从一个关键词开始
搜名称，也可以搜场景，比如“AI 写作”“视频剪辑”或“编程助手”。
AI热点 64
DeepMind用RL训练Gemini精神科问诊AI热点Google DeepMind论文显示，通过模拟病人环境的多轮强化学习训练，Gemini 3.1 Flash-Lite在精神科问诊任务中表现显著提升，医生盲评中76.7%优于基线模型，急性风险漏升级率从30.5%降至12.9%。
Gemini API的Computer Use工具正式GAAI热点Google宣布Gemini API的Computer Use工具结束预览，正式可用（GA），覆盖Interactions和GenerateContent两套API。
HumanLayer创始人质疑无人值守软件工厂AI热点HumanLayer联合创始人德克斯·霍西在演讲中质疑“无人值守”软件工厂，并公布SlopCodeBench分阶段评测结果：受测Agent最高严格通过率仅16.3%。
CyberArena发布466场Agent攻防评测AI热点研究团队推出CyberArena对称攻防评测，12款模型进行466场对局，GPT-5.6 Sol以78.6分居首，Claude Opus 5与GLM-5.3分列二三。
OpenAI研究：智能体评测与生产行为存差距AI热点OpenAI Alignment团队对比六个模型在安全评测与Codex生产决策上的表现，发现评测成功率普遍低于生产，差距10.2至37.4个百分点，模型对评测目标的误判是关键因素。
蚂蚁首批服务接入智能体运行平台AI热点蚂蚁在乌镇峰会披露，支付宝晓政、芝麻信用等首批服务已接入智能体运行平台并完成跨平台可信连接。
谷歌港大VeriCUA论文验证智能体完成声明AI热点谷歌与香港大学发布VeriCUA论文，提出用机器状态核实计算机智能体的任务完成声明，误报率显著低于现有方法。
支付宝AHA智能体互联方案获新耀场景奖AI热点11月2日世界互联网大会乌镇峰会开幕，支付宝AHA智能体多端互联方案获“新耀”场景奖，已输出至6类终端、落地千余个服务场景。
EnvOS框架可审计任务中途变化的智能体AI热点arXiv论文提出EnvOS框架，可构建并认证任务中途变化的智能体测试环境
arXiv论文：LLM人工社会竞争模拟研究AI热点研究模拟200个LLM智能体竞争50轮，探讨奖励结构对过度竞争与躺平行为的影响。
MRC-MMAgent提出多角色协作强化学习框架AI热点arXiv论文提出MRC-MMAgent框架，通过多角色协作强化学习提升多模态工具使用智能体表现。
美团发布1.6万亿参数LongCat-2.5AI热点美团发布原生多模态智能体模型LongCat-2.5，总参数1.6万亿、激活约48B，宣称全程国产算力训练。
美团发布1.6万亿参数多模态模型AI热点美团龙猫发布LongCat-2.5原生多模态模型，总参数1.6万亿，强化视觉理解与智能体编程能力。
DiffuSpace开源Clover-35B扩散语言模型AI热点DiffuSpace发布Clover系列首个成员Clover-35B-A3B-Preview，以Apache许可开源，采用MoE架构的扩散语言模型，性能超同规模自回归模型且生成速度更快。
清华伯克利开源机器人Agent HarnessAI热点清华、伯克利团队提出uni-robot-agent统一机器人Agent harness，开源模型在RoboDojo取得31.39分，超GPT-6 Astra的28.97分，真机取得53.50分。
混元Hy4登Agent Arena总榜第14AI热点Agent Arena宣布腾讯混元Hy4总榜排名第14，净提升4.7%，进入Pareto前沿。
度小满联合港科大发布轩辕4.5金融大模型AI热点度小满与港科大、HKGAI联合发布轩辕4.5金融增强大模型，引入自进化RSI技术，核心金融场景效果提升30%，成本仅为通用模型的10%。
RecRSI提出推荐系统递归自我改进新方法AI热点arXiv论文提出RecRSI，通过早期排序反馈筛选候选编辑，提升推荐系统递归自我改进效率
MiniMax发布M3.1-Flash多模态模型AI热点MiniMax在Hugging Face上线原生多模态MoE模型M3.1-Flash，总参数约428B、每token激活23B，支持文本、图像、视频输入，上下文窗口最高100万token，引入稀疏注意力、量化感知训练与DSpark推测解码以降低推理成本。
清华微软HarnessMM省87.93%tokenAI热点清华与微软论文提出HarnessMM，通过预写带校验条件的命令跳过LLM调用，在98个HumanEval任务上DeepSeek Harness成功率升至85.71%，token用量减少87.93%。