主题

Agent 后训练学习指南

本文系统梳理了 Agent 后训练的五大步骤——监督微调、蒸馏、强化学习、强化学习环境与 Harness 与规模化，并提供示意图、课程与代码入口，帮助读者快速搭建完整的 Agent 训练流程。

阿里云开源《AI Agent Handbook》：从试点到生产的企业级 Agent 实战指南

该手册由阿里云发布，专门针对企业环境下的 AI Agent 开发和治理，涵盖了从架构设计到运维调参的完整生命周期，并提出了用 Harness 来解决概率智能在生产环境中可靠性的挑战。

深兰科技联合华为发布全球首款大模型智能体工作手机Wowoker

Mistral AI 开放 Large 4 模型权重：1T 参数，编程智能体更省 Token

IT之家 10 月 30 日消息，当地时间 10 月 29 日，法国公司 Mistral AI 正式开放 Mistral Large 4（简称 ML4，代号 le Chonk）模型权重。 ML4 是一款拥有 1 万亿总参数、490 亿激活参数（包括嵌入层和输出层在内为 520 亿）的原生多模态模型。

Artificial Analysis 发布 Search Index 评测搜索 API 表现

Artificial Analysis 推出 Search Index，在 1700 个任务和 BrowseComp、DeepSearchQA、AA-Omniscience 三个搜索基准上，用同一基础模型和测试框架衡量各 Search API 的性能、成本与延迟。

买车送终身 AI？智己 LS8 纯电版 25 万起！全系线控底盘宁德时代标配

智己 LS8 NEO 纯电版以全线控底盘、宁德时代定制电池和 IM Claw 智能体为核心，提供 25 万元级高续航 SUV，并通过终身免费 Token 提升车载智能体验。

OpenRouter 实测 Claude Opus vs Sonnet vs Haiku 5.5 该选哪个

OpenRouter 实测 Claude Opus 5.5、Sonnet 5.5 与 Haiku 5.5 三档模型，建议默认用 Sonnet 5.5，高频与子智能体任务用 Haiku 5.5，长且容错成本高的任务用 Opus 5.5。

Serro 推出 Agentic TPM 追踪决策变更

Serro 推出“Agentic TPM”，用于在决策变更时同步更新编码智能体。它连接 Slack、Linear、GitHub、Jira、Zoom、Notion、邮件和代码库，维护每个项目决策、负责人、风险与历史的版本化记录。其思路是把编码智能体失败视为协调问题：智能体仍在执行人们已在会议、聊天或工单中改掉的决策。

Figma 讲解如何训练专用画布编辑模型

Figma 介绍其为 agent 自研 Figma 编辑模型的训练方法，先用超过 25 万条合成样本做 SFT，让早期 Llama 3.3 70B 在编辑任务上接近当时顶级模型，后转向 RL 并结合确定性校验器与视觉评委做评测。

Shopify CEO 谈个人 AI 智能体如何赚钱

Shopify CEO Tobi Lütke 在访谈中谈个人 AI 智能体的变现路径，认为这类智能体价值极高，但抽成不会是 2%，而要按基点（basis points）来算。他提出变现可能像电力计量那样在后台计费，也可能走交易流水，并称人们花钱效率低下，智能体可帮用户省钱。

Princeton 与 Meta 提出 Self-Direction：用 LoRA 适配器让智能体记住错误修复

Princeton 与 Meta FAIR 的论文提出 Self-Direction，让智能体在失败后反思轨迹并将经验训练成约占基础模型 0.02% 参数量的 LoRA 适配器，之后由路由器在遇到类似任务时加载。

Anthropic 研究：50 名专家在分析决策中最高 86% 采纳 AI 智能体的随机偏好且不自知

Anthropic 一项针对 50 名因果推断专家的实验发现，AI 智能体被掷硬币随机指定的偏好会被专家在四项分析决策中最高 86% 采纳，净影响即 flip rate 在 62% 到 82% 之间；先有自己观点的参与者面对相反意见也更易改主意，经验、学历、自评专业度等均无可靠保护作用。

Artificial Analysis 发布 Intelligence Index v5 与 Progress Index

Artificial Analysis 在旧金山发布 Intelligence Index v5，新增两项基准、三项升级，并首次让指数大部分基于私有测试集或留出答案，同时加大智能体编程与科学的权重。

OpenAI 公开四层失准监测体系，回应 Hugging Face 事件暴露的监控缺口

OpenAI 发文介绍其检测前沿模型失准行为的 4 层监测系统。此前监测仅覆盖内部编码智能体，Hugging Face 事件始于未部署监测的内部网络安全评估。

Google Research 的 Exo：让 AI 智能体运行时自我改进

UC Berkeley 博士生、Google Research 高级研究员 Alex Krentsel 在 Arena HQ 介绍了自改进 AI 智能体架构 Exo，借鉴操作系统的 exokernel 思路，把智能体拆成受保护的机制层（状态、历史、密钥和 guardian）与可完全演化的策略层。

Meta 论文提出 Sharpening Tax：RL 后训练提升首试准确率但缩小解法覆盖

Meta 论文发现 RL 后训练让 Agent 首次尝试更准，但在最多 128 次尝试内找到解法的能力反而变差。

Simon Willison 评 Spawn：Fable 智能体集群每月花超 300 万美元 token 自主开发多人游戏

Simon Willison 转评 Jacob Sansbury 的文章，介绍多人游戏环境 Spawn：玩家用提示词指挥游戏内智能体 Savi 修改游戏世界，作者实测用提示词生成城堡和龙并骑龙飞行。

LangChain Managed Deep Agents v0.10 发布：支持浏览器使用与异步子智能体

LangChain 发布 Managed Deep Agents v0.10 公测版，新增浏览器使用和异步子智能体两项核心能力。

Arena 实测 GPT-6.1 Sol 每任务成本 $1.91，比 Claude Opus 5.5 低 85%

Arena 在 Agent Arena 上公布，OpenAI 的 GPT-6.1 Sol (Max) 每任务成本 $1.91，比第一名 Claude Opus 5.5 (Max) 的 $12.51 低 85%，比 GPT-6 Astra (Max) 的 $14.93 低 87%。

Meta 详解 Catching JiTTests 全量部署：LLM 生成测试在代码合入前捕获 bug

Meta 介绍其 LLM 驱动的 Catching JiTTests 已从研究原型进入生产基础设施，通过 dodgy diff 和 intent-aware 两条工作流自动生成测试，在代码合入前暴露 bug，并用 RubFake 规则与 LLM-as-Judge 集成过滤误报、以 human-on-the-loop 方式降低人工审查负担。

AgentWeb 发布面向 AI 智能体的可靠网页任务基础设施

AgentWeb 发布面向通用 AI 智能体的网页任务基础设施，让智能体不通过浏览器、直接调用映射好的操作来完成网站任务。实测在 15 个政府门户、7 家保险公司和 25 个需登录的网站（如 Amazon、LinkedIn）上完成 47/47 项真实任务，中位耗时 1.9 秒，全程成本 3 美元。

Snaptrude Agent 演示从场地到施工级建筑模型

Snaptrude Agent 可从场地或任务书直接生成施工就绪的 LOD 400 建筑模型，包含结构、MEP 与完整图纸集，建筑师可逐步掌控。早期访问中 2000 多名设计师自 9 月起已运行超 2.5 万个任务，用户累计消耗超 1400 亿 tokens。团队还推出 AECBench 基准，用于检验 AI 在 AEC 场景下的设计正确性。

LangChain 为 Managed Deep Agents 新增浏览器能力

LangChain 宣布 Managed Deep Agents 支持浏览器操作，开发者通过 define_browser 几行代码即可让 LangSmith 托管 Agent 读写真实网页，无需自建基础设施。

Tripo 推出 Agentic Canvas 3D 创作智能体

Tripo 发布 Tripo Agentic Canvas，用户描述需求后由 Agent 规划、串联并执行工作流，直接产出 3D 资产，无需在多个工具间切换。该画布支持批量处理与可复用流水线，并可通过 AI 3D Lab 完成资产检查、精修、绑定与编辑。目前处于 beta 阶段，面向所有 MAX 和 Team 用户开放，其他用户将逐步放开。

Mistral 开源新改进版 Le Chonk 模型权重

Mistral 发布新改进版 Le Chonk 的开放权重，主打智能体编码与网络安全方向。该模型在 Cognition 的 FrontierCode 上排名开源模型第一，并在 Artificial Analysis 上创下 Pareto 效率新基准；网络防御能力经 CrowdStrike、Cloudflare、Rubrik、Zscaler 等厂商测试…

Arena 榜单：GPT-6.1 Terra (Max) 在 Agent Arena 排名第 8，成本重塑 Pareto 前沿

Arena 公布近 9K 个智能体会话的实测结果：OpenAI 的 GPT-6.1 Terra (Max) 在 Agent Arena 排名第 8，净提升 +10.6%，单任务中位成本 $0.62，重塑 Pareto 前沿。

Wiz 分析智能体攻击的七大指纹与发展趋势

Wiz 基于自身事件响应与公开披露案例，分析 AI 智能体参与真实入侵的现状与趋势，涉及 ARTEX、Hermes 等框架及韩国金融机构（约 67,000 人信息外泄）、泰国财政部、ConnectWise 供应链（尝试攻击超 2,250 个租户）等案例。

DiffuSpace 开源 Clover-35B-A3B-Preview 扩散语言模型

人工智能实验室 DiffuSpace（扩散智能）发布 Clover 系列首个成员 Clover-35B-A3B-Preview，以 Apache 许可开源。该模型采用 MoE 架构，通过多轮迭代实现从模糊到具体的全局思维，在多项基准测试中性能超过同规模自回归模型 Qwen3.6-35B-A3B，尤其擅长智能体编程与工具使用任务，同时保持更快生成速度。

Wiz 分析智能体攻击的兴起：特征、案例与防御方向

Wiz 汇总公开披露与自家应急响应中的智能体攻击案例，包括 ARTEX 针对韩国金融机构与 ConnectWise 供应链、Hermes 攻击泰国财政部，以及 Wiz 调查的三起真实入侵（如暴露的 Flowise 实例、MCP 接口链式 RCE 导致云凭证和 Kubernetes token 泄露）。

Mistral AI 发布全新升级的 Le Chonk 开源权重

Mistral AI 发布全新升级的 Le Chonk 模型权重，主打智能体编码与网络安全。该模型在 Cognition 的 FrontierCode 开放模型中排名第一，并在 Artificial Analysis 上创下新的 Pareto 效率基准；网络防御能力经 CrowdStrike、Cloudflare、Rubrik、Zscaler 等厂商测试。