工作代理：系统、能力与优化
本文提出一个系统层面的框架，研究如何结合基础模型与运行时环境，让 AI 代理完成受委托的数字工作。文章以工作持续性和环境开放性两个维度描述工作条件，并将数字工作分为五种形式。作者梳理可靠执行所需的能力类别，探讨模型与运行时环境的优化，并从工作成果角度分析评估方法。未来研究方向包括长期工作委托、适应开放环境，以及工作执行与能力提升之间的相互作用。
AI 新闻中心
AI 新闻中心 过去24小时分析了 188 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。
黑客借助 AI 发现 PS5 高危漏洞，获索尼 5 万美元奖励
一名名为乔迪的黑客借助 AI 发现了 PS5 的高危漏洞，并通过索尼的安全漏洞上报计划获得 5 万美元奖励。该漏洞原本可能被用于在 PS5 上运行 Linux，但索尼已经修复。报道称，另一名安全研究人员此前也发现了这一漏洞。乔迪表示，他领取奖金是因为母亲身患绝症，急需经济援助。
通过跨层潜在向量量化实现逐层嵌入的极限压缩
这项研究提出了 OPTIC，用于极限压缩语言模型中的逐层嵌入（PLE）。OPTIC 不再为每个词元与层的组合单独存储代码，而是为每个词元存储一组共享代码，并使用针对 PLE 输出路径拟合的逐层解码器进行解码。相较 BF16 压缩约 100 倍时，Gemma 4 E4B 在七项基准测试中的综合性能保留率为 97.8%。压缩 594 倍和 1,002 倍时，性能保留率分别为 90.5% 和 84.1%
StreamVibe：适应用户意图变化的主动式视频智能体
研究团队推出 StreamVibe-Bench，包含 4,100 个评测样本和 85,000 个训练样本，涵盖明确、隐含和动态用户意图。在此基础上，团队开发了 StreamVibe-VL，可从连续观察中推断意图并调整响应；还开发了 StreamVibe-Harness，利用分层记忆持续跟踪用户意图和环境状态。实验显示，与基线模型相比，StreamVibe-VL 在响应时机和答案质量方面提升了 10
报告：豆包对抖音内容的引用占比升至31.8%
一份于10月发布的报告显示，AI助手豆包引用的信息源中，抖音内容占比从5月的10.79%升至8月的31.8%，相当于豆包每引用约3条内容，就有1条来自抖音。百度在6月首次将B站和好看视频纳入信源库，两者合计占比达到12%。报告认为，视频正从AI引用中的边缘补充，逐渐成为主要信源。引用频率与视频标题和用户问题的匹配度、关键词覆盖度及语义相似度有关。其中，关键词覆盖度的相关性最强。这意味着视频创作者应
OpenAI 如何将编程工具转变为 dots：一款随时在线的个人助理
负责 dots 的 OpenAI 高管 Alexander Embiricos 表示，他绝不想与他人的 AI 代理开会。
贝莱德里德尔周末忙于交易，赶上人工智能债务热潮
贝莱德的里克·里德尔表示，人工智能推动的债务热潮正创造多年来最具吸引力的固定收益投资机会之一，其吸引力甚至超过长期美国国债。
Principia：在测试时从假设构建科学发现原理
Principia是一种基于大语言模型的框架，可在测试时的发现过程中构建并持续完善科学假设与原理。它根据输入和观测结果形成比较性因果假设，再将反复出现的关系归纳为原理。新的观测结果用于修订假设并重新构建原理。在分子优化、蛋白质工程、基因扰动和分子性质预测等基准测试中，Principia优于依赖内部知识、外部来源或经验总结的基线方法。作者称，生成的原理具有合理性，并与科学文献一致。
World-in-Context：通过上下文内条件化进行交互式视频世界建模
World-in-Context 是一种交互式视频世界建模框架，利用共享自注意力空间中的显式标记来控制视角、角色动作和摄像机运动。研究团队还提出 IT-RoPE，通过累积的控制变化来建模时间注意力。在 WBench 导航测试中，50 亿参数模型得分为 81.5，接近 220 亿参数的 EchoWM（81.6）。其视角切换成功率达到 93.8%，高于受测现有 5B 基线模型的 18.8%。
Trajectory2Gym：面向工具使用代理的决策 grounded 组合式交互合成
Trajectory2Gym 是一种为工具使用型 AI 代理构建更有效训练数据的方法。研究人员指出，成功的交互轨迹不一定能提供良好的监督信号：它们可能缺少多步依赖关系，或包含无法由代理在决策时可见的历史支持的行动。该方法围绕支持不足的组合结构构建可执行交互，并仅使用由执行过程中代理可见历史所支持的决策进行训练。在五种 Qwen3 模型规模上，Trajectory2Gym 均提升了 Tau1、Tau
InteractiveWorld：用于构建更优交互式 MLLM 助手的可验证人本环境
InteractiveWorld 是一个用于可验证评估多模态大语言模型（MLLM）的模拟环境，这些模型旨在引导人们完成现实世界中的任务。不同于以机器人为中心的模拟器，该系统模拟闭环交互：AI 助手发出指令，人类代理执行操作，环境随后更新其下一步观察结果。配套基准 InteractiveBench 包含来自六个类别的 120 个多轮任务，并通过可验证的状态奖励评估表现。对 12 个前沿 MLLM 的
Continual Learning Exam：评估LLM智能体的长期经验学习能力
Continual Learning Exam（CLE）是一项基准测试，用于衡量LLM智能体在真实专业工作流程中能否通过经验持续改进，同时保留有用的既有知识。该基准包含120项由专家编写的任务，每项任务分为五个递进关卡，共600个关卡，覆盖89种职业和12个职业领域。在使用前沿LLM的17种智能体与模型配置测试中，提供诊断反馈并允许修改一次，使完成率中位数提高了5.3个百分点。不过，表现最佳的系统
塔塔通信计划在印度铺设1万公里AI就绪型长途光纤
塔塔通信表示，计划投资4亿至4.5亿美元，建设连接印度主要AI数据中心的高速、低延迟光纤走廊。公司计划分三期铺设约1万公里的新长途光纤。第一期将连接孟买、浦那、海得拉巴和金奈，后续计划扩展至维沙卡帕特南、布巴内斯瓦尔、贾姆讷格尔和GIFT City。
Soul 推出 Loxinity，打造主打「真人感」的实时 AI 语音交互产品
Soul 计划推出面向实时交互的 AI 产品 Loxinity，结合语音合成模型 Loxi Speech 与视频生成模型 Loxi Avatar。不同于面向配音和短视频的传统文本转语音工具，Loxinity 更关注对话中的停顿、语气和情绪表达。产品支持单人配音和多人对话，并提供音色克隆、音色设计工具及 API。用户可上传图片生成数字人形象，也可与多种预设角色进行实时视频通话。该服务面向企业客户，采
蚂蚁集团发布灵光2.0：AI从执行指令转向持续管理事务
蚂蚁集团于10月27日发布灵光2.0。经用户授权后，助手可利用已接入的信息与服务识别潜在需求，分析、监测并跟进任务，并在需要时提醒用户。此次升级跨会话记忆、长程任务调度和工具连接能力，旨在让任务在对话结束后继续运行。据公司介绍，灵光可连接支付宝生态服务，并支持MCP、CLI等工具，以及钉钉、飞书、邮箱和米家等服务。以上为公司公布的产品功能，相关介绍未提供独立的性能验证。