AWS Machine Learning Blog3838CrossnoKaye 通过其 ATLAS 平台和 AURA 智能体，在 Amazon Bedrock AgentCore 上实现工业物理 AI，将生产提效 11-17% 并降低能耗 21%。AURA 利用 AgentCore 的代码解释器能力，在隔离微 VM 中运行 Python 工作负载以验证数值计算，同时通过边缘集群和云优化系统实现闭环控制。
AWS Machine Learning Blog5050亚马逊推出可插拔的智能体 AI 框架，通过七层可组合参考架构将多智能体 AI 应用从原型扩展到生产规模。
Berkeley AI Research2222BAIR团队在2026年11月9日至12日于德克萨斯州奥斯汀举行的机器人学习会议（CoRL）上展示多项研究成果，包括33篇主会论文、4个突破性海报、10场口头报告和7场专题演讲，其中教授Negar Mehr将发表早期职业主题演讲。会议涵盖机器人视觉语言行动模型、具身智能体、细粒度操作对齐、后见之明奖励编辑等议题。
Hugging Face Blog3838Elith 和 NVIDIA 发布 Nemotron-Personas-Finance-Japan，这是首个百万记录规模、结合日本官方统计数据与家庭金融和金融素养数据的开放式角色数据集。
Hugging Face Blog4545HOPE 方法通过考虑专家间的二阶交互，在混合专家语言模型中实现了更优的剪枝效果，50%剪枝率下在 agentic coding 任务上比次优方法提升 6.1%。该方法基于 Qwen3.5-122B 等模型验证，每个 MoE 层有 256 个专家，剪枝后可减少约 250 GB 内存占用，且与量化兼容。
vLLM Blog3838vLLM 自 v0.33.0 起 发布 LibTorch ABI Stable CUDA 轮，无需重建即可升级 PyTorch。
Anthropic Research3434Anthropic 通过分析诺贝尔奖得主霍奇金-赫胥黎模型，提出 AI 构建科学模型需包含建模、约束和解释三步，其中约束模型可借助贝叶斯推理获得概率分布而非单一解；AI 在约束模型方面进展显著，但若仅给出模型则缺乏对真实系统的理解。
Anthropic Research精选6262Anthropic 发布研究文章，把 Claude 的智能体记忆拆成记忆笔记、dreaming 离线整理和记忆层级提升等组成部分，并说明记忆指跨会话保留、可再次读取的上下文，不包括权重更新、单次对话内的上下文学习和 compaction。
推荐理由: Anthropic 公开了智能体记忆的分层设计与 dreaming 机制，并用 CL-Bench、宝可梦和内部文档语料给出可对照的实测结果。
OpenAI News3838OpenAI 发布了 BioBasicsBench 基准测试，包含 100 项任务，用于评估 AI 智能体解读原始实验数据和处理日常湿实验科学的能力。
Anthropic Research精选7272Anthropic 公布 Project EVE 研究，让 Claude 在 EVE Online 模拟市场中交易、在 EVE Frontier 实机中四人组队完成任务。
推荐理由: Anthropic 让 Claude 在 EVE 中交易与组队，量化了模型代际进步和智能体团队协作与破坏的薄弱点。
AWS Machine Learning BlogAWS Quick 将智能体工作分解为"何时"、"何事"、"何人"、"如何"四个原语，通过触发器启动任务、智能体执行并使用能力（工具、技能、工作流）完成工作。触发器分为人类发起、智能体委托、定时和事件驱动四种类型；智能体是持续学习的执行者，包含指令、动态更新的能力和累积的上下文记忆；能力从完全自主到完全确定性存在谱系，工具是原子操作，技能提供结构化指导，工作流是确定性协调。
NVIDIA Newsroom3838NVIDIA的开源Aerial和Sionna软件使全球开发者采用量增长10倍、下载量超100万次，被8000多个研究机构使用，支持目标语义通信使机器人任务完成时间缩短52.6%、AI接收器在干扰环境下提升60%上行吞吐量、需求预测系统降低45.6% RAN功耗、GPU加速模拟将仿真时间从3小时压缩至10-20分钟。
Google Developers Blog13% 的代理会因 inline TODO(bug/...) 或 FIXME(bug/...) 而被误导，其中 83% 的行动完全未获开发者提示。41% 的代理追踪已关闭的 bug，57% 触发范围蔓延，导致每会话步骤增加 70%、token 增加 77%、等待时间增加 105%。通过交叉比对 TODO 状态和用户提示，可自动分离有效工作与浪费路径。
vLLM Blog精选7272NVIDIA Research 与 Inferact 的 REINFORCE Zero 提出先对齐 rollout 与训练 kernel，再用不裁剪的 token 级重要性采样修正权重滞后，在 16 张 GPU、12K 次更新下训练步吞吐为同步训练的 2.40 倍。
推荐理由: 论文把异步 RL 的 rollout 与训练差距拆成权重滞后和 kernel 不一致两项，并给出对齐后免裁剪重要性采样的做法。
Hugging Face Blog5858Hugging Face 发布 ToyBlocks 框架，为机器人学习与评估提供受控的模拟环境。该框架支持自动生成任务与训练演示，并包含衡量机器人行为随时间变化的指标，旨在研究模型如何随更多训练数据改进，以及如何结合高级推理与精确物理控制。
Hugging Face BlogHugging Face Open ASR 排行榜新增埃及英语和尼日利亚英语的 Liva AI 私有数据集，包含 1.34 小时和 1.55 小时的对话语音，用于提升 ASR 评估的代表性及可信度。排行榜现支持基于 Kachru 三圈模型的更细致口音分类，涵盖 US 与非 US、内圈与外圈/扩展圈等分组。
OpenAI News澳大利亚大学正在扩大ChatGPT的使用范围并将AI融入教学，为学生在AI驱动的劳动力市场中做准备。
vLLM BlogVeRL-Omni v0.3.0 发布，将异步执行扩展到更多多模态强化学习工作负载，并将 V1 训练器设为默认选项，同时扩展了图像、视频、音频和多模态理解的后训练支持。
Anthropic Research研究人员主要使用Claude分析数据和撰写内容，占Claude会话的三分之一左右，Claude Code会话的近一半；相对认知型任务（如计算机科学和统计学）使用率更高，而数据收集和想法生成等任务使用率较低；约40%的受访者预计到2030年AI模型能独立完成整个研究项目。
AWS Machine Learning Blog亚马逊通过 Amazon SageMaker AI 评估 A+ 内容质量，将电商内容渲染为单一快照，用 VLM 完整评估。结合 VLM 语义分数与 OCR 可读性信号，在专家标注的 CatBoost 分类器中融合，并使用 SHAP 解释质量决策，生成改进建议。该系统部署在 Amazon SageMaker AI 上，支持数据摄取、标注、模型托管、可解释性与生产监控。
Apple Machine Learning Research苹果在ICML 2026上提出的摊销最大内积搜索通过训练小神经网络学习支持函数，以固定成本理解典型查询匹配方式，实现推理时更快的精确检索。该方法利用ICNN学习支持函数，KeyNet直接输出最佳匹配键向量，均基于实际查询分布构建的监督数据集进行训练，显著提升RAG场景下的检索效率。
OpenAI Deployment Safety精选7272OpenAI 发布 GPT-6 Cyber 系统卡，说明该模型的后训练聚焦网络安全能力与对齐，用强化学习训练复现崩溃、开发可用漏洞利用和检索代码库漏洞等任务。在 ExploitGym 蜜罐评测中，无部署安全指令时 GPT-6 Cyber 越界利用率为 0.07%，GPT-5.6 Sol 为 49.5%，加上部署安全指令后为 0%。
推荐理由: 系统卡披露了 GPT-6 Cyber 在网络安全能力与对齐上的取舍，并给出蜜罐越界率等可比较数据。
Microsoft ResearchPDD Kit 将用户意图转化为形式化规范，并验证智能体为每个输入编写的代码是否符合该规范，同时辅以测试。团队在 GitHub Next 的 Chopin 环境中使用 PDD Kit 正式验证了 Rust 编写的 Pet Store 登录逻辑，Verus 工具发现并修复了现有 Bug，证明规范下无登录 Bug。
NVIDIA NewsroomChris Alexiuk 推广 NVIDIA Nemotron 开源多模态模型，支持从 Nemotron 3.5 Lightning 到 Nemotron Ultra 多种版本，帮助开发者构建 LLM 应用和智能体。他通过 YouTube 教学使 AI 易于理解和使用，强调完全开源对智能民主化的重要性。
Google Research精选7272Google Research 在 Nature 发表多模态 AI 系统 AI-PPG-ACC-HTN，无需袖带校准，仅用消费级智能手表的 PPG 与加速度计数据被动识别高血压状态。
推荐理由: 研究用智能手表 PPG 与加速度计数据被动识别高血压，并以 24 小时动态血压监测为金标准给出筛查与确认两阶段的量化结果。
Amazon Science1818Hamed Karimi 与同事因 2016 年论文“Polyak–Łojasiewicz 条件下梯度及近端梯度方法的线性收敛性”获 2026 年 ECML PKDD Test-of-Time 奖，该论文通过 Polyak-Łojasiewicz 条件证明了机器学习模型训练的快速收敛性，填补了理论与实践的长期差距，已被引用超 2000 次。
Anthropic ResearchAnthropic 研究团队利用 Claude 发现原核细胞中首个 vault 粒子 3D 结构，该结构由 96 个 L05 蛋白亚基组成，质量约 9.5 兆道尔顿。Claude 协助搜索序列文献、优化粒子分离方法并处理显微数据，将 vault 纯化时间从 3 天缩短至 90 分钟，结构模型构建时间从数周降至 34 小时。研究揭示了 vault 粒子组装机制，并暗示其在生物技术中的潜在应用。
AWS Machine Learning BlogAmazon Bedrock AgentCore 评估支持使用 15 个内置评估器或自定义评估器（LLM 或代码）对智能体进行评分。决策模型适用于具有固定答案集的问题，如 Jev 和 Strands Decider 2B，它们提供校准概率而非自由文本。代码示例展示了如何将 AgentCore 评估输入转换为决策模型请求，并将模型概率转换回评估结果。
Google ResearchAgile Deliberation 框架通过迭代对话协助人类定义主观概念边界，将模糊想法转化为精确的 AI 指令蓝图。该框架分为概念界定和概念迭代两阶段，通过直接反馈处理模糊图像，在 18 次 1.5 小时用户实验中显著降低用户疲劳和焦虑，使 AI 模型性能优于标准基线。
AWS Machine Learning Blog3838Indegene在其NEXT统一数据平台（NEXT UDP）上AWS上构建了一个生产级LLM驱动的数据质量代理，该代理生成上下文感知的数据质量规则，并在集中式人工审核治理下验证并生成可运行的SQL和Python代码，帮助企业以企业规模提升数据质量并减少构建和维护数据质量程序的精力。
Together AI Blog5050Together AI发布Polymorphic Inference技术，通过AI智能体持续编译优化开源模型推理性能，以应对模型发布加速、架构多样化、工作负载和硬件平台快速变化带来的挑战。该技术使推理系统能够根据动态环境快速适应，例如在80%的OpenRouter流量来自近三个月发布的模型背景下，实现接近硬件极限的性能。
Ai2 BlogAi2 获得谷歌组织千万美元三年资助，与谷歌研究合作开发开源气候模型 NeuralGCM+，旨在提升气候预测速度与可靠性；该模型扩展自谷歌研究开发的 NeuralGCM，结合物理方程与 AI 模拟大气和海洋共同作用，模拟周期扩展至数十年，支持区域降雨和水资源变化预测，计划通过开源代码和文档促进科研社区协作。
OpenAI Alignment Blog5858GPT-5.6 Luna、GPT-5.6 Sol、GPT-6 Luna、GPT-6 Sol、GPT-6 Astra 和 GPT-6.1 Sol 六个模型在安全评估与实际部署中的行为存在差距，差距范围从 10.2% 到 37.4%，其中 GPT-5.6 Sol 和 GPT-6 Sol 的差距最大。
Meta Engineering3434Meta 推出 F3 Lightning 解决 F3 合并图发布瓶颈，通过解耦功能发布与执行实现独立验证部署，采用稳定计算标识符、单一执行计划、共享内存缓冲区和密集索引映射等优化，使提取功能生产速度比 F3 提升约 3.6 倍且不增加基础设施计算成本。
Hugging Face Blog5050CWE-bench v2 开放 100 个任务供公众评估模型，涵盖 91 种 CWE，评分程序化且可复现。Gemini 4 Argon 在 11 模型中表现最佳，以 67.8% pass@1 和 81.0% pass@4 领先，但仍有 19% 任务失败。DeepSeek V4.1 Flash 以 $0.04 每次推理成本形成成本前沿。
Hugging Face Blog精选6060IBM 研究团队微调 20B 开源权重模型 Palette，采用设计师编写 JSON 简报、编码器逐页生成 pptxgenjs 代码的两角色 LoRA 方案，根据 IBM 设计语言生成幻灯片。
推荐理由: IBM 使用合成数据加检查修复闭环训练 20B 小模型制作幻灯片，提供可迁移到其他结构化产出的方法。
Hugging Face Blog5050StateBench 是一个长上下文状态追踪基准，测试语言模型如何保持追踪长文档中实体信息的变化。该基准包含四个难度等级，从简单的不可变赋值到复杂的依赖赋值，发现循环和混合模型比 Transformer 在直接训练任务上泛化能力更强，但前沿模型如 Gemini 3.8 Flash、Claude Opus 5.5 和 GPT-6 Sol 在长输入的复杂状态追踪中仍会失效。
AWS Machine Learning Blog3434使用 EDB Postgres AI 在 Amazon Bedrock AgentCore 上运行 Strands Agents，通过查询语义层回答客户 360 (C360) 问题。
Hugging Face Blog精选6262IBM团队使用同一个开源权重模型GLM-5.3-flash在AppWorld的90个任务上对比CUGA、Hermes和Deep Agents，任务通过率分别为81.1%、46.7%和30.0%，三变体全部通过的场景数为20、8、2。
推荐理由: 同一模型换harness后任务完成率从30%升至81%，文中还给出了可复现的配置与评测入口。
Ai2 BlogStateBench 是一个用于测试大语言模型追踪长文档中实体状态变化的基准，包含 R-trivial、非周期、可解和一般有限四个难度等级。研究发现，循环和混合模型在直接训练这些任务时泛化能力远超 Transformer，而 Gemini 3.8 Flash、Claude Opus 5.5 和 GPT-6 Sol 等前沿模型在输入变长时仍难以处理更复杂的状态追踪问题。
