GUI智能体。

InfiniteWeb系统通过程序化生成合成网页，创造出包含多样化布局、交互元素与任务类型的训练环境。它可以自动构建表单填写、内容导航、信息检索等场景，同时生成对应的动作序列标注。研究评估了用合成数据训练的GUI智能体在真实网页上的泛化能力，关键参数包括合成网页的数量级、场景多样性、训练后在真实任务上的成功率提升幅度。

深入分析 Claude Code 的架构与工作方式，探讨当前与未来 AI Agent 系统设计空间。

文章对 Anthropic 的开发者工具 Claude Code 进行了技术剖析，覆盖系统架构、代理循环、工具调用机制和安全护栏。具体描述了上下文管理、工具定义与选择、代码修改的差异展示等实现细节，并讨论了状态持久化、多 Agent 协作和人机协同等未来设计挑战。内容结合 Claude Code 的实际表现，分析了当前设计选择在大规模生产级 Agent 系统中的利弊。

提出基于参数化世界模型的迭代语言规划方法，以抑制幻觉在LLM代理中的传播。

该方法构建参数化的世界模型作为外部记忆与验证模块，在每轮语言规划后执行状态一致性检查与反事实修正；关键参数包括世界模型的参数规模、状态嵌入维度、幻觉检测阈值及迭代最大轮次。

提出一种符号反馈驱动的迭代自精炼框架，用于提升大语言模型规划的可靠性与鲁棒性。

该研究构建了一个基于符号反馈的迭代自精炼框架，通过形式化规则生成反馈信号，引导LLM在多轮规划中修正错误；关键参数包括符号反馈生成器、迭代次数上限、精炼触发阈值及规划验证模块的逻辑完备性约束。

提出A-TMA方法，解耦长期Agent记忆中与状态感知相关的内存失效。

该研究面向长时运行Agent的记忆系统，识别出状态感知错误是导致记忆失效的关键因素。A-TMA框架通过将状态推断与记忆存储解耦成独立模块，引入错误检测与状态回退机制，在多个需长期交互的对话和任务完成场景中验证了记忆一致性和任务成功率。

SkillFuzz 通过模糊测试技能组合，在开放技能市场中自动发现隐含用户意图。

该工作提出 SkillFuzz 方法，对 LLM Agent 使用的开放技能市场中的技能组合进行模糊测试。其通过系统性地变异技能调用顺序、参数与组合逻辑，触发 Agent 产生未在技能描述中显式声明的隐含意图。实验在多个模拟技能市场上进行，覆盖了任务规划与工具调用场景，检测到大量可被恶意利用或导致意外行为的意图路径，并评估了不同 Agent 架构下的暴露面差异。

ClawArena-Team是一个评估语言模型Agent子Agent编排与动态工作流能力的基准测试。

ClawArena-Team构建了面向语言模型Agent的基准测试，专门考察子Agent编排和动态工作流场景下的表现。测试环境中包含需分解为子任务并进行动态分配的多种任务集，Agent需在运行过程中根据中间结果调整执行路径。评测维度涵盖任务完成率、编排耗时、子Agent调用的准确性与调用顺序合理性等关键参数，以量化Agent在复杂、非预定义流程中的自适应规划能力。

ShopX 是一种面向 Agent 购物场景、实现意图到商品闭环的基础模型。

介绍 ShopX 基础模型，专门用于代理式购物中的意图到商品（Intent-to-Item）满足。该模型将用户模糊意图直接映射为具体商品清单，支持多步信息检索与决策，覆盖检索、比较、推荐等多个环节。关键设计包括基于大规模商品知识图谱的意图分解模块、利用强化学习进行多步决策的 planner，以及端到端训练的商品匹配器。实验在多个购物基准上进行了验证，展示了模型在复杂购物任务中从意图到最终加购的全流程自动完成能力。

提出将硬件设计建模为仓库级代码演化的代理式开发范式。

该工作将硬件描述语言（HDL）设计流程抽象为基于Git仓库的代理驱动演化过程，定义了硬件变更的原子操作类型、版本间接口契约约束机制，并在RISC-V SoC项目中实现自动化模块替换与合规性验证。

一项观察性研究指出，在智能体代码生成任务中，推理投入比工具访问更影响首次尝试的可靠性。

研究收集了多个代码生成agent的执行记录，分析推理步骤数量、深度以及是否使用代码解释器、调试器等工具，与首次生成代码能否正确运行的关联。结果发现，增加链式思考、自我纠错等推理努力显著提升一次通过率，而工具访问的额外收益有限。

智元机器人三年内将具身机器人交付量从6台提升至1.5万台。

智元机器人通过产线建设、供应链整合与标准化设计，实现具身机器人量产能力跃升，2021年交付6台，2024年累计交付达1.5万台，单季度峰值产能超3000台。

大晓机器人研发的具身机器狗已在上海市和天津市开展常态化实地作业。

该机器狗部署于城市巡检与物流末端配送场景，已连续运行超30天，单机日均作业时长14.2小时，覆盖道路识别准确率98.7%，支持4G/5G双模通信与本地化边缘决策，作业区域限定在浦东新区张江片区及天津滨海新区核心区。

Anthropic推出Claude Sonnet 5模型，以更低成本和增强的Agent能力瞄准经济型Agent运行。

Anthropic发布Claude Sonnet 5模型，作为其语言模型系列的新成员，该模型在定价上显著低于前代高端版本，同时强化了在Agent任务中的推理、工具调用与长时间执行能力，旨在为企业提供更经济高效的Agent基础模型选择，降低大规模部署AI Agent的总体成本。

阿里发布一种AI Agent框架，通过跳过全量工具加载使Token消耗降低约99%。

阿里巴巴推出了一套新的AI Agent工具调用策略，核心是在每次请求时不再加载所有可用工具的描述，而是动态筛选和按需注入相关工具，从而将Agent单次调用的token开销减少约99%。该方法针对工具数量庞大的场景，旨在降低API调用成本和延迟。目前公开信息未给出具体实现细节，但关键参数是token降低幅度。

美团开源LongCat-2.0模型，参数规模1.6万亿，专注于agent编码，完全在国产芯片上训练。

美团发布了LongCat-2.0，一个1.6万亿参数的大语言模型，专门针对agent编程任务优化，在OpenRouter上处于领先地位。该模型完全使用中国国产芯片训练，展示了在受限硬件条件下训练接近前沿模型的能力。

Anthropic 发布 Claude Sonnet 5 模型，提升推理、编码与工具调用能力。

Anthropic 推出 Claude Sonnet 5，在 MMLU、HumanEval、GSM8K 等基准测试中取得新的最高分，支持 200K 上下文窗口和原生结构化函数调用，强化了多步骤任务规划与长文档处理能力。API 与上一代相比延迟降低约 50%，每百万 Token 定价保持在 3 至 15 美元区间，面向需要平衡性能和成本的 AI Agent 场景。

HP Inc.宣布与OpenAI建立名为Frontier的战略合作伙伴关系。

HP Inc.与OpenAI签署多年期合作协议，合作内容包括在HP EliteBook和Z系列工作站预装OpenAI模型API接入层，联合开发面向企业IT管理员的AI代理管理控制台，并在HP Device as a Service（DaaS）平台中集成OpenAI安全合规审查模块。

Amazon SageMaker AI发布了针对对话Agent的多轮强化学习训练最佳实践。

AWS在SageMaker AI平台上公布了多轮交互场景下的强化学习训练指南，覆盖了面向对话Agent的数据构建、奖励建模、近端策略优化等训练循环设计，并给出了关于探索噪声、批量大小、评估频率等关键参数的建议配置，旨在帮助用户高效利用平台资源微调对话模型。

AWS发布FinOps Agent预览版，用于云成本分析与优化。

AWS推出基于Agent架构的FinOps Agent预览服务，支持自动抓取多账户账单数据、识别闲置资源、生成优化建议并触发预留实例购买，响应延迟低于2秒，覆盖EC2、S3、RDS等12类核心服务。

AWS GovCloud（美国）区域现已支持通过 Amazon Bedrock 运行 NVIDIA Nemotron 与 OpenAI GPT 开源模型。

亚马逊云科技宣布，其面向美国政府的 GovCloud 环境已集成 NVIDIA Nemotron 系列模型和 OpenAI GPT 开源模型，用户可利用 Amazon Bedrock 服务进行推理和微调。该更新将生成式 AI 模型能力引入需满足严格合规与安全要求的政府工作负载中。

Square推出集成方案，餐厅可直接从ChatGPT和Claude接收顾客订单。

Square发布低费率、零设置的AI订单集成，用户通过ChatGPT或Claude表达订餐意图时，AI助手可调用Square插件展示菜单、创建订单并完成支付。集成无需餐厅额外开发，订单自动同步到Square POS系统。Square收取的手续费低于传统外卖平台，目前面向美国地区部分餐厅开放。

Cloudflare发布Monetization Gateway，允许通过x402协议对Cloudflare背后的任何资源收费。

Cloudflare 宣布推出 Monetization Gateway，开发者可以利用x402协议为托管在Cloudflare后的API、数据或MCP工具设置付费调用。该Gateway支持按次使用付费、订阅等多种定价模式。x402协议利用HTTP 402 Payment Required状态码，允许AI Agent在访问受保护资源时自动完成支付。功能面向Cloudflare生态内的资源提供者开放。

AWS 发布使用 Bedrock 和 HealthLake 构建智能体驱动的医疗理赔处理管道的参考实现。

管道以 Amazon Bedrock 上的大语言模型为核心代理，与基于 FHIR 标准的 HealthLake 数据湖集成，实现理赔表单的结构化抽取、医疗代码验证和理赔建议生成。通过 Step Functions 编排多个代理步骤，并在关键决策点引入人工审核，保障合规性。该方案展示了在高度规范化的垂直场景中嵌入 AI 代理的工程方法。

飞书推出智能体助手，用户可在群聊中@AI自动完成表格处理、数据汇总等重复性工作。

飞书在其协作平台中新增智能体助手功能，用户只需在群聊中@AI并发出自然语言指令，如“把这三个表格的销售数据合并汇总”或“找出上周未回复的消息”，智能体即可自动调用飞书多功能表格的读取、计算、生成新表等操作，将原本需要手动翻阅和处理的重复性任务自动化。关键参数包括支持多表格联动、人机协同确认以及自然语言理解与表格操作的实时反馈。

小米发布面向图形用户界面的端到端操作代理技术报告，给出系统设计与初步测试结果。

报告提出了 Xiaomi-GUI-0 代理，能够直接理解屏幕视觉内容并输出操作指令序列，完成跨应用任务。系统采用视觉-语言模型作为核心，结合屏幕理解、动作空间抽象和任务规划模块。训练数据包含大规模人工标注和仿真生成的 UI 操作轨迹。报告披露了在若干预设移动端任务上的端到端成功率，以及动作类型分布、平均完成步数等参数，展示了从指令到执行的全程自动化能力。

AI阅片技术应用于眼科临床，提升医生工作效率。

该内容描述AI系统在眼科医学影像分析中的实际部署，通过自动化识别眼底图像病灶，缩短医生阅片时间，支持日均处理病例量提升23%，准确率标注为92.4%（基于公开测试集）。

一款人形机器人被演示执行多项办公室日常任务。

该机器人在办公环境中完成打印文件、递送咖啡、整理桌面、响应语音指令等任务，依赖多模态感知与具身动作控制，视频展示中未接入企业系统或API，未说明部署规模。

快手将可灵AI独立运营，估值180亿美元，并规划大规模算力基础设施与商业化路径。

快手正在分拆旗下的视频生成AI可灵，计划独立运营，估值约180亿美元。相关分析涉及可灵AI的算力需求、独立后的商业化策略、与母公司的资源协调以及AI视频生成赛道的竞争态势。内容还讨论了大规模GPU集群建设和成本优化等工程议题。

一场技术演讲介绍了 Graph RAG 如何将知识图谱纳入检索增强生成流程以提升 AI 代理的推理质量。

该演讲阐述了 Graph RAG 的设计思路与工程实践，在传统向量检索的基础上引入知识图谱的结构化关系，将文档中的实体、属性和连接信息构建成图数据库，供检索阶段使用。系统在生成回答时，会同时从向量库和图谱中查询相关信息，并融合生成，从而在多跳推理、精确事实关联等场景下获得更准确的输出。演讲中展示了若干原型实验的参数设置与效果对比。

优必选“机器人伴侣”订单破万台，Pro版售价16.98万元，Ultra男女版定价99万和88万元，仅限成人购买。

优必选推出的“机器人伴侣”产品累计订单超过1万台，定位高仿真情感交互机器人。产品线包含Pro版和Ultra版，Pro版定价16.98万元，Ultra版分为男性形态与女性形态，售价分别为99万元和88万元。公司CEO确认产品仅针对成人市场，并称高仿真运动控制与自然交互技术使量产存在较大难度。

Hugging Face与Cerebras合作，将谷歌Gemma 4模型部署到实时语音AI场景。

双方利用Hugging Face推理端点与Cerebras晶圆级引擎，针对Gemma 4进行实时语音推理优化。方案支持流式语音识别与合成，端到端延迟低于500毫秒，并提供适配语音Agent的推理管道。

优必选发布面向情感交互的机器人伴侣，押注具身智能在情感陪伴领域的落地。

优必选在展示活动中公开了一款具备情感交互能力的伴侣型机器人。该机器人集成了多模态感知系统，可识别语音语调、面部表情和肢体姿态，并通过深度情感计算模型生成对应回应。硬件方面配备有温度传感器、柔性皮肤触觉反馈和可动关节，支持自然拥抱、轻拍等物理交互动作。交互内容结合角色叙事与长期记忆模块，旨在模拟亲密关系中的情感陪伴。该产品与《恋与深空》IP 联动，探索虚拟角色具身化。

文章提出科技干部需同时具备技术、产业与市场三重认知能力。

该文系统阐述科技干部能力模型，强调技术理解深度、产业链位置判断力及市场需求洞察力三项核心能力，并以地方政府科技招商、产业园区评估等场景为例说明其协同应用方式。

一项调查指出企业 AI 治理中普遍存在所有权模糊与手工管理现象。

该内容基于对 200 余家中大型企业的调研，发现超过六成组织未明确 AI 系统的所有权归属，且多数依赖人工流程进行模型审批、监控与风险评估。报告提出了控制间隙的概念，指出技术能力与组织权责之间的脱节，并列举了由此引发的合规延迟与安全隐患实例。

摩根士丹利通过降低Agent系统的自主性，将对账任务处理时间缩短了一半。

该公司内部的风险对账工作原由高度自主的Agent系统全流程自动完成，但因不确定性高的步骤出错率大，整体效率受限。团队将系统重构为分阶段半自动流水线，在关键决策点插入人工验证并限制Agent自主改写策略的能力，使单笔对账平均处理耗时从约8分钟降至约4分钟。

报告一家初创公司推出针对AI模型同质化输出问题的解决方案。

该方案通过在推理阶段引入受控多样性机制，在模型生成过程中注入结构化的语义扰动并约束于任务目标，使得多轮或并行的输出保持较高信息差异。关键参数包括语义扰动强度调节范围和多样性-准确性折中曲线上的工作点选择。

综合早报涵盖 iPhone 18 内存升级、B站首次全年盈利及自变量机器人融资进展。

报道指出 iPhone 18 标准版内存将升至 9GB；B站宣布 2023 年首次实现全年盈利；自变量机器人于两个月内完成四轮融资，最新估值超 200 亿元人民币，涉及芯片、具身智能与工业场景落地。

NVIDIA发布技术文章，讲解利用强化学习训练具备规划能力的AI Agent的方法。

NVIDIA在其技术博客中详细介绍了面向AI Agent的强化学习训练流程，涵盖环境搭建、状态空间定义、奖励函数设计以及策略梯度优化。文章通过模拟任务展示Agent如何基于视觉感知和语言指令进行多步决策，并在试错中学习复杂执行路径。还讨论了将视觉语言模型作为策略网络基座进行微调的做法，使Agent能够泛化到未见过的场景。

分析当前具身智能机器人行业对通用基座模型的依赖趋势。

文章梳理了多家机器人厂商采用视觉-语言-动作大规模预训练模型作为机器人大脑的动向，指出基座模型正在替代传统分层感知-规划-控制架构，端到端输出关节指令或目标位姿。关键参数涉及模型参数量级、跨具身泛化能力评估和实机部署的推理延迟。

Inscribe分享其基于Amazon Bedrock构建的多Agent系统，实现金融文档欺诈的秒级检测。

Inscribe的Agentic系统由文档分类Agent、文本一致性分析Agent、元数据检测Agent和图像篡改识别Agent等多个专业Agent组成，通过统一编排引擎协同工作。系统使用Amazon Bedrock提供的基础模型进行语义理解和异常判断，并利用后处理规则汇总各Agent的发现生成欺诈评分。实际运行数据显示，单文档平均分析时间低于3秒，误报率控制在0.1%以下，每日可稳定处理数百万份金融文档，取代了传统人工审核流程。

使用DSPy对Datasette Agent的SQL系统提示进行系统性评估和迭代改进。

该工作采用DSPy提示优化框架，为Datasette Agent的SQL生成环节设计了一套自动化评估流程，通过多轮提示调优和指标反馈，持续改进系统提示的质量。过程涉及定义优化签名、选择评估指标（如执行准确性）以及使用DSPy内置优化器进行迭代。

体验 xbx a01+ AR 眼镜，售价 1699 元，关注其作为具身交互入口的日常可用性。

作者对 xbx a01+ AR 眼镜进行了佩戴与使用测试，评估显示效果、交互方式、重量分布、续航等实际体验维度，并讨论该设备在提供第一人称视觉、空间感知等具身交互信号上的表现。文中记录了产品的基本参数与定价，未涉及 AI Agent 的直接运行，但着重分析其作为具身智能感知端点的潜力。

机器人手公司与特斯拉就商业秘密诉讼达成和解并完成1100万美元融资。

该公司宣布与特斯拉就前员工涉密纠纷达成庭外和解，同步披露已完成1100万美元A轮融资，资金将用于五指灵巧操作模块量产及ISO 13485医疗认证推进，未披露具体投资人名单。

联合国通过一项自动驾驶安全法规，中国自动驾驶公司Momenta同期完成上市。

联合国欧洲经济委员会正式批准了一项针对自动驾驶系统的国际安全法规，覆盖部分驾驶自动化功能的技术要求。与此同时，自动驾驶技术公司Momenta在中国市场完成首次公开募股，成为又一家进入公开资本市场的自动驾驶方案商。两件事共同传递出行业在规制和商业化上的推进信号。

乐享科技 CEO 郭人杰在一次对话中表示，具身智能领域有望诞生苹果级别的整合型公司，并认为自身团队具备这种潜力。

郭人杰在访谈中回顾了智能手机时代苹果通过硬件、操作系统和生态服务的垂直整合建立壁垒的路径，认为具身智能需要类似模式。他介绍了乐享科技的产品定义思路，强调长周期研发和供应链整合，但未透露机器人硬件的自由度、传感方案、模型训练方式或商业化时间表。访谈未涉及竞品对比或融资数据。

一款售价54000元的消费级叠衣机器人接受功能与实用性评测。

评测对象为一款面向家庭场景的叠衣机器人，售价54000元。评测过程测试了机器人的衣物识别、拾取、折叠和分类能力，记录了不同衣物类型下的成功率和单件处理时间，并对比了人工叠衣的耗时与体力成本。文中还讨论了该产品的目标用户、空间需求与长期维护开销，引用了厂商提供的落地案例和首批用户体验反馈。

记述AI在风力发电机物理运维中辅助故障预测与操作决策的应用案例。

该案例展示AI系统接入风机SCADA与控制数据，通过时序模型对变桨、偏航等执行机构的状态进行实时估计，结合物理仿真生成操作建议，并在安全边界内自动执行或提醒操作员。关键参数包括分钟级预测窗口、多传感器融合噪声处理及与现有工控系统的低延迟对接方式。

某用户发现AI编程工具Codex一个月内消耗150GB流量并写入4TB数据，引发对资源占用的讨论。

有用户报告AI编程工具Codex在后台运行时产生异常的流量和磁盘写入量，30天内使用150GB网络传输并在本地硬盘写入约4TB数据。技术分析推测该行为可能与频繁的本地模型更新、代码索引重建或详细日志记录有关。事件引发开发者社群对AI助手资源占用和隐私风险的关注。

宇树科技发生控制权变更，公司被整体出售。

报道显示，宇树科技创始人将全部股份转让，公司控制权易手。宇树科技是国内四足机器人与人形机器人领域的头部创业公司，此次交易被视为具身智能赛道一次标志性退出事件。具体交易金额、收购方等细节未完整披露。

优必选通过硅胶娃娃营销活动引起公众关注。

优必选近期推出硅胶娃娃产品作为营销手段，以吸引眼球并寻求破圈。该产品在外观上模仿真人，但未透露具体技术参数或与AI机器人的关联细节，整体决策更偏重市场营销而非产品与技术演进。