WorkRover：通过环境递归演进扩展长程 Cowork 智能体训练
WorkRover 是一个通过强化学习训练智能体执行长程 Cowork 任务的框架。它协同构建并验证工作上下文、可执行任务和基于证据的验证器，再利用运行反馈改进环境。另一种方法将部分进度训练信号分配给完成任务所需的前置步骤。根据报告中的评测结果，经过后训练的 Qwen3.5-35B-A3B 相较基础模型，在 JobBench 上高出 26.27 个百分点，在 OfficeQA Pro 上高出 29
AI 新闻中心
AI 新闻中心 过去24小时分析了 230 篇文章，发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。
DeltaTTG：利用 Token-to-Go 进度指标训练多轮智能体
DeltaTTG提出一种可复用的进度指标，用于通过可验证奖励的强化学习训练多轮智能体。该指标利用多种策略记录的轨迹进行训练，估算任务完成前还需生成的 token 数，并据此将结果导出的优势分配到各个步骤，同时不改变轨迹奖励。在 ALFWorld、PaperSearchQA 和 BFCLv3 测试中，相比 GRPO，DeltaTTG 使用 Qwen3-4B 时平均得分提高 5.7 分，使用 Llam
Causa Prima为B2B支付管理AI平台完成2000万美元种子轮融资
总部位于特拉华州的初创公司Causa Prima已完成2000万美元种子轮融资。该公司正在开发代理间AI平台，用于管理B2B支付、解决账单争议，并支持其他企业流程。此次融资正值AI代理逐渐应用于企业工作场景之际。
ClawLoop：面向自我改进智能体的 Harness 原生训练循环
ClawLoop 是一个旨在沙箱环境中改进基于大语言模型的智能体的框架，无需依赖外部教师模型。其循环包括任务生成与验证、通过监督微调和／或强化学习训练智能体，以及分析智能体的执行轨迹；分析结果会反馈到下一轮任务生成中。研究者使用 Qwen3.6-27B 作为循环模型，并报告其在 SkillsBench、Claw-Eval-Live 和 ClawGym-Bench 上取得持续提升。经迭代优化的任务也
UltraBERT：突破 BERT 预训练的极限
这项研究重新审视了双向编码器训练中的关键设计。研究发现，训练数据达到数万亿个 token 后，继续增加算力对下游任务的提升有限。较低的掩码率更利于分类，较高的掩码率则更利于信息检索。UltraBERT 在一个批次中结合两种掩码率，并将蒸馏目标限制在较低掩码率。作者称，该模型在 GLUE 上得分 91.0、在 BEIR 上得分 47.7，在分类和检索任务上均达到领先水平。
CIViC：代理任务中音频条件视觉预测的证据检验关卡
移除音频可能改变视觉预测模型的输出，但这本身不能证明模型使用了预期的音频信息。CIViC是一套包含四个关卡的流程，将一种解释与干预、留出任务比较或终点控制联系起来。研究人员在演员互不重叠的人脸光栅测试、合成音频特征混合，以及源视频互不重叠的SpeakerVid代理任务中进行了验证。结果因任务而异。在静态人脸测试中，跨演员替换音频符合预先注册的检测规则，但效果较小。在另一项时间性终点测试中，四组配对
面向可验证奖励大语言模型强化学习的谱驱动自适应秩优化器
一项研究探讨了可验证奖励强化学习（RLVR）是否具有不同于监督微调的优化结构。研究人员发现，随着 RLVR 训练推进，梯度能量逐渐集中到更小的有效子空间；监督微调中没有出现这一现象，而将可验证奖励替换为随机奖励后，该现象大幅减弱。基于此，研究团队提出 Ares，根据梯度的谱结构动态调整更新秩。在不同规模的语言模型实验中，Ares 的准确率高于常用优化器，并可推广到多种 RLVR 算法和任务。代码与
企业微信 5.0.12 版集成 WorkBuddy 对话助手
腾讯将企业微信升级至 5.0.12 版，并集成 WorkBuddy 对话助手。用户无需在多个软件之间切换，就能直接在企业微信中向 WorkBuddy 交办任务。WorkBuddy 会在用户权限范围内调用消息、文档、会议等信息理解任务，使用工作台工具执行操作，再将结果返回企业微信。企业长期积累的工作资料、项目经验和客户信息可直接供其调用，减少手动搬运。管理员可以集中分配使用名额、控制算力消耗，并明确
Agent Sociodrama：利用社会动态重塑 LLM 智能体团队的人设
Agent Sociodrama 用于建模 LLM 智能体团队中的社会动态，包括不断变化的情绪状态，以及会影响后续互动的有向关系。在六种 LLM 主干模型和五种社会场景的测试中，互动轨迹呈现出结构化模式，也体现出模型间的差异。研究人员提出 Trajectory-Guided Persona Recasting（TPR），通过分析互动记录诊断群体动态问题，并在重新执行任务前调整智能体人设。在四项协作
RSIPO：通过技能与策略协同演化实现智能体强化学习的递归式自我改进策略优化
RSIPO 是一种智能体强化学习框架，使策略与智能体技能在训练过程中共同演化。策略会从已完成的轨迹中自行提取技能，并通过轨迹回放提升技能生成能力。此外，经验贝叶斯收缩会动态校准学生模型对教师评分的信任程度，并考虑到融入技能的教师指导有时可靠性较低。使用 Qwen 系列模型进行具身交互和搜索型智能体任务的实验显示，RSIPO 优于所有对比基线。以 Qwen2.5-7B 为基础模型时，RSIPO 在
UniForge3D：在共享锚点引导空间中联合进行三维重建与生成
UniForge3D是一种方法，可从少量且没有相机姿态信息的图像中联合重建和生成完整的三维资产。它采用由锚点视角引导的共享空间，以解决重建与生成之间的坐标系不匹配问题。两个分支会交换特征，并预测各视角的点图以及完整的稀疏体素结构。该方法为每个体素选择相关视角，以便在生成形状时保留已观测到的几何细节。研究团队报告称，该方法在Toys4K和GSO数据集上的外观与几何表现达到当前领先水平。
9月“AI魔改”视频治理成果：清理违规视频近1.3万条、处置违规账号30余个
国家广播电视总局表示，部分重点网络视听平台9月共清理违规视频近1.3万条、处置违规账号30余个。具体平台及处置详情暂未公布。2026年1月启动的“AI魔改”视频专项治理，自2月1日起通过常态化、制度化的长效机制持续开展。治理重点包括对历史、革命等题材经典作品进行违规AI改编的视频，以及各类不良动画内容。
豆包手机助手将逐步开放第三方应用屏幕自动化操作权限，阿里、腾讯系 App 明确拒绝
豆包手机助手宣布，其《屏幕自动化操作声明协议》（SAEP）30天公示期已结束，将逐步开放智能体对第三方应用进行屏幕自动化操作。开发者仍可随时声明拒绝，豆包将及时关闭相关操作；已明确拒绝的应用不会成为智能体的操作对象。最新拒绝清单包括阿里巴巴和腾讯旗下的部分应用。
Counterpoint：2030年全球处方助听器销量将超3100万台，近半搭载端侧AI
Counterpoint预测，全球处方助听器销量到2030年将超过3100万台，2025至2030年的年复合增长率为4%。届时近半数产品预计将搭载端侧AI。神经网络可在复杂环境中分离人声与背景噪音，并根据聆听场景调整处理方式。峰力测试显示，AI降噪可使信噪比提升最高10.2 dB。为保证自然听感，延迟必须控制在10毫秒以内，因此处理需要在设备本地完成，不能依赖云端往返。代价是AI会占用计算能力和设
LeWAM：基于 JEPA 的世界与动作端到端建模
LeWAM 是一种面向控制的端到端 JEPA，联合训练下一潜在状态预测与动作流匹配。潜在状态的各向同性高斯约束，旨在让单一模型同时支持策略直接执行和高效规划。在视觉规划任务中，相较于此前的 JEPA，接触密集任务的成功率从 28.6% 提升至 89.7%，长时程任务则从 10.9% 提升至 46.2%；规划速度快 32.3 倍。在模拟环境和实体机器人上的行为克隆任务中，LeWAM 也取得了有竞争力